信用风险量化的4种模型
我行公司客户信用评级模型包括pd模型
我行公司客户信用评级模型包括pd模型信用评分模型是一种传统的信用风险量化模型，利用可观察到的借款人特征变量计算出一个数值（得分）来代表债务人的信用风险，并将借款人归类于不同的风险等级。
对个人客户而言，可观察到的特征变量主要包括收入、资产、年龄、职业以及居住地等；对法人客户而言，包括现金流量、各种财务比率等信用评分模型的关键在于特征变量的选择和各自权重的确定。
目前，应用最广泛的信用评分模型有线性概率模型（Linear Probability Model）、Logit模型、Probit模型和线性辨别模型（Linear Discriminant Model）线性概率模型：线性概率模型的命名是由于它的预测性；在自变量的值可用概率来解释时，应变量能以此概率假定值的单位。
这种模型，在其中应变量是一个虚设变量或双值变量，并用一个或一个以上的自变量的线性函数来表示。
该种模型有助于质的现象的分析。
线性概率模型是使用诸如会计比率之类的历史数据作为模型的输入数据，来解释以前的贷款偿还情况。
我们可以使用在过去贷款偿还中起重要作用的一些因素来预测新贷款的偿还概率。
过去的贷款通常划分为两类，即违约的(Zi=1)和不违约的(Zi=0)。
然后，我们通过对随机变量(Xij)的线性回归来进行估计，Xij表示第j个借款者的数量信息，如收入、财务杠杆或收益率等，通过如下形式的线性回归来估算模型：式中，Bj表示在过去的偿还情况中第j个变量的重要性。
如果我们得到变量j的估计Bj值，并且将其与对未来借款者所观测到的Xij值相乘，并进行加总，得到借款者违约的概率E(Zi)=(1一Pi)=预期的违约率，其中Pi是对贷款偿还的概率。
只要可以获得借款者Xij的当前信息，这种方法是非常直截了当的。
Logit模型:（Logit model，也译作“评定模型”，“分类评定模型”，又作Logistic regression，“逻辑回归”）是离散选择法模型之一，Logit模型是最早的离散选择模型，也是目前应用最广的模型。
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。
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。
KMV从贷款于期权之间的这种联系之中得到了EDF模型（估计违约频率模型）。
金融风险管理中的风险量化模型
金融风险管理中的风险量化模型金融风险管理是金融机构必不可少的核心任务之一。
为了有效地管理风险，金融机构使用风险量化模型来评估和量化各类风险。
风险量化模型是一种工具，用于测量金融市场、信用、操作和流动性等不同类型的风险。
本文将介绍金融风险管理中常用的风险量化模型，并分析其应用和优缺点。
1. 值-at-风险模型（VAR）值-at-风险模型是金融风险管理中最常用的风险量化模型之一。
它通过分析资产组合中的不同风险因素，计算在给定概率水平下的最大可能损失额。
VAR模型基于历史数据和统计方法，对风险进行测量和预测。
优点是简单易懂、易于实施和计算。
然而，VAR模型基于对过去数据的分析，无法准确预测未来的风险，且忽略了极端事件的风险。
2. 杠杆比率模型杠杆比率模型是评估金融机构资本充足性和风险承受能力的重要模型。
该模型通过计算金融机构自身资本与总资产的比率来衡量其杠杆程度。
杠杆比率模型可以帮助金融机构识别其风险暴露情况以及潜在的负债风险。
优点是简单易懂，可以提供判断金融机构风险承受能力的参考指标。
然而，杠杆比率模型无法提供对具体风险的细致分析和评估。
3. 期权定价模型期权定价模型被广泛用于评估金融衍生品的风险。
最著名的期权定价模型是布莱克-斯科尔斯-默顿（Black-Scholes-Merton）模型。
该模型基于随机几何布朗运动，考虑了资产价格的波动性、期权到期日和行权价格等因素，可以为投资者定价期权合约和评估持有期权的风险。
