高收益债券信用风险评估:预期损失率模型
债券估价的三种模型

债券估价的三种模型
债券估价的三种模型包括:
1. 资本资产定价模型(CAPM):该模型基于风险和回报之间的正相关性,将债券的估价建立在资本市场的整体风险和回报之间的关系上。
该模型通过考虑债券的风险水平(即债券的期限、信用质量等)和市场整体风险水平(即市场风险溢价)来确定债券的合理价格。
2. 收益率曲线模型:该模型基于债券收益率曲线,通过分析不同期限的债券收益率之间的关系来估计债券的价格。
该模型利用市场上已存在的债券收益率数据,结合债券的期限和现金流量,通过插值和外推的方法得出债券的估价。
3. 期限结构模型:该模型基于债券市场上不同期限债券的利率之间的关系,通过分析债券市场上的利率曲线来估计债券的价格。
该模型利用市场上已存在的债券利率数据,结合债券的期限和现金流量,通过插值和外推的方法得出债券的估价。
这些模型在债券估价中都有广泛应用,但每个模型都有其适用的情境和假设。
投资者在使用这些模型时需要考虑不同的因素,如市场情况、债券特性和个人投资目标等。
论金融工具预期信用损失模型的运用

论金融工具预期信用损失模型的运用随着金融市场的不断发展,风险管理越来越重要。
其中,信用风险管理是金融机构最常面临的风险之一。
为了更好地控制信用风险,金融机构需要建立信用损失预测模型。
在本文中,我们将探讨金融工具预期信用损失模型的运用。
首先,什么是预期信用损失?预期信用损失是指在一定时间内,由于借款人未能按照约定条件履行债务而导致的预期损失。
金融机构可以通过建立预期信用损失模型,评估每个客户的信用风险,并据此制定相应的风险管理策略。
其次,金融工具预期信用损失模型的运用包括两个方面。
首先是评估信用风险,即对借款人的信用状况进行评估,计算出预期信用损失。
其次是监控风险变化,即在借款周期中,及时监控借款人的还款情况,对于出现逾期或违约情况做出相应的风险管理决策。
在实际运用中,金融工具预期信用损失模型可以采用不同的方法进行建模。
其中,最常使用的方法是基于历史数据的经验模型。
这种方法建立在历史数据和经验基础之上,可以利用过去的数据和经验,建立模型,以预测未来的信用损失。
此外,还可以采用物理模型、统计模型等方法进行建模。
不管采用何种方法建模,建立信用损失预测模型都需要考虑以下几个因素:借款人的背景信息、借款人的还款历史、借款人的财务状况、借款人所处的行业和市场环境等。
模型需要综合考虑这些因素,并构建一个可靠、准确的预测模型。
金融工具预期信用损失模型的运用对金融机构的风险管理具有重要意义。
通过建立预期信用损失模型,金融机构可以更好地了解自己的信用风险和风险承受能力,制定更加科学的风险管理策略,提高风险管理的精度和效率。
同时,预期信用损失模型的建立也可以提高金融机构的监管合规性,促进整个金融市场的健康发展。
总之,金融工具预期信用损失模型的运用对于金融机构的风险管理至关重要。
通过建立准确、可靠的信用损失预测模型,金融机构可以更好地预测信用损失,减少信用风险,降低不良贷款率,提高业务效益,实现可持续发展。
论金融工具预期信用损失模型的运用

