信用风险计量模型PPT参考幻灯片
合集下载
信用风险管理PPT课件
– 没有履行一项支付业务，即付款违约。 – 违反一项约定事项。如突破财务比率上、下限等行为。尽管
一些技术违约并不一定威胁到债权人的生存，但它在一定程 度上表明借款人信贷质量可能出现问题； – 经济违约。这种违约是指资产的经济价值降到低于未偿还债 务的价值时的状态。这意味着目前对未来现金流的预期是负 债而无法偿还；
• 本质上也属于传统的专家制度。 • 选择直接与客户信用状况相联系的若干因素，评分并分析。 • 一般使用三组指标，共18项。
– 第一组为客户自身特征，主要反映那些有关客户表面、客观的 特点。指标：表面印象，组织管理，产品与市场，市场竞争性， 经营状况，发展前景；
– 第二组为客户优先性特征，指在挑选客户时需要优先考虑的因 素，体现与该客户交易的价值。指标：交易利润率，对产品的 要求，对市场吸引力的影响，对市场竞争力的影响，担保条件， 可替代性；
– 个人因素(Personal Factor)。企业经营者品德、还款能力 （包括企业经营者的专业技能、领导才能及经营管理能力）
– 资金用途因素(Purpose Factor) – 还款财源因素(Payment Factor)：现金流量；资产变现 – 债权保障因素(Protection Factor)。企业的财务结构是否稳健
• 广义的信用风险指所有因客户违约所引起的风险，如银行资产业 务中的借款人不能按时还本付息引起的资产质量恶化；负债业务 中的存款人大量提前取款形成挤兑，加剧支付困难等。
• 狭义的信用风险通常是指信贷风险，指在信贷过程中，由于各种 不确定性，使借款人不能按时偿还贷款本金利息的可能性。
2
信用风险概念
• 传统的信用风险主要来自于商业银行的贷款业务 • 贷款流动性差，银行对贷款资产的价值通常是按历史成本
一些技术违约并不一定威胁到债权人的生存，但它在一定程 度上表明借款人信贷质量可能出现问题； – 经济违约。这种违约是指资产的经济价值降到低于未偿还债 务的价值时的状态。这意味着目前对未来现金流的预期是负 债而无法偿还；
• 本质上也属于传统的专家制度。 • 选择直接与客户信用状况相联系的若干因素，评分并分析。 • 一般使用三组指标，共18项。
– 第一组为客户自身特征，主要反映那些有关客户表面、客观的 特点。指标：表面印象，组织管理，产品与市场，市场竞争性， 经营状况，发展前景；
– 第二组为客户优先性特征，指在挑选客户时需要优先考虑的因 素，体现与该客户交易的价值。指标：交易利润率，对产品的 要求，对市场吸引力的影响，对市场竞争力的影响，担保条件， 可替代性；
– 个人因素(Personal Factor)。企业经营者品德、还款能力 （包括企业经营者的专业技能、领导才能及经营管理能力）
– 资金用途因素(Purpose Factor) – 还款财源因素(Payment Factor)：现金流量；资产变现 – 债权保障因素(Protection Factor)。企业的财务结构是否稳健
• 广义的信用风险指所有因客户违约所引起的风险，如银行资产业 务中的借款人不能按时还本付息引起的资产质量恶化；负债业务 中的存款人大量提前取款形成挤兑，加剧支付困难等。
• 狭义的信用风险通常是指信贷风险，指在信贷过程中，由于各种 不确定性，使借款人不能按时偿还贷款本金利息的可能性。
2
信用风险概念
• 传统的信用风险主要来自于商业银行的贷款业务 • 贷款流动性差，银行对贷款资产的价值通常是按历史成本
第七章-信用风险测度模型课件
解决方案
为使Credit Metrics在我国能更好地应用，需要做好以下工 作：
▪ 首先，建立客观公正的商业银行内部评级体系,对债务主 体进行连续、有效的长期评级,从而将来可以将Credit Metrics模型的思想和方法运用到商业银行信用风险管理 工作中,准确科学地计量信贷资产的信用风险值。
▪ 其次，大力发展企业债券市场,推进利率市场化进程,建立 信用风险计量分析基础。在成熟市场经济中,能从市场交 易的信息中获得大量数据,企业债券价格可以作为银行分 析债项信用风险估值的重要市场基准和参照体系,有利于 风险模型的适应和检验,从而提高信贷风险管理的技术水 平。
▪ 历史数据基础缺乏。Credit Metrics模型的建立需要大量的 历史数据，需要一个庞大的样本。但我国实际情况是信用样 本数据较少，而且在历史延续性和可比性方面存在不足，数 据的真实性不高。
▪ 市场机制还不完善。我国利率没有市场化，缺少一个基准的 贴现利率，给信用资产贴现困难。
第七章-信用风险测度模型
第七章-信用风险测度模型
对Credit Metrics模型在我国应用的问题 从Credit Metrics模型方法可以看出,该模型要求有效的评级历
史数据和评级机构。只有有效的评级历史数据存在,才能获 得信用等级转换矩阵。目前来看，Credit metrics模型在我 国的应用存在很多困难：
▪ 我国信用评级体系不完善。我国商业银行内部评级体系主观 性强，国内独立的商业信用评级机构还处于发展初期，没有 像发达国家穆迪、标准普尔这样发达的国际知名评级机构。
第七章-信用风险测度模型
▪ Credit Metrics模型开创了商业银行信用风险内 部管理模型的先河，而且在新巴塞尔协议框架 下，有能力的商业银行通过建立内部模型来管 理风险已经成为了现实，因此，对Credit Metrics模型以及进一步的扩展模型的研究必将 深入的进行。
