CreditMetrics模型与KMV模型比较
Creditmetrics模型
Creditmetrics模型[编辑]Creditmetrics模型的提出Creditmetrics模型（信用计量模型）是J.P.摩根在1997年推出的用于量化信用风险的风险管理产品。
与1994年推出的量化市场风险的Riskmetrics一样，该模型引起了金融机构和监管当局的高度重视，是当今风险管理领域在信用风险量化管理方面迈出的重要一步。
[编辑]Creditmetrics模型的基本思想1、信用风险取决于债务人的信用状况，而企业的信用状况由被评定的信用等示。
因此，信用计量模型认为信用风险可以说直接源自企业信用等级的变化，并假定信用评级体系是有效的，即企业投资失败、利润下降、融资渠道枯竭等信用事件对其还款履约能力的影响都能及时恰当地通过其信用等级的变化而表现出来。
信用计量模型的基本方法就是信用等级变化分析。
转换矩阵（Transition Matrix一般由信用评级公司提供），即所有不同信用等级的信用工具在一定期限内变化（转换）到其他信用等级或维持原级别的概率矩阵，成为该模型重要的输入数据。
2、信用工具（包括债券和贷款等）的市场价值取决于债务发行企业的信用等级，即不同信用等级的信用工具有不同的市场价值，因此，信用等级的变化会带来信用工具价值的相应变化。
根据转换矩阵所提供的信用工具信用等级变化的概率分布，同时根据不同信用等级下给定的贴现率就可以计算出该信用工具在各信用等级上的市场价值（价格），从而得到该信用工具市场价值在不同信用风险状态下的概率分布。
这样就达到了用传统的期望和标准差来衡量资产信用风险的目的，也可以在确定的置信水平上找到该信用资产的信用值，从而将Var的方法引入到信用风险管理中来。
3、信用计量模型的一个基本特点就是从资产组合而并不是单一资产的角度来看待信用风险。
根据马柯威茨资产组合管理理论，多样化的组合投资具有降低非系统性风险的作用，信用风险很大程度上是一种非系统性风险，因此，在很大程度上能被多样性的组合投资所降低。
信用风险度量的CreditMetrics与KMV模型的比较
B CCC D 违约 均值 1.17% 0.12% 0.18% 9.808 8.362 5.054 0.1147536 0.0114754 0.0090972 -0.89585 -2.34185 -5.64985 方差 标准差 0.009389803 0.006581114 0.057457449 0.09 0.3
10.7038542
V 的 均 值 为 ， 方 差 为 ， 则 piVi ； 2 pi (Vi ) 2 ； n p 1。
在假定的条件下，根据正态分布的性质，该笔贷款在 95% 的 置信水平下在险价值为 1.65*0.3=0.495 百万，在 99% 的水平下在 险价值为 2.33*0.3=0.699 百万。 （四）模型优势及不足 优势 ： 拓宽了信用风险既有违约， 也有债权人信用等级的变化 ； 适应范围更广，不仅包括传统的商业贷款等，还可以是现代金融 衍生根据；在计算资产组合价值分布时，利用正态分布假定下的 方法和 Monte Carlo 模拟法，在一定程度上解决了“资产收益率 正态性”的硬性假设；可以度量单笔资产，也可以为组合资产的 信用的 VAR 进行量化分析。 不足：假定违约率及无风险利率保持不变， 与宏观经济无关， 不符合实际情况，会造成不精确的结果；模型是以信用评级为基 础， 信用等级受到行业、 国家、 经济周期及经济状况等因素的影响， 在相当长的时间内并不是不变的。
CreditMetrics和CPV模型的比较研究
ＣｒｅｄｉｔＭｅｔｒｉｃｓ和ＣＰＶ模型的比较研究作者：曹晶来源：《硅谷》2008年第18期中图分类号：F83 文献标识码：A 文章编号：1671－7597（2008）0920052－01一、CreditMetrics模型CreditMetrics模型由J.P.摩根于1997年推出，它以信用评级转移为基础，信用级别可以是由专业评级机构提供，也可以是自己独立的评级，它根据已知历史数据估计的转移概率，用公司的债券市场或者股票市场的数据来代替公司资产直接导出评级分类的相关性，它计算贷款的组合价值的远期分部，直接估计出一般信用损失分部对应某个水平分位数作为资产信用风险值。
该模型认为信用风险源自于企业信用等级的变化，并假定信用评级体系是有效的，即企业投资失败、利润下降、融资渠道枯竭等信用事件对其还款履约能力的影响都能及时恰当地通过其信用等级的变化而表现出来。
并且可以采用组合投资的分析方法，注重直接分析企业间信用状况变化的相关关系，因而更加与现代组合投资管理理论相吻合。
也是适合中国现在国情的。
（一）计算单个债券首先确定该债券主体的信用级别。
通过单项贷款价值概率分布来确定单项贷款的风险。