优点是准确评估个别期权的风险，但不能全面覆盖整个市场的风险。
4. 资本资产定价模型（CAPM）资本资产定价模型是一种用于衡量特定资产回报与市场回报之间关系的模型。
该模型基于投资组合理论和资产配置原则，考虑了市场系统风险和无风险利率对资产回报的影响，以及资产的系统性风险。
CAPM模型可以帮助投资者理解和评估投资组合的风险和回报关系。
尽管CAPM模型在一定程度上可以估计风险，但其基于市场的整体回报和风险假设有时可能不符合实际情况。
CM模型
Investor/Lender Implications,” Working Paper, New York University Salomon Center,
模型的基本内容
Credit Metrics方法基于信用转移分析建立了任一债券或贷款组合价值的完全分布模型，进而通过VaR来衡量风险。在模型中，价值变化与债务人信用质量的最终转移相联系，这种转移既包括信用升级也包括降级和违约。所以，信用风险不仅由债务人的违约风险引起，也会因债务人的信用等级降级而引起潜在的市场价值损失。该方法的新意就在于将信用等级迁移、违约概率、收复率及违约相关矩阵融入了统一框架之中，全面综合地考虑了信用风险的度量问题。
[5]刘铮铮,李家军.Credit Metrics模型下信用风险模型改进探讨[J].生产力研究,2006.
[6]Alici, Yurt. “Neural Networks in Corporate Failure Prediction: The UK Experience,”Working Paper, University of Exeter (1995).
1.该模型应用广泛。该方法运用VAR值，使得不同的市场的风险用统一的VAR值表示，具有标准可比性。不仅适用于测度单一贷款的风险，而且适合测度贷款组合的风险。不仅能适用于应收账款、固定收益证券、信用证、承付书、商业贷款等商业合同，还能处理掉期合同，其他衍生工具。
2.蒙特卡罗模拟法。运用蒙特卡罗模拟法，在一定程度上避免了资产收益率正态性的硬性假设，可以用资产价值分布和百分位求出资产损失。这是一种盯市(Market- to- market，MTM)信用风险度量模型，很好地刻画新增一笔贷款风险收益及其取舍方法，最终为投资者进行组合决策和管理提供科学的量化依据。
信用风险的度量方法
一、信用风险度量方法与模型１．传统的信用风险评价方法（１）要素分析法。
要素分析法是通过定性分析有关指标来评价客户信用风险时所采用的专家分析法。
常用的要素分析法是５Ｃ要素分析法，它主要集中在借款人的道德品质（Ｃｈａｒａｃｔｅｒ）、还款能力（Ｃａｐａｃｉｔｙ）、资本实力（Ｃａｐｉｔａｌ）、担保（Ｃｏｌｌａｔｅｒａｌ）和经营环境条件（Ｃｏｎｄｉｔｉｏｎ）五个方面进行全面的定性分析，以判别借款人的还款意愿和还款能力。
根据不同的角度，有的将分析要素归纳为“５Ｗ”因素，即借款人（Ｗｈｏ）、借款用途（Ｗｈｙ）、还款期限（Ｗｈｅｎ）、担保物（Ｗｈａｔ）及如何还款（Ｈｏｗ）。
还有的归纳为“５Ｐ”因素，即个人因素（Ｐｅｒｓｏｎａｌ）、借款目的（Ｐｕｒｐｏｓｅ）、偿还（Ｐａｙｍｅｎｔ）、保障（Ｐｒｏｔｅｃｔｉｏｎ）和前景（Ｐｅｒｓｐｅｃｔｉｖｅ）。
无论是“５Ｃ”、“５Ｗ”还是“５Ｐ”，其共同之处都是先选取一定特征目标要素，然后对每一要素评分，使信用数量化，从而确定其信用等级，以其作为其销售、贷款等行为的标准和随后跟踪监测期间的政策调整依据。
（２）特征分析法。
特征分析法是目前在国外企业信用管理工作中应用较为普遍的一种信用分析工具。
它是从客户的种种特征中选择出对信用分析意义最大、直接与客户信用状况相联系的若干因素，将其编为几组，分别对这些因素评分并综合分析，最后得到一个较为全面的分析结果。
一般所分析的特征包括客户自身特征、客户优先性特征、信用及财务特征等。
特征分析法的主要用途是对客户的资信状况做出综合性的评价，它涵盖了反映客户经营实力和发展潜力的所有重要指标，这种信用风险分析方法主要由信用调查机构和企业内部信用管理部门使用。