《信用风险的度量》课件
统计模型法
总结词
利用统计学和计量经济学的方法 进行风险评估
详细描述
统计模型法利用统计学和计量经 济学的方法进行风险评估，通过 建立数学模型来预测借款人的违 约概率和损失程度。常见的统计 模型包括Logit模型、Probit模型 和CreditMetrics模型等。
优缺点
优点在于能够通过数据分析和统 计方法揭示潜在的风险因素；缺 点在于对数据质量和数量要求较 高，模型的有效性也受到数据局 限性的影响。
04
信用风险的管理与控制
信贷政策制定
制定合理的信贷政
策ห้องสมุดไป่ตู้
根据企业的风险偏好和容忍度， 制定相应的信贷政策，明确贷款 对象、用途、额度和利率等要素 。
确定风险评估标准
建立完善的风险评估体系，对借 款人的信用状况进行全面评估， 为信贷决策提供依据。
设定风险限额
根据借款人的信用等级和业务风 险状况，设定不同的风险限额， 控制信贷业务的信用风险敞口。
03
现代信用风险度量模型
KMV模型
总结词
KMV模型是一种基于市场数据的信用风险度量模型，通过分析借款企业的股票价格和历史波动率等数据，计算出 企业的违约概率和违约损失率。
详细描述
KMV模型通过分析企业的股票价格和历史波动率等市场数据，计算出企业的市场价值和债务价值，进而推算出企 业的违约概率和违约损失率。该模型认为，企业的市场价值和债务价值之间的关系决定了企业的信用风险。
压力测试法
总结词
模拟极端市场环境来评估信用风险的方法
详细描述
压力测试法是一种模拟极端市场环境来评估信用风险的方法，通过假设不利的市场条件和经济环境，分析借款人的还 款能力和违约概率。压力测试法有助于发现潜在的风险点，提高风险管理水平。
信用风险计量模型讲义(PPT 60页)
9.3 信用矩陣模型
• 1997年J. P. Morgan提出信用矩陣（CreditMetrics）模 型，並據以求算出信用風險值(Credit at Risk，簡稱 CaR或CVaR)。
• 信用矩陣是由J. P. Morgan公司主導，結合數家世界知 名的銀行如美國銀行（Bank of American）、瑞聯銀行 （Union Bank of Switzerland）、瑞士銀行（Swiss Bank Corporation）、 BZW、Deutsche Morgan Grenfell 、及KMV公司等金融機構與企業組織共同研究開發而 成。
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
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 。
似估計法(MLE) 3. KMV的估計法
Ronn-Verma估計法
• 莫頓模型有兩個未知變數：資產價值（VA） 和資產波動性（ A），但卻只有一個方程式：
V E V A N (d 1) e rT D(d N 2)
07信用风险的计量精品PPT课件
Z值模型分析法忽略了会计指标之外的其他风 险因素。Z值的大小与企业信用风险负相关。
2021/1/9
10
Z＝1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
指标变量Z是借款人违约风险等级的整体计算
值，它取决于借款人的多种财务比率的数值
（Xj）与这些比率的权重。
X1＝营运资本/总资产
2021/1/9
7
三、表分析 2.财务比率分析
四大类：盈利能力比率；效率比率（运营能力 比率）；杠杆比率；流动比率。主要指标：销 售毛（净）利率、存货周转率、应收账款周转 率、资产负债率、流动比率、速动比率等
3.现金流量分析
2021/1/9
X2＝留存收益/总资产
X3＝息税前收益/总资产
X4＝股本市值/总负债的账面价值
X5＝销售收入/总资产
2021/1/9
11
模型的分类规则：若Z≥2.99，表明借款人财 务状况良好，发生破产的可能性较小，Z值越 高借款人违约风险的等级越低；当Z值≤1.81 的借款人应被归入高违约风险类别，即企业存 在着很大的破产风险；介于上限2.99及下限 1.81之间的Z值无法直接判别，需要使用其他 手段来测度企业的信用风险。
2021/1/9
5
正常贷款指借款人能够履行合同，没有足够理 由怀疑贷款本息不能按时足额偿还。
关注贷款指尽管借款人目前有能力偿还贷款本 息，但存在一些可能对偿还产生不利影响的因 素。
次级贷款指借款人的还款能力出现明显问题， 完全依靠其正常营业收入无法足额偿还贷款本 息，即使执行担保，也可能会造成一定损失。
2021/1/9
14
第三节 创新的信用风险计量模型
1994年KMV开发的信用监测模型；
2021/1/9
10
Z＝1.2X1+1.4X2+3.3X3+0.6X4+1.0X5
指标变量Z是借款人违约风险等级的整体计算
值，它取决于借款人的多种财务比率的数值
（Xj）与这些比率的权重。
X1＝营运资本/总资产
2021/1/9
7
三、表分析 2.财务比率分析
四大类：盈利能力比率；效率比率（运营能力 比率）；杠杆比率；流动比率。主要指标：销 售毛（净）利率、存货周转率、应收账款周转 率、资产负债率、流动比率、速动比率等
3.现金流量分析
2021/1/9
X2＝留存收益/总资产
X3＝息税前收益/总资产
X4＝股本市值/总负债的账面价值