这个概率分布的特点在于它完全基于信用转移分析，即在既定时间内（一年）一种信用质量转变为另一种信用质量的概率，用它来度量将来（一年后）贷款资产组合的价值分布，模型强调资产组合价值变化与信用评价转移相关。
已一笔固定利率，不可提前偿还的中长期贷款为例。
该贷款式等额偿还的，直接到最后一次偿还式结清贷款本息。
在不可提前偿还假定条件下，根据普通年金现值一般公式，可以推导出偿还贷款恶毒现值计算模型：CreditMetrics模型的基础式在给定时间段内不及贷款或债券产品将来变化的分布状况，价值变化与债务人信用质量转移（信用评级是上升，下降或是违约）相关。
假设信贷资产或债券价值V的均值是，方差是，则：根据以上公式得出该信贷资产的价值，假定组合价值服从正态分布，则可得到各个置信区间中的资产价值。
30多种信用评级方法
30多种信用评级方法不同的信用评级方法在金融领域中起着重要的作用，可以帮助金融机构和投资者评估借款人或发行人的信用风险。
本文将介绍30多种常见的信用评级方法，以帮助读者更好地了解这些方法的特点和应用。
一、经典信用评级方法1. 标准普尔评级：由标准普尔全球评级服务公司（S&P）提供，使用字母等级（如AAA、BBB等）对借款人或发行人进行评级。
2. 穆迪评级：由穆迪投资者服务公司提供，使用字母等级（如Aaa、Baa等）对借款人或发行人进行评级。
3. 惠誉评级：由惠誉全球投资者服务公司提供，使用字母等级（如AAA、BBB等）对借款人或发行人进行评级。
4. 中国评级：由中国评级公司提供，使用字母等级（如AAA、AA 等）对借款人或发行人进行评级。
二、基于概率的评级方法5. KMV模型：基于概率论和统计学原理，通过计算违约概率来评估借款人的信用风险。
6. Merton模型：基于期权定价理论，通过计算违约概率来评估借款人的信用风险。
7. Vasicek模型：基于随机过程理论，通过计算违约概率来评估借款人的信用风险。
8. CreditMetrics模型：基于统计学和金融工程学原理，通过计算违约概率来评估借款人的信用风险。
三、基于市场数据的评级方法9. 债券到期收益率：通过债券市场上的到期收益率反映借款人的信用风险水平。
10. 债券违约概率衍生指标：通过分析债券违约概率衍生指标（如CDS溢价）来评估借款人的信用风险。
11. 股票波动率：通过分析股票市场上的波动率反映借款人的信用风险水平。
四、定量评级方法12. Altman Z-score模型：通过计算借款人的财务指标来评估其破产风险。
13. Ohlson模型：通过计算借款人的财务指标来评估其破产风险。
14. Springate模型：通过计算借款人的财务指标来评估其破产风险。
五、基于评级模型的评级方法15. Logit模型：通过建立评级模型来评估借款人的信用风险。
信用风险度量模型
信用风险度量模型信用风险度量模型（Credit Risk Measurement Model）信用风险度量模型的概述信用风险(credit risk)是指由于借款人或市场交易对方违约而导致损失的可能性，以及由于借款人的信用评级的变动和履约能力的变化导致其债务的市场价值变动而引起的损失的可能性。
从该定义可以看出。
信用风险由两部分组成，一是违约风险，指交易一方不愿或无力支付约定款项致使交易另一方遭受损失的可能性；二是信用价差风险，指由于信用品质的变化引起信用价差的变化而导致的损失。
新巴塞尔协议对银行的资本要求允许各国银行可以采用内部模型来度量信用风险。
由于20世纪90年代里，公司倒闭的结构性增加、脱媒效应的显现、竞争的白热化、担保能力的下降、金融衍生品的急剧膨胀、信息技术的飞速发展等因素促使人们加强对信用风险的研究，从而涌现出了现代信用风险度量模型。
信用风险度量模型的类别目前国际上运用较多的现代信用风险度量模型主要有：KMV公司的KMV模型、JP摩根的信用度量术模型(ceditmetrics mode1)、麦肯锡公司的宏观模拟模型(credit portfolio view)、瑞士信贷银行的信用风险附加法模型(cridetrisk+)、死亡率模型(mo rtality rate)等。
在巴塞尔新资本协议即将实施的背景下，结合国有商业银行的具体情况，对这些模型进行适用性分析，对加强国有商业银行的风险管理具有重大意义。
(一)KMV模型KMV模型是由KMV公司利用默顿的期权定价理论开发的一种违约预测模型，模型的核心分析工具是预期违约频率EDF(expected delinquency frequency)，它的原理是银行贷款相当于向债务人卖出一个看跌期权，当企业资产的市场价值超过企业的负债时，企业有动力偿还贷款，当企业资产的市场价值低于债务时，企业会行使期权，选择违约。
KMV模型根据借款公司的股票价格波动计算EDF，通过EDF来计算违约损失额LGD。
现代信用风险管理模型的比较分析