（３）财务比率分析法。
信用风险往往是由财务危机导致的，因此，可以通过及早发现和找出一些特征财务指标，判断评价对象的财务状况和确定其信用等级，从而为信贷和投资提供决策依据。
财务比率综合分析法就是将各项财务分析指标作为一个整体，系统、全面、综合地对企业财务状况和经营情况进行剖析、解释和评价。
商业银行的信贷风险评估模型
商业银行的信贷风险评估模型商业银行作为金融体系中的重要组成部分，其信贷业务在经济发展中起着至关重要的作用。
然而，信贷风险是银行业务中的一个重要挑战，因此商业银行需要建立有效的信贷风险评估模型来帮助其准确评估借款人的信用风险，并做出相应的决策。
本文将介绍商业银行的信贷风险评估模型。
一、综合评估模型商业银行的信贷风险评估模型通常是综合考虑多个因素的综合评估模型。
这些因素包括借款人的信用历史、收入状况、负债情况以及所申请贷款的用途等。
商业银行通常会根据这些因素综合评估借款人的信用状况，并据此决定是否批准贷款申请，以及贷款的金额和利率。
二、量化模型商业银行通常使用量化模型来评估借款人的信用风险。
量化模型是通过分析大量的历史数据和统计方法来预测未来的信用违约概率。
常见的量化模型包括评分卡模型和概率模型。
评分卡模型基于借款人的个人信息和信用历史等因素，为每个借款人分配一个信用评分。
这个评分可以用于判断借款人的信用状况，并据此决定是否批准贷款申请。
评分卡模型通常是通过回归分析等统计方法来构建的。
概率模型是通过建立一个数学模型来评估借款人的信用风险。
这个模型通常基于借款人的个人和经济信息，并将这些信息与历史违约数据进行拟合。
概率模型可以用来计算借款人违约的概率，并据此决定是否批准贷款申请。
三、专家系统除了量化模型外，商业银行还可能采用专家系统来评估信用风险。
专家系统是通过模拟人类专家的决策过程来评估信用风险的。
它通常基于一些规则和经验知识，并通过推理和逻辑推断来做出决策。
专家系统可以帮助银行评估借款人的信用风险，并提供相应的建议。
四、模型评估和改进商业银行在使用信贷风险评估模型时，需要进行模型评估和改进。
评估模型的准确性和效果是非常重要的，商业银行可以通过比较模型的预测结果与实际违约情况来评估模型的准确性。
如果模型存在一些问题，商业银行可以根据评估结果对模型进行改进，以提高其准确性和预测能力。
综上所述，商业银行的信贷风险评估模型是帮助银行准确评估借款人信用风险并做出相应决策的重要工具。
信用风险模型简述
信用风险模型简述(1) 信用风险模型是用模型的方式来衡量和预测一个信贷组合的风险架构，是通过模型所计算出的信用损失的概率密度函数(probabilitydensityfunction) 来实现这些目标的。
这个概率密度函数在风险管理、资本配置、信贷定价、最优组合上都有重要作用，是现代金融数量化、精确化、高效化的具体体现。
大银行不惜花费大量人力物力资源来开发利用这个工具。
信用风险模型分由上至下模型(top-dow n)和由下至上模型(bottom-up)两大类。
前者主要用于消费者信贷，诸如信用卡贷款、房地产贷款、车辆贷款、学生贷款。
这些信贷因为比较单一类似，且贷款数额小，单笔损失量不大，建立模型的时候就把同类贷款汇总起来，用大数定律和历史数据对它将来的损失可能性作模拟推断。
这种模型一般都比较简单易行，广为接受，与实际情况拟合很好，所以，一般都不在巴塞尔协议重点讨论范围之内。
由下至上模型是用来模拟大、中型商业信贷，贷款额度高，潜在损失大，需要一个个单独观察评估，然后再汇合加总，最后达到整个资产组合的总体风险水平。
信用风险模型的参数一般量化为以下几个主要变量。
1. ------------------------------ 风险敞口(exposure) 如果是传统的定期贷款的话，那么，贷款额便是风险敞口变量。
但事情并非都如此简单，有些贷款含有期权，比如周转信贷(revolvingcredit)，银行提供的信用额度，企业不一定要去用，或用完。