X5＝销售收入/总资产
2021/1/9
11
模型的分类规则：若Z≥2.99，表明借款人财 务状况良好，发生破产的可能性较小，Z值越 高借款人违约风险的等级越低；当Z值≤1.81 的借款人应被归入高违约风险类别，即企业存 在着很大的破产风险；介于上限2.99及下限 1.81之间的Z值无法直接判别，需要使用其他 手段来测度企业的信用风险。
2021/1/9
5
正常贷款指借款人能够履行合同，没有足够理 由怀疑贷款本息不能按时足额偿还。
关注贷款指尽管借款人目前有能力偿还贷款本 息，但存在一些可能对偿还产生不利影响的因 素。
次级贷款指借款人的还款能力出现明显问题， 完全依靠其正常营业收入无法足额偿还贷款本 息，即使执行担保，也可能会造成一定损失。
2021/1/9
14
第三节 创新的信用风险计量模型
1994年KMV开发的信用监测模型；
信用风险管理度量值模型介绍PPT(38张)
信用度量制模型
VaR方法作为市场风险测量的最佳方法已被 广泛使用；
VaR方法是否也可以用来度量信用风险？
JP摩根 美洲银行 瑞士银行 瑞士联合银行
1997.2退出 信用风险的 度量制模型
1. CreditMetrics模型基本原理 2. 计算单项贷款的VAR值的步骤 3. CreditMetrics模型与巴塞尔协议 4. CreditMetrics模型的优缺点
最小回报R*=μ−tσ VaR=−tσ
因此，VaR是分布 的标准差与由置信 水平确定的乘子的 乘积
约定俗成：VaR是 以正数表示。
置信度为95％的VAR值为1.65×σ； 置信度为97.5％的VAR值为1.96×σ 置信度为99％的VAR值为2.33×σ 置信度为99.5％的VAR值为2.58×σ
或 P(VVa)R1c P(VVa)Rc
在N天结束时，投资组合的损失大于或是等于VAR的概率是 1-c，换句话，即在c的置信水平下，在N天结束时，投资组合 所遭受的潜在损失小于等于VAR。
• 假设1个基金经理希望在接下来的10天时间 内，在95%概率上其所管理的基金价值损失 不超过$1,000,000。则我们可以将其写作：
损失
1-c
概率密度
VaR
收益
4、VaR的两因素选择
A.持有期的选择：计算VaR的时间长度
一天、一月或一年等等。理想方法，考虑将持有期与资 产组合的存续期一致。
资产组合的波动性（方差）与时间长度正相关，故VaR随 着持有期增加而增加。
B.置信水平的选择：
置信水平越高，对于同样的资产组合、在给定的持有期 内，则VaR越大，即资产的损失大于VaR的可能性越小， 可靠性越高。
第八章 宏观模拟模型 《信用风险度量》PPT课件
▪ 〈延伸阅读〉我国商业银行信用风
险宏观压力测试研究
▪ 〈案例分析〉基于Credit Portfolio View的信用风险度量模型研究
图8-3 条件信用等级转移矩阵
第三节 宏观模拟模型的基本内容
一、模型假设
▪ 宏观经济模拟模型涉及到的两个假设条件： ▪ 假设1：在不同时期，信用等级的转移概率可变。国别、经
▪ 使用条件和非条件违约概率Pt*和 Pt 定义转移调整比率R：
Rt
Pt* Pt
0.174 0.15
1.16
(8-5)
▪ 因此，宏观经济因素对违约概率造成的影响导致下一年C级
借款人的违约概率比平均历史违约概率高16%。进一步地，
根据宏观模拟模型可以计算t+1、t+2及此后各期的转移调整
比率。
二、建模原理
的贷款在两年内违约的概率。同理，可计算更长时期的转移概率矩阵。
▪ 同时，在选取 t和 jt 时，为保证
结果的准确性和稳定性，需要多次
重复抽样。图8-3为第t年 Pt*的模拟 值的概率分布，其期望为0.174，
99%分位数则增至0.45。计算信用
资产的VaR时，95%、99%分位数
更能体现出资产面临的信用风险。
行调整，得到在不同经济状态下的条件转移矩阵：
Mt M (SDPjt / SDP)
(8-12)
▪ 当经济衰退时，调整向量使信用降级和违约的概率增加；当经济繁
荣时，调整向量使信用降级和违约的概率降低。通过模拟t 1, 2, ,T
期的条件违约概率 ，可以计算多期的转移矩阵：
T
MT M (SDPjt / SDP)
构成的向量，v
表示
的
t
信用风险的度量—基本参数解析及估计(PPT 66张)
ECL CE p LGD i i i
i 1 n
求预期信用损失 两者相减，即得给定置信度
c 下的未预期信用损失
金融风险管理
赵建群
例见P166——未预期信用损失的计算
债券 A
信用风险暴露 25
违约率 0.05
B
C
30
45
0.10
0.20
金融风险管理
赵建群
可能的违 约情况
违约 损失
i 1
具体计算 分以下三种情况
金融风险管理
赵建群
情况一： 每项资产的
LGD i
LGD i
固定
i 1 , 2 , , n
与
p i 独立
pi
则
之间独立且都服从贝努利分布
UCL D ( CL ) D ( ( CE p LGD )) CE D ( p ) LGD i i i i i i
0.000
0.900 2.280 7.695 0.220
120.08
4.97 21.32 172.38 6.97
25 30 45 55
A,C
B,C A,B,C 加总
70
75 100
0.009
0.019 0.001
0.980
0.999 1.000
0.630
1.425 0.100 13.25