现代信用风险管理模型的比较分析作者：方金兵张兵刘荣茂来源：《经济师》2009年第01期摘要：文章对目前国际银行业信用风险管理中应用得最为广泛的四个模型——CreditMetrics模型、Cred it Risk+模型、KMV模型和CPV模型进行了介绍，分别从八个方面进行了分析比较，并进一步探讨了这四个模型在我国商业银行应用的可行性，以期为我国商业银行信用风险量化管理体系的构建提供借鉴与参考。
关键词：信用风险模型比较商业银行管理中图分类号：F832.4 文献标识码：A文章编号：1004-4914（2009）01-016-02在20世纪80年代初期，受世界性的债务危机的影响，国际银行业普遍开始关注信用风险的量化管理工作。
90年代以后，欧美各大银行不再满足于过去的“手工作坊”式的一般信用风险管理，开始积极开发更为有效的信用风险管理模型来计量信用风险。
目前比较流行的四个高级信用风险模型为：J.P.Morgan的CreditMetrics模型、CSFP的CreditRisk+模型、KMV公司的KMV模型和麦肯锡公司的CPV模型。
由于这些模型融合了众多学科的思想，所以被称为现代信用风险管理模型。
一、现代信用风险模型简介l.CreditMetrics模型。
信用度量模型已经成为信用风险计量领域最为主流的方法之一。
模型的核心思想是组合价值的变化不仅受到资产违约的影响，而且资产等级的变化也对其价值产生影响。
CreditMetrics模型的创新之处在于，它第一次将信用等级的转移、违约率、回收率和违约相关性纳入了一个统一的框架。
模型的缺陷在于构成模型的一系列假设。
首先，该模型假设等级迁移概率服从稳定的Markov过程，有悖于实际的历史数据。
其次，该模型假设同一信用评级内所有的债务人都有着相同的评级转移概率，而KMV的研究认为，这条假设并不成立。
再次，用来重估债券价值的无风险概率是决定性的，这将导致其对市场风险以及经济环境的变化不敏感。
基于统计分析的主流信用风险模型评价
基于统计分析的主流信用风险模型评价本文总结了信用风险度量与研究的基本方法和模型，对当前四大主流信用风险模型，从模型概念、模型框架、模型优劣三个角度进行阐述、分析和评价，以期对各模型之间的异同进行综合比较。
关键词：信用风险模型KMV模型Creditrisk+模型Creditmetrics模型Credit Portfolio View模型信用风险研究方法概述信用风险模型的开发始于上世纪60年代的美国和欧洲，其发展过程大致可以划分为以下三个主要阶段：专家分析阶段。
主要采用专家分析方法，通过信贷负责人对业务对象的信用状况进行主观判断，然后做出信贷决策。
其主要特征是信用风险分析取决于信贷负责人的专业技能以及对某些关键因素的权衡，具有主观性。
主要做法有“5C”要素法（品德Character、资本Capital、能力Capacity、担保Collateral、环境Condition）、“4W1H”法(借款人Who、借款用途Why、还款期限When、担保物What、如何还款How)、“5P”法(个人因素Personal、目的因素Purpose、偿还因素Payment、保障因素Protection、前景因素Perspective)以及评级方法等。
财务比率综合分析阶段。
由于信贷管理人员发现信用危机的出现往往伴随着财务危机而产生，及时发现和找出一些预警财务恶化的的财务指标，有利于判断借款人的信用状况。
财务比率综合分析有两类不同的思路。
一类是将企业的各项财务分析指标作为一个整体，系统全面地对企业财务状况和经营情况进行分析，主要有杜邦财务分析体系和沃尔比重评分法；另一分析思路是采用多变量信用风险判别模型，选择企业财务指标中决定企业信用状况的若干关键指标，然后运用数量统计方法建立线性或非线性模型，计算出一个量化分数，作为评价企业信用风险高低指标，典型代表有线性概率模型、Logistic模型、Probit模型和判别分析模型等。
运用CreditMetrics模型进行银行贷款信用风险管理论文
运用CreditMetrics模型进行银行贷款信用风险管理论文信用风险是银行业务中的一大重要风险，对银行的健康发展和稳定性至关重要。
CreditMetrics模型是国际上较为流行的一种贷款信用风险管理模型，这篇论文将详细介绍该模型的原理、应用以及局限性。
一、CreditMetrics模型的原理CreditMetrics模型是由J.P.摩根公司在1997年提出的，它基于经济资本的概念，并引入了波动率因子和相关系数的概念。
模型的基本思想是通过计算资产组合的VaR（Value at Risk）来评估信用风险。
VaR是指在一定置信水平下，资产组合在未来特定时间段内可能的最大损失。
通过计算VaR，银行可以了解在不同市场条件下，可能面临的最大损失程度，从而制定风险控制策略。
CreditMetrics模型的核心是波动率因子和相关系数。
波动率因子是用来表示不同资产的风险程度的指标，它反映了资产价格的波动性。
