8 银行信用风险管理理论及应用

15:33 14
补充：关于期权
• 期权（option，option contract）又称为选 择权，是在期货的基础上产生的一种衍生 性金融工具。 • 从其本质上讲，期权实质上是在金融领域 中将权利和义务分开进行定价，使得权利 的受让人在规定时间内对于是否进行交易， 行使其权利，而义务方必须履行。
– 贷款审批、确定问题贷款 – 进行资产组合监控管理、资产定价、利润分析、 估算损失准备金
15:33
3
• 二、传统信用风险度量方法 • ㈠专家方法——单变量定性测量方法
– 5C法
• ㈡专家系统
– 人工智能（AI）系统
15:33
4
• ㈢Z评分模型和ZETA评分模型——多变量预测方 法 • ⒈奥尔特曼（Altman）的Z评分模型 • Z评分模型是一种将借款人分类的模型，有时也可 用于预测违约概率。这些数据经过综合和加权而 产生的标准能够有效区分破产和非破产公司。 • 该模型最初被应用于预测美国制造业上市公司的 债务偿付能力。Z评分模型沿用至今，其扩展形式 被应用于私人企业、非制造企业和新兴市场。
15:33 23
• ⑶企业违约概率 • “期望违约频率”(Expected default frequency，EDF)有两种类型: • 经验的EDF • 理论的EDF
15:33
24
• ⒉EDF与信用评级 • KMV公司公布的研究结果表明它的模型比 标准普尔的违约预测能力更强。（204） • EDF值在上述公司申请破产以前很敏感地 反映出了信用风险的剧烈波动，与以信用 评级为基础的体系相比之下，EDF值对信 用的变化具有更大的敏感性。
15:33
32
• 1)包含两个债券的资产组合
– 相关性为0的一年期债券的联合转移概率（212 页表7-7） – 当两个债券的相关性大于0时，资产组合的联 合转移概率不再简单地等于单个资产转移概率 的乘积。当两个债券的相关性为0.2时，二者的 信用等级发生联合变化的概率见表7-8
15:33
33
• 2)信用等级相关性的估计
15:33 6
• ⒉非上市公司和非制造企业的Z’评分模型 • 变量X4中涉及权益的市场价值，而对于非上市公 司而言，无法获得该数据。 • 为了给非上市公司评分，Altman修改了Z评分模 型，在计算X4时，以权益的账面价值代替其市场 价值，并重新计算所有的相关系数，得到修订后 的Z-Score模型。（198页） • 其中X4为权益的账面价值比债务的账面价值。
15:33
25
• 3.对KMV模型的评价 • 优点：考虑了市场风险；是一种动态模型； 具有前瞻性(forward looking)；可以反映风 险水平差异的程度，因而更加准确。 • 缺点：（206）
15:33
26
• ㈡J.P.摩根CreditMetrics（信用度量术）模型 • ⒈CreditMetrics的模型框架
15:33 19
• 股权价值的解析解VE：E f VA,A, K, C, r ① V • 其中，VE是借款公司的股权价值，K代表资 本结构的杠杆比率，c为长期债务的平均利 息，r为无风险利率。σA是公司资产市场价 值的波动率 • 借款公司股权的市场价值VE (股价*股数)、 短期利率r、债务水平K和长期债务的平均 利息c都是可以观察的，问题是如何从式中 解出VA和σA。
15:33 20
• KMV模型将公司负债的账面价值的波动率 视为零，所以公司资产市场价值的波动率 与公司股权的波动率可以建立某种联系。 • 根据可观察的公司股权价值的波动性(σE)与 不可观察的公司资产价值波动性(σA)之间的 关系建立函数：σE=h（σA）。②
15:33
21
• 理论上讲，在有了两个等式和两个未知量 后，可以借助连续迭代法计算出VA和σA。 • 但在违约预测模型中，KMV公司一直没有 公开其期权定价方法，我们无法得知①式 和②式的显函数形式，根据文献资料仅知 KMV公司使用了考虑红利的BSM期权定价 模型。
第八章 银行信用风险管理理论 及应用
教材192页起 2010.10.29
15:33 1
内容
• • • • 第一节 利用风险度量技术管理信用风险 第二节 现代资产组合理论的应用 第三节 信用衍生产品的运用 第四节 信用资产的定价管理
15:33
2
第一节 利用风险度量技术 管理信用风险
• 一、信用风险量化度量和管理研究 • (一)引发信用风险量化度量和管理方法革命 性变化的原因 • (二)信用风险度量模型的应用范围
15:33
10
• ⒋小结 • Z评分模型和ZETA模型的运用领域
– 信用政策、信用评审、贷款决策、证券化。
• Z评分模型的优点 • 存在的局限性和缺陷
15:33
11
• 三、现代信用风险量化度量模型 • KMV公司的KMV模型（又称为Credit Monitor Model） Moody's KMV • J.P.摩根的信用风险度量制（CreditMetrics） • 麦肯锡公司的信用组合观点（CreditPortfolio View，CPV） • 奥尔特曼（Altman）的死亡率模型（Mortality Model） • 瑞士信贷银行（CSFB）的信用风险附加值法 （CreditRisk+）