28.99
72.45 7.53 434.69
⑴基于风险中性定价的信用价差 例 1年期零息债券，面值100 P * 初始市场价格 r 无风险利率 p 违约概率 LGD 违约损失率
求信用价差
i 1 n
求预期信用损失 两者相减，即得给定置信度
c 下的未预期信用损失
金融风险管理
赵建群
例见P166——未预期信用损失的计算
债券 A
信用风险暴露 25
违约率 0.05
B
C
30
45
0.10
0.20
金融风险管理
赵建群
可能的违 约情况
违约 损失
i 1
具体计算 分以下三种情况
金融风险管理
赵建群
情况一： 每项资产的
LGD i
LGD i
固定
i 1 , 2 , , n
与
p i 独立
pi
则
之间独立且都服从贝努利分布
UCL D ( CL ) D ( ( CE p LGD )) CE D ( p ) LGD i i i i i i
0.000
0.900 2.280 7.695 0.220
120.08
4.97 21.32 172.38 6.97
25 30 45 55
A,C
B,C A,B,C 加总
70
75 100
0.009
0.019 0.001
0.980
0.999 1.000
0.630
1.425 0.100 13.25
28.99
72.45 7.53 434.69
⑴基于风险中性定价的信用价差 例 1年期零息债券，面值100 P * 初始市场价格 r 无风险利率 p 违约概率 LGD 违约损失率
求信用价差
信用风险的度量-基本参数资料68页PPT
▪
26、要使整个人生都过得舒适、愉快，这是不可能的，因为人类必须具备一种能应付逆境的态度。——卢梭
▪
27、只有把抱怨环境的心情，化为上进的力量，才是成功的保证。——罗曼·罗兰
信用风险的度量-基本参数资料
16、人民应该为法律而战斗，就像为 了城墙 而战斗 一样。 ——赫 拉克利 特 17、人类对于不公正的行为加以指责 ，并非 因为他 们愿意 做出这 种行为 ，而是 惟恐自 己会成 为这种 行为的 牺牲者 。—— 柏拉图 18、制定法律法令，就是为了不让强 者做什 么事都 横行霸 道。— —奥维 德 19、法律是社会的习惯和思想的结晶 。—— 托·伍·威尔逊 20、人们嘴上挂着的法律，其真实含 义是财 富。— —爱献 生
▪
28、知之者不如好之者，好之者不如乐之者。——孔子
▪
29、勇猛、大胆和坚定的决心能够抵得上武器的精良。——达·芬奇
▪
30、意志是一个强壮的盲人，倚靠在明眼的跛子肩上。——
信用评级信用评级模型PPT课件
VK模型首先提出了违约距离的概念。违约距离(DD)度量了信用风险的三个关键因素的综合 效果：公司资产市值、公司经营业务与行业风险、公司杠杆。其基本公式如下：
VK模型需要根据历史违约数据建立违约距离和违约概率之间的映射关系。
9
第三节、智能技术模型
智能技术模型包括神经网络模型、模糊数学模型、决策树模型等，这类模型在设计思想上 克服了传统的统计方法假设要求强以及仅仅考虑静态风险等局限，但是理论基础较弱且不成熟 ，目前尚无比较成功的案例。
2
第一节、统计模型
统计模型通过对实际发生的反映经济现象的数量信息进行统计归纳，从而对未来的经济现 象进行预测判别。该类模型设计的基本思路是：根据研究人员的经验，选择多个与违约相关的 财务指标，基于样本数据进行初步统计分析，找出最有统计显著性的财务指标，通过对这些指 标进行评价，运用回归方法或判别方法，综合得出一个评分（或者违约概率）以区分受评主体 的信用质量。统计模型以财务信息为数据基础。常用的统计模型包括判别分析模型、广义线性 回
2020/1/10
13
3
第一节、统计模型
（2）广义线性回归模型。包括多元线性回归模型，Logit回归模型，Probit回归模型， Poisson回归模型等判别分析模型。
广义线性回归模型的一般形式：
与多元判别分析的Z-score模型相比，广义线性回归模型取消了响应变量残差的正态分布假 设，而且不需要对违约与非违约企业进行人为配对。更为重要的是，广义线性回归模型不仅能 给出样本公司违约概率的预测值，而且能够反映公司之间违约风险程度的差异，不再生硬地将 公司划分为违约与非违约两类。
（1）判别分析模型。以Altman的Z评分模型为代表。 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中，X1=营运资本/总资产，反映资产的流动性与规模特征；X2=留存收益/总资产，反映
VK模型需要根据历史违约数据建立违约距离和违约概率之间的映射关系。
9
第三节、智能技术模型
智能技术模型包括神经网络模型、模糊数学模型、决策树模型等，这类模型在设计思想上 克服了传统的统计方法假设要求强以及仅仅考虑静态风险等局限，但是理论基础较弱且不成熟 ，目前尚无比较成功的案例。
2
第一节、统计模型
统计模型通过对实际发生的反映经济现象的数量信息进行统计归纳，从而对未来的经济现 象进行预测判别。该类模型设计的基本思路是：根据研究人员的经验，选择多个与违约相关的 财务指标，基于样本数据进行初步统计分析，找出最有统计显著性的财务指标，通过对这些指 标进行评价，运用回归方法或判别方法，综合得出一个评分（或者违约概率）以区分受评主体 的信用质量。统计模型以财务信息为数据基础。常用的统计模型包括判别分析模型、广义线性 回
2020/1/10
13
3