相关系数是用来度量不同资产之间的相关性，它反映了不同资产之间的风险联动程度。
通过对波动率因子和相关系数的测算，可以得到资产组合的整体风险水平。
二、CreditMetrics模型的应用CreditMetrics模型主要应用于两个方面：风险测量和风险控制。
1. 风险测量：CreditMetrics模型可以帮助银行测量信用风险的水平。
通过对资产组合中每个资产的波动率因子和相关系数进行测算，可以得到整个资产组合的VaR。
这样银行就可以了解在不同市场条件下，可能面临的最大损失程度，并据此评估资本充足性。
此外，模型还可以在不同市场环境下进行压力测试，帮助银行评估自身的风险承受能力。
2. 风险控制：CreditMetrics模型可以帮助银行制定合理的风险控制策略。
通过对资产组合的VaR进行测算，可以对不同资产的风险进行排序和比较，进而决定是否要减少或增加某些资产的比重。
此外，模型还可以根据不同资产的波动性和相关性，进行投资组合的优化，以降低整体风险水平。
信用风险量化的4种模型
信贷风险管理的信用评级方法信贷风险管理的新方法信贷风险管理是当今金融领域的一个重要课题。
银行在贷款或贷款组合的风险度量中特别注意运用信贷风险管理的工具。
除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险管理方法主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。
1、KMV——以股价为基础的信用风险模型历史上，银行在贷款决策时，曾经长时间忽视股票的市价。
KMV模型基于这样一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。
从而，贷款银行就可以用这个重要的风险管理工具去处理金融市场上遇到的问题了。
尽管很少有银行在贷款定价中将KMV模型作为唯一的信用风险指示器，但非常多的银行将其用为信贷风险等级的早期报警工具。
KMV实际上是一个度量违约风险的期权模型，是由买入期权推演而来的。
KMV扭转了看待银行贷款问题的视角，从借款企业的普通股持有者的视角来看贷款偿还(回报)的激励问题。
信用中国 我们共同打造换句话说，它将持有普通股视为与持有一家公司资产的买入期权相同。
基本原理如图所示：（1）KMV是如何工作的？假设普通股持有者拥有公开交易公孙的股票，公司债务是一张一年期的单一贴现票据（single discount note）,票面价值是B.上图显示的是从普通股持有者方面来看的贷款偿还问题。
在图中，若公司资产的价值跌到OB以下（以左，如OA1）,股的持有者就不会偿还那个等于OB的债务。
当然，如果选择违约，他就必须将对公司资产的控制权转让给贷款银行，公司所有者的普通股就一文不值了。
然而，若公司资产的价值是OA2，公司就会偿还债务OB，而保留其余的价值BA2.在KMV模型中，公司债务的票面价值B就是买入期权中的约定价格。
可以看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”保护了普通股的持有人。
从而，对一个好公司的股票持有者的回报有一个有限的底线和一个无限延长的上限。
企业信用评级方法汇总
企业信用评级方法汇总一、弓I言：信用风险是商业银行承担的最重要的风险。
对企业信用风险的进行评级和度量不仅有利于金融机构有效降低风险，提升自身的发展能力，对国家金融稳定和经济发展有着重要的作用。
在我国，由于受到银行业旧体制的影响，国内开始研究信用风险评级和度量方法的时间晚于其他国家。
自2000年以来，为数不少的国内科研工作者积极投入信用风险度量研究，并在理论研究和实际应用上取得了，一定的成绩。
由此可见，对风险进行度量，对企业进行有效的信用评级已经成为现代银行和其他金融机构风险管理职能中最为重要的内容之一。
二、企业信用评级的必要性信用风险由来已久，它随着借贷的产生而发展。
对于一个贷款企业而言，其能否按时归还贷款总是存在着不确定性，这种不确定性具体表现为，贷款企业不愿意履行或不能完全履行还款责任，信用风险一旦形成，银行将会因客户违约而遭受巨大金融损失。
因此，银行需要对贷款企业进行严格的信用评级。
对企业进行信用评级的意义在于，它可以消除银行与企业之间的信息不对称性，提高银行借贷的管理效率，从而使资本市场的整体效率得以提高。
对于企业而言：有效的信用评级，可以使资信良好和还款能力强的企业取得所需贷款资金从事经营活动。
对于银行而言：其不仅可以拥有适合其风险偏好的标的，取得收益。
同时还可以有效的过滤资信较差和还款能力较弱的企业，从而缓释银行违约风险。
所以，对企业进行合理而准确的信用评级是相当必要的。
然而，信用评级是否合理，评级结果是否准确，在很大程度上取决于评级方法的科学性。
那么，到底有哪些信用评级的方法呢？哪些才是合理而有效的信用评级方法？下面我就对企业信用评级方法进行简要的阐述与分析。