但如果企业发生资金周转危机了，这笔信用额度就要被启动，而且可能都用完。
如何模拟这类贷款的不确定风险敞口，便众口不一。
2. 信用评级(creditrating) 这是针对具体企业的评级，同评级相对应的是企业降级倒闭的风险概率。
比如，根据标普(S&P)评级公司的统计数据，一企业的信用评级若今年为A，则明年降为B的可能性是0.24%, —年内破产的可能性为0.02％。
信用风险评价模型
信用风险评价模型是指用来评估借款人或债务人发生违约风险的各种量化模型。
以下是几种常见的信用风险评价模型：
•Z计分模型。
由Altman于1968年提出，通过财务指标来判断借款人违约的可能性。
•Credit Metrics模型。
由J.P.摩根公司于1997年推出，是一种信用在险值模型，通过分析借款人的信用等级转移概率和违约概率来评估信贷资产的风险。
•Credit Risk+模型。
由瑞士信贷银行于1997年发布，基于保险精算学原理，只考虑违约和不违约两种状态。
•Credit Portfolio View模型。
基于Credit Metrics的思路，通过输入宏观经济变量，对各国不同产业间的信用等级转移概率和违约概率的联合条件分布进行模拟。
- 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)。
信用风险量化的4种模型信贷风险治理的新方法信贷风险治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专门注意运用信贷风险治理的工具。
除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险治理方法要紧有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，曾经长时刻忽视股票的市价。
KMV模型基于如此一个假设——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，贷款银行就能够用那个重要的风险治理工具去处理金融市场上遇到的问题了。
尽管专门少有银行在贷款定价中将KMV模型作为唯独的信用风险指示器，但专门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，从借款企业的一般股持有者的视角来看贷款偿还(回报)的鼓舞问题。
信用中国ccn86 我们共同打造换句话说，它将持有一般股视为与持有一家公司资产的买入期权相同。
差不多原理如图所示：（1）KMV是如何工作的？假设一般股持有者拥有公布交易公孙的股票，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.上图显示的是从一般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）,股的持有者就可不能偿还那个等于OB的债务。
因此，假如选择违约，他就必须将对公司资产的操纵权转让给贷款银行，公司所有者的一般股就一文不值了。
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确实是买入期权中的约定价格。
能够看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”爱护了一般股的持有人。
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。
KMV从贷款于期权之间的这种联系之中得到了EDF模型（估量违约频率模型）。
以下对EDF作简要介绍。
使用前面描述的期权方法，一般股的市场价值能够用一个买入期权的价值来评估，模型如下：E=f(A，，r，B，ζ) (1)其中：公司资产的市场价值(A)及其市场价值的波动( )，不能直截了当观看到，是由公司股票的市场价值及其波动和公司债务的账面价值估量的；公司的违约发生点(B)是短期债务的全部价值加上长期未偿付债务的一半价值之和；贷款的到期变化区间(也确实是违约范畴)由r界定(尽管到期变化区间能够依照银行确定的违约范畴变化，但它经常被定为一年)；无风险的借贷利率由(r)代表。