第一节、统计模型
（2）广义线性回归模型。包括多元线性回归模型，Logit回归模型，Probit回归模型， Poisson回归模型等判别分析模型。
广义线性回归模型的一般形式：
与多元判别分析的Z-score模型相比，广义线性回归模型取消了响应变量残差的正态分布假 设，而且不需要对违约与非违约企业进行人为配对。更为重要的是，广义线性回归模型不仅能 给出样本公司违约概率的预测值，而且能够反映公司之间违约风险程度的差异，不再生硬地将 公司划分为违约与非违约两类。
（1）判别分析模型。以Altman的Z评分模型为代表。 Z=0.012X1+0.014X2+0.033X3+0.006X4+0.999X5 其中，X1=营运资本/总资产，反映资产的流动性与规模特征；X2=留存收益/总资产，反映
信用风险模型(PPT 57页)
Page 4
BIS Regulatory Model Vs Credit Risk Models
Disadvantages of BIS Regulatory Model
1. Does not capture credit-quality differences among private-sector borrowers
Issues in Credit Risk Modelling
Risk Management Symposium September 2, 2000
Bank of Thailand
Bank of Thailand
Chotibhak Jotikasthira
Risk Management Symposium - September 2000
Conditional Vs Currently, most models are unconditional (independent from the state of Unconditional economy). Using these models, risk can understated or overstated depending
• Model comparison
Bank ofΒιβλιοθήκη ThailandRisk Management Symposium - September 2000
Page 2
BIS Regulatory Model Vs Credit Risk Models
BIS Risk-Based Capital Requirements
Risk Management Symposium - September 2000
信用风险管理度量值模型介绍课件下载(PPT38张)
假定：
• 借款人在第一年中的信用等级从BBB级上升的A 级，那么对于发放贷款的金融机构来说它所发放 的这笔贷款的第一年结束时的现值或市值便是
6 6 6 1 0 6 P 6 ( 1 .0 3 7 2 ) ( 1 .0 4 3 2 ) 2 ( 1 .0 4 9 3 ) 3 ( 1 .0 5 3 2 ) 4 1 0 8 .6 6
VAR计算的最大损失值是在正常的情况下，它不包含崩盘或突发事件 假设1个基金经理希望在接下来的10天时间内，在95%概率上其所管理的基金价值损失不超过$1,000,000。
VaR并没有告诉我们在可能超过VaR损失 4%置信水平，美洲银行与JP摩根使用95%的置信水平，信孚银行使用99%的置信水平
假定借款人一年后有8种可能的信用状态，即AAA——D级（违约） Pi：借款人信用等级转换到不同信用等级下的概率
置信度为99％的VAR值为2.
思考：VaR还有什么缺陷？ (1) 曲线关于直线x=μ对称
置信度为99％的VAR值为2. 第一节 信用风险的成因
（2）对信用等级变动后的贷款市值估计 置信水平越高，对于同样的资产组合、在给定的持有期内，则VaR越大，即资产的损失大于VaR的可能性越小，可靠性越高。 标准正态分布的密度函数为：
552次观察中出现的次数
100
50
5%损失概率
0 -5 -4 -3 -2 -1 0 1 2 3 4 5
2 VaR的数学定义
定义隐含两个假设 假设投资组合的构成在持有期间内维持不变 VAR计算的最大损失值是在正常的情况下，它 不包含崩盘或突发事件
V 为投资组合目前的价值 ⊿V 表示投资组合在未来N天的价值损益变化 c为置信水平（一般为99％、95％等） 那么在未来N天，
《信用风险》PPT课件
汇票样式
① Exchange for⑥US$10,000. At sight ⑤pay to ④ Yangli
Nanning, ⑦ March 19th,2006
The sum of ⑥ten thousand US dollars only
To:③ Bank of China New York Branch
信用风险管理的最终目的:为企业争取更大的 盈利
信用工具是公司争取盈利的手段，它对企业 盈利的贡献不仅取决于它对销售量增加的贡 献，同时取决于信用风险大小：
M=PQ-SR
销售过程中的信用风险
政治风险 法律风险 保险风险 货币风险
交货风险 收款风险 资金链风险 融资费用风险 代理商风险
票据
一种债权凭证，以支付金钱为目 的的证券，由出票人签名于票据 上约定由自己或另一个人无条件 支付确定金额的可流通转让的证 券。
Mar. 15, 2006usd100.00
US dollars one hundred only.