三、传统的企业信用评级方法比较分析传统度量方法是以定性分析为起点，结合财务报表有关数据进行分析。
下面我以专家系统、信用评分方法为例，对传统的企业信用评级方法进行分析和比较。
㈠综合评判法一一专家系统专家系统是一种传统的评级方法。
财务风险管理 Chapter_9 信用风险计量模型
信用矩陣模型
• 不同於KMV模型僅以公司違約為唯一的信用 事件， 信用矩陣模型認為信用風險不單單只 是違約而已，應該也要將信用品質改變的影響 考慮進來，而違約只是信用品質改變的特例。 • 這樣的想法並非新創，然而信用矩陣模型是首 套將信用品質變化、違約、回收率及違約相關 性一起分析的信用計量模型。
• 進一步將殖利率減去無風險利率，即是信用價差。再 由信用價差估計違約機率。
9.1 莫頓（Merton）模型
• 選擇權評價模型應用在衡量信用風險的技術上始於
莫頓（Robert Merton）在1975年的文章。 • 假設公司資產價值VA服從幾何布朗運動：
dV
A
V A dt A V A dz
解答
2. KMV模型中的違約間距：
DD=($12,511-$10,000)/(9.6%x$12,511) =2.8
所以公司資產價值目前距離其違約點有2.8個標準差。
解答
3. 預期違約機率：
• 我們並沒有KMV公司的違約距資料庫，因此無法直接判 斷公司的違約機率。
• 僅能利用莫頓模型的常態分配性質，在風險中立的假設下 來估計公司的預期違約機率。 • 假設資產價值的分配是一常態分配，則以違約間距為2.8的 情況計算，則期望違約頻率（EDF）可查表求出約為
判斷公司違約機率 (EDF)
• 實務上使用KMV模型時，我們並沒有KMV公司
的違約距資料庫，因此無法採取上述方法判斷公 司的違約機率。
• 一般常用的方法則是在風險中立的假設下，利用
莫頓模型的性質來估計公司的預期違約機率:
PT=EDF=N(-d2)=N(-DD)
(9.8)
計算實例 9.2
• 假設有一上市公司千千股份有限公司，其股價的 市場總值為3,000萬元，而股價市場價值的波動 值為每年40%，一年內即將到期的短期負債總值 4,000萬元，長期負債總值12,000萬元，而無風險 利率5%。 • 試根據KMV模型計算公司一年的預期違約機率 。
信用计量模型(creditmetrics)
Loan default is random. Loan default probabilities are independent.
Appropriate for large portfolios of small loans. Modeled by a Poisson distribution.
债券级别 市值 概率％ 累计概率
B
98.10
1.17 ％
1.47 ％
CCC
83.64
0.12 ％
0.3 ％
违约
51.13
0.18 ％
利用线性插值法可以计算99%概率下的市值，设该 值为X （X－83.64）×（99% x －98.53%） =（98.10－X）×（99.7%－99%） X=92.29（百万美元） VaRR ＝107.09-92.29=14.80 (百万美元) 即：我们可以以99％的概率确信，该贷款在1年内的 损失不超过14.80美元。
信用计量模型（Creditmetrics）
Creditmetrics（“信用计量模型”）是由J.P 摩根 公司联合美国银行、KMV公司、瑞士联合银行等 金融机构于1997年推出的信用风险定量模型。 它是在1994年推出的计量市场风险的 Riskmetrics（“风险计量模型”）基础上提出的， 旨在提供一个可对银行贷款等非交易资产的信用 风险进行计量的VaR框架。 Creditmetrics试图回答的问题：
注意：A级别借款人有0.06％的概率在下一年度 转移到D级，即A级债券仍有违约的可能。
构建信用转移矩阵
以上给出了AAA和A级借款人的转移概率，同样 可以得到其他级别，如AA、BBB、C等信用级别 的转移概率。 将债券所有级别的转移概率列表，就形成了所谓 的“信用级别转移矩阵”。
KMV模型下我国商业银行信用风险管理研究
KMV模型下我国商业银行信用风险管理研究信用风险一直是我国商业银行面临的主要风险，而就国内的现状来看，我国银行业信用评级体系与高级内部评级法的要求相差甚远，信用风险管理的水平相对落后。
因而，我国银行业若想提高自身实力及国际竞争力，就必须要立足我国国情，开发并应用高级的内部模型，进而建立适合于我国经济环境的信用风险管理系统，这一方面可以使银行对面临的风险进行科学的度量与管理，还可以使其寻找到降低风险资本要求的途径，最终实现合理配置稀缺的资本的目的。
在此背景下，本文以巴塞尔协议为导向，研究内部评级法下我国商业银行如何完善信用风险的管理。
首先，本文在绪论部分较为全面的介绍了信用风险管理的国内外研究现状。