15:33 17
• 度量公司预期违约频率EDF需要以下三个 步骤: • ⑴估计资产价值与波动性 • ⑵计算违约距离 • ⑶计算企业违约概率
15:33
18
• ⑴估计资产价值与波动性 • KMV模型利用公司股权的期权特性，结合 股权的市场价值及其波动率和债务的账面 价值来推算公司资产的市场价值及其波动 率。 • 该模型使用(1)企业股权的市场价值与其资 产的市场价值之间的结构性关系；(2)企业 资产的波动性和企业股权的波动性之间的 关系。
27
补充：备用信用证
• 备用信用证是一种特殊形式的信用证，是 开证银行对受益人承担一项义务的凭证。 • 开证行保证在开证申请人未能履行其应履 行的义务时，受益人只要凭备用信用证的 规定向开证行开具汇票，并随附开证申请 人未履行义务的声明或证明文件，即可得 到开证行的偿付。 • 备用信用证只适用《跟单信用证统一惯例》 （ UCP600号）的部分条款。
– A级和BB级债务人的转移概率和信用等级 “阈值”（threshold）（表7-9）
• 3)多笔贷款的风险价值
– 当组合中包含多笔贷款时，需要使用蒙特卡 罗模拟（Monte Carlo Simulation）产生组 合在风险期内的价值分布。
15:33
34
• 2.对CreditMetrics模型的评价
– CreditMetrics模型的创新之处 – CreditMetrics模型中需进一步讨论的问题
15:33
35
• 补充： • 马尔科夫过程(MarKov Process)是一个典型的随 机过程。设X(t)是一随机过程，当过程在时刻t0所 处的状态为已知时，时刻t(t> t0)所处的状态与过 程在t0时刻之前的状态无关，这个特性称为无后效 性。无后效的随机过程称为马尔科夫过程。 • 马尔科夫过程中的时间和状态既可以是连续的， 又可以是离散的。我们称时间离散、状态离散的 马尔科夫过程为马尔科夫链。马尔科夫链中，各 个时刻的状态的转变由一个状态转移的概率矩阵 控制。
15:33
22
• • • •
⑵违约距离的计算 违约实施点(Default Exercise Point) 企业的违约间距(Distance to Default，DD) DD= Ln V ( )t
0
2
Xt
t
2
• V0:公司资产目前的市场价值，Xt：时间t时 的违约执行点, μ：期望净资产回报率，σ： 每年资产的波动率。
15:33
7
• 非制造业企业因特定行业因素导致资产周 转率相对较高，为对这类企业进行评分， 在对Z-Score模型的第二次修订中去掉了变 量X5，使行业的潜在影响最小化。 • 此处的变量X4使用的是权益的账面价值。 • 这一模型适用于以多种形式融资，并且不 进行融资租赁等活动的公司以及新兴市场。
15:33
15:33 28
• ⑴一个债券的VaR值 • 使用CreditMetrics模型度量单笔贷款的VaR 值时需要四种数据： • 1）转移矩阵。 • 2）违约回收率。 • 3）无风险收益率曲线。 • 4）信用风险溢价。
15:33 29
• 1）转移矩阵。CreditMetrics使用特定评级机构的 评级体系，度量债务人从一个信用级别转移到另 一个级别的概率。 • 2）违约回收率。即未来违约发生时，位于不同信 用等级上的债券的清偿率。收回比例有多大？典 型的回收范围是多少？ • 3）无风险收益率曲线。即以政府债券收益率作为 基准收益率曲线。 • 4）信用风险溢价。当债券的信用评级变化时，其 价值会发生怎样的变化。
15:33
15
• 在期权的交易时，购买期权的一方称作买 方，而出售期权的一方则叫做卖方；买方 即是权利的受让人，而卖方则是必须履行 买方行使权利的义务人。 • 期权主要可分为看涨期权（Call Option）和 看跌期权（Put Option），前者也称为认购 期权，后者也称为认沽期权。
15:33
15:33 5
• Z评分模型的基本形式为： • Z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5 • 模型中比率X1至X4以小数形式表示，比率X5的单 位为次数。 • 其中，X1指营运资本/总资产；X2指留存收益/总资 产；X3指息税前利润/总资产；X4指权益的市场价 值/负债的账面价值；X5指销售收入/总资产。 • Z值越高，表明借款人处于较低的违约风险组，其 信用状况也就越好。
8
• ⒊ZETA信用风险模型 • 1977年，Altman、Haldman和Narayanan 对原始的Z评分模型进行扩展，建立了第二 代模型。 • ZETA模型得出的企业Z评分值的大小与其 信用等级具有很强的相关性，Z值能有效识 别公司的信用级别。