A Company
２、出票人签字（signature of the drawer）
出票人签字 是汇票上最 重要的记载 项目，因为 出票人签字 是承认自己 的债务，收 款人才因此 有了债权。
Mar. 15, 2006
汇票
（draft /bill of exchange）
汇票
１、什么是汇票？ ２、汇票的绝对必要记载项目 ３、汇票的相对必要记载项目 ４、汇票的任意记载项目 ５、汇票的种类 ６、汇票的贴现
汇票样本
汇票样本
一、什么是汇票
汇票是出票人的支付命令 这个命令是无条件的，是书面的 命令另外一个人支付 支付给收款人的是确定的金额 这个支付是在特定的时间进行。
- 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)。
Z = 0.012×0.45+ 0.014×0.55+0.0 33×21.62+ 0.006×312.86+ 0.999×2.40=5.0001>2.99
结论：可以给该企业贷款。
9
计分模型缺点和注意事项
Altman 判别方程对未来一年倒闭预测的准确性 可达95％，但对预测两年倒闭的准确性降低到75 ％，三年为48％。
2. 可预见性：不仅包括违约事件，还包括债务人信用评 级的升降；不仅能评估预期损失，还能估计VaR，这 对于银行特别具有意义。
缺点：
1. 对信用评级的高度依赖，一般地，信用评级只是对企 业群体的评估，而非个性化，所以，对个别企业评估 不准确；
2. 信用评级主要是依靠历史上的财务数据，是一种“向 后看”的方法。
市值（元） 109.37 109.19 108.66 107.55 102.02 98.01 83.64 51.13
28
步骤4 计算信用风险
BBB债券的价值分布，例如若转移到AAA，则价值为109.37， 概率为0.02，其他情况可以类似地计算出。
年末债券级别 AAA AA A BBB BB B CCC 违约
缺陷：
依赖财务报表的账面数据而忽视了日益重要的资本市 场指标，在一定程度上降低了预测结果的可靠性和及 时性。
变量假设为线性关系，而现实的经济现象可能非线性 的。
预测模型不能长期使用，需要定期更新，修正财务比 率和参数。
研究表明：通过修正后对未来4年的预测准确度达到80％。
10
改进：聚类分析
标准差(％) 26.86 25.45 23.81 20.18 10.90
例：BBB级债券在下一年违约概率为0.18％,若它是优先无担保 债券，则其一旦违约，面值100元可回收51.13元。
24
步骤3 债券估值
由于债券信用级别上升（下降）到新的级 别，因此，需要估计每个级别下的市值。
估计市值采取的方法是贴现法
信用转移概率 残值回收率 债券现值
信用风险估计
计量模型需要的数据
需要利用的数据：
借款人当前的信用评级数据 信用等级在一年内可能改变的概率 违约贷款的残值回收率 债券的（到期）收益率
注：以上这些资料可以公开得到
16
步骤1 估计信用转移矩阵
根据历史资料得到，期初信用级别为AAA 的债券，1年后的信用等级的概率如下
我们从20个指标中筛选出5个，筛选的5个是 按照F值从小到大排列后最后得到的。
6
指标筛选
变量
x1营运资本/总资产 x2留存盈余/总资产 x3税息前收益 /总资
产 x4股权的市值/总负
债的账面价值 x5销售额/总资产
破产组均值 -6.1% -62.6% -31.8%
40.1% 1.5次
非破产组均值 41.4% 35.5% 15.4%
市值（元） 109.37 109.19 108.66 107.55 102.02 98.10 83.64 51.13
转移概率(%)
0.02
0.33
5.95
86.93
5.36
1.17
0.12
0.18
29
估计债券市值的均值和标准差
由债券价值的分布，容易得到其价值的均 值和方差
=107.09（美元) 2 =8.95076
金融工程学 第9章
信用风险计量模型
1
5C分类法
传统信用分析方法 评级方法
定
性
评分方法
围绕违约风险建模
Creditmetrics
现代信用计量模型
定 围绕公司价值建模 量
KMV模型
9.1 Z-Score模型
理论基础：贷款企业的破产概率大小与其 财务状况高度相关。
Z计分模型的本质：破产预测模型 方法：复合判别分析（Multiple
由于该债券的均值为107.90美元， 根据相对VaR的定义，
VaRR ＝107.09-92.29=14.80 (美元) 说明：我们可以以99％的概率确信， 该债券在1年内的损失不超过14.80 美元。
对Creditmetrics模型的评述
优点：
1. 动态性：适用于计量由债务人资信变化而引起资产组 合价值变动的风险。
Creditmetrics试图回答的问题：
“如果下一年是个坏年份，那么，在我的贷款或贷款 组合上会损失掉多少？”
12
Creditmetrics基本假设
1. 信用评级有效。信用状况可由债务人的 信用等级表示；
2. 债务人的信用等级变化可能有不同的方 向和概率
例如， 上一年AAA的贷款人有90％（概率） 的可能转变为AA级（方向）。
Discriminant Analysis，MDA）。 基本思想：聚类——MDA能将贷款企业区
分为不会破产和破产两类。
3
Z-Score模型建模步骤
建立判别方程（线性）
Z b1x1 b2 x2 ,..., bn xn xi代表第i个财务指标 bi代表判别系数
收集过去已破产和不破产的企业的有关财 务数据（比率）
概率％ 1.17 ％ 0.12 ％ 0.18 ％
累计概率 1.47 ％ 0.3 ％
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 98.10 x 99.7% 99% 99% 98.53%
x 92.2（9 美元）
说明：该面值为100元的BBB债券， 一年后以99％的概率确信其市值不 低于92.29美元。
企业破产清算顺序直接关系回收率的大小。
有担保债高于无担保债 优先高于次级，次级高于初级
债券契约：次级所有在其之后的债券
21
22
次级额外债务
今天你购买了一张债券，到了明天，你可能会苦 恼地发现该公司未偿还的债务已扩大为原来的三 倍。这也意味着投资者的债券的质量与他昨日购 买时相比已降低了。