接着第二部分则介绍了信用风险的定义及特征、信用风险管理的内涵及巴塞尔协议的内容。
然后第三部分概括的介绍了内部评级法的相关内容和四种现代信用风险度量模型，包括Credit Metrics、Credit PortfolioView、KMV、Credit Risk+模型。
继而第四部分着重介绍了当前我国商业银行信用风险及管理的现状。
第五部分则在现状分析的基础上，结合四种度量模型各自的特点，对四种度量模型在我国商业银行信用风险管理中的适用性进行了分析，得出KMV模型在我国银行信用风险管理中具有比较优势，进而选择对KMV模型的适用性进行实证研究，并分析了实证的结果。
最后本文对我国商业银行信用风险管理的完善提出了几点建议。
本文采用定性、定量分析相结合的方法及比较分析法，对信用风险度量模型进行了理论分析和实证分析。
首先文章介绍了信用风险及管理的相关理论、巴塞尔协议的内容及四种现代的信用风险度量的模型。
其次，本章结合我国银行业信用风险及管理的现状，通过比较四种度量方法对其在我国的适用性进行了分析。
再者，实证方面，本文选取了截至2012年6月30日，沪深两市10个行业、共20家企业的财务数据和市场数据，运用KMV模型计算企业违约距离并比较其违约可能性。
信用风险度量KMV模型与CreditRisk%2b模型比较研究
，＝１
Ｊ＝１
Ｊ＝ｌ
＝ｅｘｐ（叩＋乞脚影）
Ｊ＝ｌ
（５）
则贷款损失为ｎ・￡的概率函数表达式为：
ｎ：（１厶～
期债务；Ｄ嗾示违约点，其表达式为：ＤＰ豫５册＋去Ｌ册
如果假定企业资产价值服从对数正态分布，则在Ｔ时刻违约距离
是：
Ｔ，
Ｐ（肚ｎ．Ｌ）：占掣Ｉｚ：Ｄ，ｎ：ｏ，１，２…一
３）优缺点
（６）
ｏ
１ｎ（百；芳）＋缸一告）７Ｔ 口Ｄ＝——竺！Ｌ＝＿－（２）
ＲｉｓｋＭａ“ａｇｅｍｅｎｔｉⅡＢａｌｌｋｉｒｌｇ【Ｍ］２ｎｄｅｄｉ２ｔｉｏｎＪｏｈｎｗｉｌ６ｙ＆ｓｏｎｓ，２００２
ｆ５１阿诺・德・瑟维吉尼，奥里维尔・雷劳特，任若恩译信用风险——度量与管理【Ｍ】中国财政经
济出版社，２００５
万 方数据
２
信用风险度量KMV模型与CreditRisk+模型比较研究
其中，“：企业资产当前的市场价值；ＤＰ乃：卵寸刻的违约点；肛：期 望净收益率；盯：资产的年波动率。
２）预期违约概率
ＫＭｖ模型与ｃｒｅｄｉｔＲｉｓｋ馍型是两个具有代表性的信用风险度量模
型，通过对这两个模型基本原理的讨论，发现它们之间有一定的联系 与区别，主要表现在以下几个方面：首先，ＫＭｖ模型与ｃｒｅｄｉｔＲｉｓｐ模型 的违约概率都是可变的，但是却服从于不同的概率分布；其次，这两个 模型在计量方法方面都采用分析方法进行计量；最后，这两个模型都 具有不同的要素处理方法、数据要求和测算过程，它们都采用长期的 历史平均违约率来预测违约事件，没有进一步考虑到宏观经济周期因 素对信贷违约事件的影响。
口、／，
该模型处理能力很强，可以处理数万个不同地区、不同部门、不同 时限等不同类型的风险暴露，根据组合价值的损失分布函数可以直接 计算组合的预期损失和非预期损失的值，比较简便。但是，不足是没有 考虑到债务人信用等级的变化、市场风险和信贷期限的可能变动。
风险分析 第十三章 信用风险测量
力
Z模型和ZETA模型评述
第三步，针对于各个比率对借款还本付息的影响程 度，选用Fisher、Bayes等判别分析法，建立由上 述比率指标所决定的线性判别函数，确定每个比 率的影响权重，即可得到一个Z值评分模型
1、Z值评分模型
第四步，对一系列所选样本的Z值进行分析，得到一 个违约或破产临界值以及一个可以度量贷款风险 度的Z值区域
正常 关注 次级 可疑 损失
专家分析法评述
专家分析法直指信用风险的核心本质，目前得到了世界上绝 大多数国家的认可和采纳，但也存在着两个主要问题：
（1）一致性 对于相似的借款人，不同的信贷负责人运用不同的评价标准
可能得出不同的评价结果 （2）主观性 对于不同因素，权重如何分配取决于个人的意见，并没有一
第三，未知总体分布或未知总体分布函数前提下， 根据Fisher准则得到最优线性判别函数
Z值评分模型的应用
两类错误 第Ⅰ类错误（Type Ⅰ error）： 模型预测借款人不会违约，但事实上违约了 第Ⅱ类错误（Type Ⅱ error）： 模型预测借款人会违约，但事实模型的改进：ZETA模型 1977年，Altman等人对Z值评分模型进行了扩展，建
5W法
也有金融机构将分析的因素归纳为5W： 借款人（Who） 借款用途（Why） 还款期限（When） 担保物（What） 如何还款（How）
5P法
也有金融机构将分析的因素归纳为5P： 个人因素（Personal） 目的因素（Purpose） 偿还因素（Payment） 保障因素（Protection） 前景因素（Perspective）
关于商业银行信用风险管理的文献综述