运用这些价值，可形成一个方法，它描画出一个关于任何特定借款人的基于假设的EDF得分，那个方法的差不多原理如图特定借款的违约期间例l：公式(1)中，借款公司的各项价值分别为：公司资产的市场价值(A)为10 000万，公司资产的市值波动区间( )为1 000万，公司债务的价值或违约点(B)为8 000万。
①假设公司今后的资产价值围绕当前价值呈正态分布，则可运算出一年(贷款到期区间或违约范畴)内公司违约的可能性。
违约距离(DD)=(资产市值一违约点的资产市值)／市值的波动范畴=(A—B)／ =(10 000万一8 000万)／1 000万=2个标准差这意味着：假如公司进入违约区间，资产价值就会在一年内下降2 000万(2× )。
体会定理：正态分布下，价值的68％会落在均值的1 内，价值的95％会落在均值的2 内，价值的99％会落在均值的3 内。
依照体会定理，我们明白公司资产的价值有95％的可能性会在资产均值的加减2 内变动，那么一年内资产价值就有2．5％的可能性上涨(或下跌)超过2 。
在本例中，借款银行就面临着5％的估量违约频率，即EDF。
②若假设借款人的资产价值上升10％，则：DD＝[A(1+10％)一B]／ =(11 000万一8 000万)／1 000万=3同样，依照体会定理，借款银行就面临着0．5％的估量违约频率。
KMV认为，正态分布的假设是专门重要的观点，KMV并不构造理论上的EDF。
一旦得出违约距离(DD)，就会结合一个专门大的专用的违约历史数据库来使用DD。
与上面介绍的理论 EDF不同，KMV的体会EDF的运算方法如下：体会EDF=年内违约公司数量/公司总数（取年初资产价格在违约点B的2 变化的公司)比如，KMV的违约数据库显示，年初有2 000家公司的资产价格在违约点B的2d内变化，其中有60家公司违约，则体会EDF=60／2 000=3％因此，KMV公司的体会EDF与理论EDF的结果完全不同。
例2：此例阐明了导致EDF变化的要紧因素，即股价的变化、债务水平和资产价值的变化幅度，这些因素能表示出可觉察到的价值变化程度。
(2)KMV模型的优点·应用广泛，可用于任何公布上市交易的公司；·对市场环境的变化反应敏锐，EDF数据每季度更新；·依据充分，以定期公布的前瞻性的股票市场数据为基础；·理论性强，背后联系着坚实的理论基础。
(3)KMV模型的不足·更关注系统风险和短期违约风险，而非系统风险和长期风险；·对私人和小范畴交易的公司，在应用时有问题；·KMV的结果对股票市场的变动过于敏锐(当股票市场对某新闻反应过度时，KMV的EDF就成了激进的预言家，而不是准确预言家，因为EDF有可能是依照资产价格的突然跳水而不是格的连续变动来运算的)。
2、JP摩根信贷风险资产组合模型——VAR1997年，JP摩根推出了信贷风险资产的组合模型——信用矩阵，该模型引进了新的风险治理理念。
即依照信用质量的变动及时评级资产价值发生缺失的可能性，它反映的要紧问题是：假如明年情形不行，我的资产会有显现什么缺失。
该模型由200多页的文件组成，在西方银行风险治理进展历史上具有划时代的意义。
信用矩阵模型依照借款人信用质量的变化而引起的贷款价值的变化来量化组合信用风险。
信用中国ccn86 我们共同打造它不仅考虑由借款人违约行为造成的价值变化，而且考虑信用质量的上升或下降造成的贷款价值变化。
不仅运算贷款预期缺失，而且运算受险价值(VAR)或非预期缺失。
在运算组合信用风险时，考虑了不同借款人之间信用质量变化的相关性，即考虑风险分散效应和组合集中风险效应。
VAR模型的要紧运算思路如下：第一步：信用评分转化矩阵信用矩阵模型通过使用可能性转化矩阵(见表2—2)来评介一个金融机构资产的使用状况。