为了阻止公司以这种方式损害债券持有人的利益， 次级条款（subordination clauses）的规定限制 了发行者额外借款的数额。
34
9.3 KMV Model
著名的风险管理公司——KMV 公司开发 的违约预测模型，称为Credit Monitor Model，信用监控模型。
创新性：基于公司市场价值，利用期权定 价理论来估计的违约概率
KMV认为：实际违约概率和历史平均违约率 的差异很大，并且对相同信用级别的企业而言 也存在很大的差异。
18
构建信用转移矩阵
以上给出了AAA和A级债券的转移概率， 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“信用转移矩阵”。
19
示例：信用转移矩阵
级别 AAA AA A
BBB BB B
CCC 违约
AAA AA A BBB BB B CCC
PV 6 6 6 6 100 6 (1 3.72%) (1 4.32%)2 (1 4.93%)3 (1 5.32%)4
108.6（6 元）
以上计算的是BBB债券转移到A级后的市值。若该债券转移到 其它信用等级，可以同理类推计算其它市值！
27
BBB级债券一年后可能的市值（包含面值）
年末债券级别 AAA AA A BBB BB B CCC 违约
要详细审查。
8
Z-Score模型
例：某申请贷款的企业主要财务比率如下：
x1—营运资本/总资产比率= 0.45 x2—留存盈余/总资产比率=0.55 x3 —利息和税收之前的收益 /总资产比率=21.62 x4—股权的市场价值/总负债的账面价值比率=312.86 x5—销售额/总资产比率（资产周转率）=2.40次
247.7% 1.9次
F统计量 32.60 58.86 25.56
33.26
22.84
7
建立判别方程
Z = 0.012x1+ 0.014x2+0.0 33x3+ 0.006x4+ 0.999x5
x1～ x5的意义同上
将实际企业的财务指标值代入方程，计算 得到Z不具贷款资格，二者之间需
由此就可以采用解析法计算得到VaR。但 是由于债券组合并非正态分布，用这种方 法计算存在比较大的误差。
30
BBB债券持有1年、99％的
VaR
由债券市值的概率分布可知
市值大于98.10美元的概率为98.53％ 市值大于83.64美元的概率为99. 7％
债券级别 B
CCC 违约
市值 98.10 83.64 51.13
0 0.14 0.26 1.17 8.84 83.46 11.24
0 0.02 0.01 0.12 1.00 4.07 64.86
0 0 0.06 0.18 1.06 5.20 19.79
（资料来源：标准普尔，2003）
20
步骤2 估计违约回收率
由于A～CCC债券有违约的可能，故需要 考虑违约时，坏账（残值）回收率。
原始债务优先，额外债务要从属于原始债务。也 就是说，如遇公司破产，直到有优先权的主要债 务被付清，次级债务的债权人才可能被偿付。
因此，具有优先级的债券信用高于次级。
23
违约回收率统计表
债券级别 优先担保债券 优先无担保债券 优先次级债券
次级债券 初级次级债券
回收率(％面值) 53.80 51.13 38.52 32.74 17.09
AAA
AAA，90.81％ AA，8.33％
A，0.68％
BBB，0.06％
BB，0.12％
CCC，0
D，0
17
AAA，0.09％
AA，2.27％
A，91.05％
BBB，5.52％
A
BB，0.74％
结论：可以给该企业贷款。
9
计分模型缺点和注意事项
Altman 判别方程对未来一年倒闭预测的准确性 可达95％，但对预测两年倒闭的准确性降低到75 ％，三年为48％。
2. 可预见性：不仅包括违约事件，还包括债务人信用评 级的升降；不仅能评估预期损失，还能估计VaR，这 对于银行特别具有意义。
缺点：
1. 对信用评级的高度依赖，一般地，信用评级只是对企 业群体的评估，而非个性化，所以，对个别企业评估 不准确；
2. 信用评级主要是依靠历史上的财务数据，是一种“向 后看”的方法。
市值（元） 109.37 109.19 108.66 107.55 102.02 98.01 83.64 51.13
28
步骤4 计算信用风险
BBB债券的价值分布，例如若转移到AAA，则价值为109.37， 概率为0.02，其他情况可以类似地计算出。
年末债券级别 AAA AA A BBB BB B CCC 违约
缺陷：
依赖财务报表的账面数据而忽视了日益重要的资本市 场指标，在一定程度上降低了预测结果的可靠性和及 时性。
变量假设为线性关系，而现实的经济现象可能非线性 的。
预测模型不能长期使用，需要定期更新，修正财务比 率和参数。
研究表明：通过修正后对未来4年的预测准确度达到80％。
10
改进：聚类分析
标准差(％) 26.86 25.45 23.81 20.18 10.90
例：BBB级债券在下一年违约概率为0.18％,若它是优先无担保 债券，则其一旦违约，面值100元可回收51.13元。
24
步骤3 债券估值
由于债券信用级别上升（下降）到新的级 别，因此，需要估计每个级别下的市值。
估计市值采取的方法是贴现法
信用转移概率 残值回收率 债券现值
信用风险估计
计量模型需要的数据
需要利用的数据：
借款人当前的信用评级数据 信用等级在一年内可能改变的概率 违约贷款的残值回收率 债券的（到期）收益率
注：以上这些资料可以公开得到
16
步骤1 估计信用转移矩阵
根据历史资料得到，期初信用级别为AAA 的债券，1年后的信用等级的概率如下
我们从20个指标中筛选出5个，筛选的5个是 按照F值从小到大排列后最后得到的。
6
指标筛选
变量
x1营运资本/总资产 x2留存盈余/总资产 x3税息前收益 /总资
产 x4股权的市值/总负
债的账面价值 x5销售额/总资产
破产组均值 -6.1% -62.6% -31.8%
40.1% 1.5次
非破产组均值 41.4% 35.5% 15.4%
市值（元） 109.37 109.19 108.66 107.55 102.02 98.10 83.64 51.13