A)关于商业银行信用风险管理的文献综述摘要：随着银行业自身的快速发展以及业务量的增加，信用风险问题在银行的经营过程中逐渐暴漏出来，这就在一定程度上要求银行业对信用风险进行管理以降低其发生的可能性。
当前，国内外学者对信用风险管理的研究越来越多，使得银行业可以根据自身的实际情况选择相应的风险管理方法和工具。
本文主要从银行信用风险的定义、银行内部评级体系和银行信用风险量化几个方面对当前的信用风险管理研究进行了文献综述，最后对国内外信用风险管理的相关文献做出了总结。
关键词：商业银行,信用风险，风险管理,文献综述一、关于银行信用风险定义的研究1。
风险的定义风险(Risk）最早起源于拉丁美洲人的日常生活用语“Resum”,原意是“因航海或海上活动，其可能伴随而来的各种无法预测的危险或风险”。
而《辞海》中将风险定义为“人们在生产建设和日常生活中遭遇能导致人身伤亡、财产受损及其他经济损失的自然灾害、意外事故和其他不测事件的可能性”。
在我国的《中国大百科全书（经济学）》中，提出“风险通常是指由于当事者主观上不能控制的一些因素的影响,使得实际结果与当事者的事先估计有较大的背离而带来的经济损失"。
2。
银行信用风险的定义亨利·范·格罗(2005）将信用风险定义为债务人或金融工具的发行者不能根据信贷协定的约定条款支付利息或本金的可能性,是银行业固有的风险.闰晓莉、徐建中（2007）认为信用风险狭义上一般是指借款人到期不能或不愿履行还本付息协议，致使银行金融机构遭受损失的可能性，即它实际上是一种违约风险。
广义上是指由于各种不确定因素对银行信用的影响，使银行金融机构经营的实际收益结果与预期目标发生背离,从而导致银行金融机构在经营活动中遭受损失或获取额外收益的一种可能性.二、关于银行内部评级体系的研究1。
银行进行内部评级必要性的研究武剑（2005)认为内部评级作为信用风险的分析工具和技术平台，在银行风险管理中处于核心地位。
KMV模型-详解
KMV模型-名词详解目录• 1 KMV模型概述• 2 KMV模型的运用步骤• 3 KMV模型的理论基础• 4 KMV模型的研究阶段• 5 KMV模型的评价• 6 KMV模型与Creditmetrics模型的比较•7 KMV模型案例分析o7.1 案例一:KMV模型在上市公司信用风险评价中的分析[1]•8 参考文献KMV模型概述KMV模型是美国旧金山市KMV公司于1997年建立的用来估计借款企业违约概率的方法。
该模型认为，贷款的信用风险是在给定负债的情况下由债务人的资产市场价值决定的。
但资产并没有真实地在市场交易，资产的市场价值不能直接观测到。
为此，模型将银行的贷款问题倒转一个角度，从借款企业所有者的角度考虑贷款归还的问题。
在债务到期日，如果公司资产的市场价值高于公司债务值（违约点），则公司股权价值为公司资产市场价值与债务值之间的差额；如果此时公司资产价值低于公司债务值，则公司变卖所有资产用以偿还债务，股权价值变为零。
KMV模型的运用步骤首先，它利用Black-Scholes期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性。
其次根据公司的负债计算出公司的违约实施点 (default exercise point，为企业1年以下短期债务的价值加上未清偿长期债务账面价值的一半)，计算借款人的违约距离。
最后，根据企业的违约距离与预期违约率(EDF) 之间的对应关系，求出企业的预期违约率。
KMV模型的理论基础KMV模型的优势在于以现代期权理论基础作依托，充分利用资本市场的信息而非历史账面资料进行预测，将市场信息纳入了违约概率，更能反映上市企业当前的信用状况，是对传统方法的一次革命。
KMV模型是一种动态模型，采用的主要是股票市场的数据，因此，数据和结果更新很快，具有前瞻性，是一种“向前看”的方法。
在给定公司的现时资产结构的情况下，一旦确定出资产价值的随机过程，便可得到任一时间单位的实际违约概率。
银行职业资格考试知识点《风险管理》违约概率模型
20XX年银行职业资格考试知识点《风险管理》：违约概率模型目前，信用风险管理领域通常在市场上和理论上比较常用的违约概率模型包括Risk Calc模型、KMV的Credit Monitor模型、KPMG风险中性定价模型、死亡率模型等。
（1）RiskCalc模型RiskCalc模型是在传统信用评分技术基础上发展起来的一种适用于非上市公司的违约概率模型，其核心是通过严格的步骤从客户信息中选择出最能预测违约的一组变量，经过适当变换后运用Logit/Probit回归技术预测客户的违约概率。
（2）KMV的Credit Monitor模型KMV的Credit Monitor模型是一种适用于上市公司的违约概率模型，其核心在于把企业与银行的借贷关系视为期权买卖关系，借贷关系中的信用风险信息因此隐含在这种期权交易之中，从而通过应用期权定价理论求解出信用风险溢价和相应的违约率，即预期违约频率（Expected Default Frequency，EDF）企业向银行借款相当于持有一个基于企业资产价值的看涨期权。