信用等级转化矩阵上表纵栏表示信用评分，水平行表示风险的变动概率。
如一个3B级的借款人，估量明年评分在3B的可能性是86．93％，信用升至A的可能性5．95％，降至3C的可能性是0．12％。
该表反映了特定信用等级在以后一定时刻内转化到其他级别的概率。
第二步：评级依照转化矩阵，对不同的信用等级相对应的风险进行评级。
假设一个3B的借款人有一笔100万的贷款合同，后4年的贷款利率是6％，第5年末贷款终止，借款人应还100万本金及利息。
在技术上，该贷款在后4年的每年末用标准的模型进行逐年评级，第一年末该贷款的估算为：(INT表示每年末支付的利息，M是到期日必须支付的金额或债券票面价格，r是无风险利率，s是依照不同期限运算出的零息债券的年利差)。
假设借款人在第一年从3B升至A，依照表中的评分，可运算出100万贷款(账面价格)的市场价值为108.66万。
一年远期零利率条件下的信用评分（％）不同信用条件下第一年末的贷款价值第三步：VAR的运算对贷款值的运算上表中，一年末各种可能的信用等级现值的概率加权即为平均值。
均方差为围绕平均值波动幅度。
利用该表的分布，能够看到，约有5．3％的可能性，一笔3B贷款价值将从107.09下降至102.02。
(1)信用矩阵模型的优点·采纳信用矩阵模型，能够有效解决不同借款人信用风险之间的相关性模拟等信用组合的风险量化难点。
·传统的风险治理方法专门难涉及风险分散效应。
而信用矩阵模型为我们带来现代风险治理技术和方法，能够有效辨识信用组合的风险分散效应和风险集中效应。
·信用矩阵模型又能够作为风险资本分配(Capital Allocation)的基础，而风险资本分配是当前最先进的风险治理体系。
(2)信用矩阵模型存在的问题·转移矩阵自动调整问题：本模型假设转移的可能性是依照 MARKOV模型进行的，但有证据说明，在前一时期降低信用评分的债券或贷款在本期降级的可能性较高。
因此建议用 MARKOV高级或第二公式来更好地反映超时的评分转移。
·转移矩阵的不稳固性：转移矩阵使用时，可不能反映借款人在不同业务特点或经济周期的专门性。
由于重要的行业数据、经济周期等因素会阻碍评分，因此在评级一个公司的债券或贷款时，要围绕该国家的经济数据进行评分转移评估。
·转移矩阵要在投资组合的基础上进行：担保、转期和其他各种因素会使贷款与债券表现不同。
用于债券可能会显现价值偏移。
3、RAROC模型风险调整的资本收益率——RAROC于20世纪70年代末由信孚银行(~nkers Trust)引入。
(1)RAROC的概念RAROC为每笔交易分配一种“资本费用”，其数量等于该交易在一年内的预期最大缺失(税后，99％的置信水平)。
交易的风险越高，需占用的资本越多，要求其获得的现金流或收益也越多。
RAROC能够广泛应用于银行治理，如利率风险治理、汇率风险治理、股权治理、产品风险、信用风险治理等，我们那个地点重点研究RAROC在贷款(决策)治理中的运用。
(2)RAROC的差不多运算公式：RAROC=调整后收入／风险调整后的资本上述公式中的分子是经调整后的以后一定时刻内(一年)的收入，分母表示贷款的风险价值。
RAROC指标运算的目的，是与一种以成本为依靠的底线比率(hurdle rate)进行比较。
该比率反映了银行的资金成本或股东对银行最低收益率的要求。
假如贷款被看做一种价值增值的话，银行的资本就应分配于该笔贷款。
假如某笔贷款的RAROC大于Hurdle rate，则该笔贷款能够发放，否则不能发放。
Hurdle rate水平能够通过加权平均的资金成本代替。
【RAROC>Hurdle rate的贷款发放要求似与微观经济学中的厂商均衡条件(边际成本=边际收益时厂商利润达到最大)相类似。
】RAROC在历史上的运用中，通常不考虑各笔贷款之间的相关性。
在此基础上，银行的经济资本(实际可用于补偿风险的资本)按照贷款风险的大小被分配于各项贷款。
(3)调整后收入(分子)的运算RAROC公式中的分子，反映了一年内银行贷款的收入。