转移概率(%)
0.02
0.33
5.95
86.93
5.36
1.17
0.12
0.18
29
估计债券市值的均值和标准差
由债券价值的分布，容易得到其价值的均 值和方差
=107.09（美元) 2 =8.95076
金融工程学 第9章
信用风险计量模型
1
5C分类法
传统信用分析方法 评级方法
定
性
评分方法
围绕违约风险建模
Creditmetrics
现代信用计量模型
定 围绕公司价值建模 量
KMV模型
9.1 Z-Score模型
理论基础：贷款企业的破产概率大小与其 财务状况高度相关。
Z计分模型的本质：破产预测模型 方法：复合判别分析（Multiple
由于该债券的均值为107.90美元， 根据相对VaR的定义，
VaRR ＝107.09-92.29=14.80 (美元) 说明：我们可以以99％的概率确信， 该债券在1年内的损失不超过14.80 美元。
对Creditmetrics模型的评述
优点：
1. 动态性：适用于计量由债务人资信变化而引起资产组 合价值变动的风险。
Creditmetrics试图回答的问题：
“如果下一年是个坏年份，那么，在我的贷款或贷款 组合上会损失掉多少？”
12
Creditmetrics基本假设
1. 信用评级有效。信用状况可由债务人的 信用等级表示；
2. 债务人的信用等级变化可能有不同的方 向和概率
例如， 上一年AAA的贷款人有90％（概率） 的可能转变为AA级（方向）。
Discriminant Analysis，MDA）。 基本思想：聚类——MDA能将贷款企业区
分为不会破产和破产两类。
3
Z-Score模型建模步骤
建立判别方程（线性）
Z b1x1 b2 x2 ,..., bn xn xi代表第i个财务指标 bi代表判别系数
收集过去已破产和不破产的企业的有关财 务数据（比率）
概率％ 1.17 ％ 0.12 ％ 0.18 ％
累计概率 1.47 ％ 0.3 ％
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 98.10 x 99.7% 99% 99% 98.53%
x 92.2（9 美元）
说明：该面值为100元的BBB债券， 一年后以99％的概率确信其市值不 低于92.29美元。
企业破产清算顺序直接关系回收率的大小。
有担保债高于无担保债 优先高于次级，次级高于初级
债券契约：次级所有在其之后的债券
21
22
次级额外债务
今天你购买了一张债券，到了明天，你可能会苦 恼地发现该公司未偿还的债务已扩大为原来的三 倍。这也意味着投资者的债券的质量与他昨日购 买时相比已降低了。
为了阻止公司以这种方式损害债券持有人的利益， 次级条款（subordination clauses）的规定限制 了发行者额外借款的数额。
34
9.3 KMV Model
著名的风险管理公司——KMV 公司开发 的违约预测模型，称为Credit Monitor Model，信用监控模型。
创新性：基于公司市场价值，利用期权定 价理论来估计的违约概率
KMV认为：实际违约概率和历史平均违约率 的差异很大，并且对相同信用级别的企业而言 也存在很大的差异。
18
构建信用转移矩阵
以上给出了AAA和A级债券的转移概率， 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“信用转移矩阵”。
19
示例：信用转移矩阵
级别 AAA AA A
BBB BB B
CCC 违约
AAA AA A BBB BB B CCC
PV 6 6 6 6 100 6 (1 3.72%) (1 4.32%)2 (1 4.93%)3 (1 5.32%)4
108.6（6 元）
以上计算的是BBB债券转移到A级后的市值。若该债券转移到 其它信用等级，可以同理类推计算其它市值！
27
BBB级债券一年后可能的市值（包含面值）
年末债券级别 AAA AA A BBB BB B CCC 违约
要详细审查。
8
Z-Score模型
例：某申请贷款的企业主要财务比率如下：
x1—营运资本/总资产比率= 0.45 x2—留存盈余/总资产比率=0.55 x3 —利息和税收之前的收益 /总资产比率=21.62 x4—股权的市场价值/总负债的账面价值比率=312.86 x5—销售额/总资产比率（资产周转率）=2.40次
247.7% 1.9次
F统计量 32.60 58.86 25.56
33.26
22.84
7
建立判别方程
Z = 0.012x1+ 0.014x2+0.0 33x3+ 0.006x4+ 0.999x5
x1～ x5的意义同上
将实际企业的财务指标值代入方程，计算 得到Z不具贷款资格，二者之间需
由此就可以采用解析法计算得到VaR。但 是由于债券组合并非正态分布，用这种方 法计算存在比较大的误差。
30
BBB债券持有1年、99％的
VaR
由债券市值的概率分布可知
市值大于98.10美元的概率为98.53％ 市值大于83.64美元的概率为99. 7％
债券级别 B
CCC 违约
市值 98.10 83.64 51.13
0 0.14 0.26 1.17 8.84 83.46 11.24
0 0.02 0.01 0.12 1.00 4.07 64.86
0 0 0.06 0.18 1.06 5.20 19.79
（资料来源：标准普尔，2003）
20
步骤2 估计违约回收率
由于A～CCC债券有违约的可能，故需要 考虑违约时，坏账（残值）回收率。
原始债务优先，额外债务要从属于原始债务。也 就是说，如遇公司破产，直到有优先权的主要债 务被付清，次级债务的债权人才可能被偿付。
因此，具有优先级的债券信用高于次级。
23
违约回收率统计表
债券级别 优先担保债券 优先无担保债券 优先次级债券
次级债券 初级次级债券
回收率(％面值) 53.80 51.13 38.52 32.74 17.09
AAA
AAA，90.81％ AA，8.33％
A，0.68％
BBB，0.06％
BB，0.12％
CCC，0
D，0
17
AAA，0.09％
AA，2.27％
A，91.05％
BBB，5.52％
A
BB，0.74％