如图所示。
企业资产与股东权益之间的关系期权的基础资产就是借款企业的资产，执行价格就是企业债务的价值（B），股东初始股权投资（S）可以看做期权费。
企业资产的市场价值（A）受各种风险因素影响不断变化，如果A降低到小于B（设为A1），企业会选择违约，债权银行只能得到A1，负有限责任的借款企业股东最多只会损失S；如果A大于B（设为A2），在全额偿还债务后，借款企业股东得到A2－B，而随着企业资产价值的增大，股东收益也不断增加。
根据风险中性定价原理，无风险资产的预期收益与不同等级风险资产的预期收益是相等的，即P1（1＋K1）＋（1－P1）×（1＋K1）×θ＝1＋i1其中，P1为期限1年的风险资产的非违约概率，1－P1，即其违约概率；K1为风险资产的承诺利息；θ为风险资产的回收率，等于“1－违约损失率”；i1为期限1年的无风险资产的收益率。
信用风险主流模型与RCM模型的比较及借鉴
近年来，随着全球信贷资产组合管理的日益深化，金融信用衍生产品和金融统计技术的持续创新，以及金融机构和监管部门对于信用风险认识的渐趋成熟，信用风险度量模型的研究和开发在理论和实践中得到了高度重视和迅速发展。
信用风险的度量依据是对借款人和特定交易类型风险特征的评估，如何通过设立贴近现实的条件假设和运用最新的建模统计技术，识别和计量风险因子，建立从风险因子到风险损失的稳定且仿真度高的风险映射关系，实现信用风险的量化管理和动态管理，是金融机构长期面临的任务。
一、主流信用风险度量模型及其借鉴一般来说，现代信用风险度量的主流方法可划分为两大类：盯市模型（ＭａｒｋｅｔｔｏＭａｒｋｅｔＭｏｄｅｌ）和违约模型（ＤｅｆａｕｌｔＭｏｄｅｌ）。
两类度量模型的区别首先在于所考虑的损失范围。
在违约模型中，债务人仅处于两种状态，违约或者未违约，因此，损失全部来自违约债务人；盯市模型则还考虑了价差风险，认为损失主要产生于信用质量迁移导致的贷款价值变化。
其次，差异在于违约概率在度量资产组合损失分布中的功能不同。
违约模型是用于估计在给定期限内资产组合的联合违约概率分布，进而获取资产组合的损失分布；而盯市模型是通过纳入包括违约概率在内的风险变量，估计资产组合价值在未来的分布，度量投资组合风险价值（ＶａｌｕｅａｔＲｉｓｋ）。
（一）ＫＭＶ模型１９９３年，美国ＫＭＶ公司应用期权定价理论提出了ＫＭＶ模型。
根据上述模型差异分析，ＫＭＶ模型大致可划入盯市模型。
ＫＭＶ模型基于默顿模型定义了违约距离，即公司资产的市场价值与既定债务阀值，即违约实施点（Ｄｅ－ｆａｕｌｔＥｘｅｒｃｉｓｅＰｏｉｎｔ）之间的距离，如果该数值是负的，公司就是破产的，因而产生违约债务。
出于标准化的目的，违约距离被表示为公司资产价值的标准差的倍数。
根据违约距离与预期违约率（ＥｘｐｅｃｔｅｄＤｅｆａｕｌｔＦｒｅｑｕｅｎｃｙ，ＥＤＦ）的对应关系，可求出预期违约率。
ＫＭＶ积累了一个大型数据库，用于估计违约概率和违约相关性，根据估计得到的违约概率和违约相关性，还可以进一步得到债务人的信用等级迁移矩阵以及违约损失分布情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Credit Metrics模型与KMV模型比较一览表
分析：
1.风险的定义。
根据对风险的不同理解，信用风险量化模型可分为
盯市模型（MTM和违约模型（DM。
Credit Metrics 模型是盯
市模型，KMV模型是违约模型。
2.风险驱动因素。
根据风险驱动因素的不同可将信用风险量化模型
分为条件模型和无条件模型。
Credit Metrics 模型是无条件模型，驱动因素是与信用等级密切相关的借款人资产价值变化。
KMV 模型是条件模型，因素为受宏观因素影响的借款人资产价值变化。
3.违约概率的波动性。
在KMV模型中，违约概率随借款人股票市价的变
化而变化；在Credit Metrics 模型中，违约概率是基于历史数据统计出来的固定离散值。
4.资产价值。
按照人们对信用等级刻画方式不同，把信用风险量化模
型分为离散型估值模型（如Credit Metrics 模型）和连续估值模型（如KMV模型）。
5.回收率。
损失的分布和VAR的计算不仅取决于违约概率，还取决于损
失的严重程度或违约下的损失率。
Credit Metrics 模型的回收率是随机变化的，而KMV模型的回收率是相对不变或随机变化的。
6.组合分析方法。
单个债券或贷款的损失测度相对而言是比较容易解决
的，但是对资产组合的处理就没有那么简单了，并且随着组合数量的增加变得十分复杂。
Credit Metrics 模型需要使用“蒙特卡罗模拟技术” 产生一个组合贷款价值的近似总体分布，并由此得出一个VAR勺值，KM\模型则可以得到逻辑分析解。