论金融工具预期信用损失模型的运用预期信用损失(Expected Credit Loss,ECL)是金融机构在控制风险过程中的核心之一,尤其是在新的会计准则IFRS 9的实施中,更是被彰显出其重要性。
在金融机构的经营中,各种金融工具的目的不同,风险性质也不尽相同,因而需要对不同类别的金融工具应用不同的预期信用损失模型。
本文将重点讨论金融工具预期信用损失模型的运用。
1.账面成本模型账面成本模型是一种基于成本的预期信用损失模型,适用于金融资产、负债和客户对银行的借款等。
该模型的核心是通过将账面价值与预测的信用损失比较,预测未来时点的损失数额。
这种模型适用于对已实现信用风险的金融工具进行计提坏账准备。
其具体计算方式为:ECL = 最大(0,账面价值 - 回收或转让价值 - 不可回收的信用损失总额)该模型适用条件是,预测的信用损失不应超过账面价值。
只有在一段时间内的信用损失被认为与账面价值相当时,才会计提坏账准备。
2.违约概率模型违约概率模型是一种基于未来违约可能性的预期信用损失模型,适用于经济情况相对稳定、依赖于银行授信的债务工具。
该模型的核心是计算某个时点的违约概率,乘以未来损失预测,并贴现得到预期信用损失。
该模型需要大量的经济数据,例如失业率、经济增长率、业务发展和信贷管理等方面的数据。
在计算违约概率时应该综合考虑个别借款人的特点,例如信用级别、还款历史、负债情况、担保品等。
3.重要性模型重要性模型是一种基于各因素对预期信用损失影响大小进行分类的预期信用损失模型。
这种模型适用于特别重要的金融工具,例如企业融资,需通过较为复杂的方法进行计算。
该模型需要通过特定的统计方法对各因素进行排序,重点是对各因素的重要性进行评估。
通过评估金融工具的风险敞口所处的位置和各因素的潜在影响,进行预期信用损失的预测。
综上所述,不同的金融工具适用不同的预期信用损失模型,并且每种模型都应根据实际情况进行修订。
通过合理计算预期信用损失,能够使金融机构更好地控制风险,避免损失。
论金融工具预期信用损失模型的运用

论金融工具预期信用损失模型的运用金融工具预期信用损失模型是金融机构在评估信贷风险和计量资产和负债净额时所使用的一个重要工具。
它能够帮助金融机构更好地管理信用风险,提高资产和负债的质量,进而提高整体的风险管理水平。
本文将探讨金融工具预期信用损失模型的运用,分析其在金融风险管理中的重要性,并对其优势和局限性进行讨论。
一、金融工具预期信用损失模型的定义和基本原理金融工具预期信用损失模型是一种用于分析和计量金融资产预期信用损失的方法。
它通过对债权人的未来违约概率和违约损失率进行测算,从而评估资产和负债净额的信用风险水平。
模型的基本原理是通过对历史数据和经济情况的分析,预测未来发生违约的可能性,并计算出可能的违约损失,用以对金融工具的信用风险进行测算。
二、金融工具预期信用损失模型的运用1. 风险管理:金融机构可以利用预期信用损失模型来评估和管理自身的信用风险。
通过对各项资产和负债净额的预期信用损失情况进行测算,可以及时发现潜在的风险,采取相应的风险管理措施,降低资产和负债的违约风险。
2. 资产质量评估:预期信用损失模型还可以用于评估金融机构的资产和负债净额的信用质量。
通过对不同资产的信用损失进行计量,可以更准确地评估资产的质量,并且为投资决策提供参考。
3. 信贷定价:金融机构可以根据预期信用损失模型的测算结果,对信贷产品进行定价。
这样可以更准确地反映出借款人的风险水平,并保证信贷产品的定价与风险相匹配。
三、金融工具预期信用损失模型的优势1. 更加准确的信用风险评估:与传统的违约概率和违约损失率模型相比,预期信用损失模型更加准确地评估了资产和负债净额的信用风险水平。
它考虑了未来违约的可能性和损失率,并在数据处理上更加科学和合理。
2. 更具实践指导性:预期信用损失模型不仅仅是一种理论模型,更是一种能够指导金融机构风险管理实践的工具。
它为金融机构提供了一种全面、系统地评估和管理信用风险的方法,有助于提高金融机构的风险管理水平。
论金融工具预期信用损失模型的运用

论金融工具预期信用损失模型的运用随着金融市场的日益复杂和金融风险的不断增加,金融机构在资产负债管理和风险控制方面面临越来越大的挑战。
信用风险是金融市场中一种普遍存在的风险,对金融机构的经营和发展都会带来较大的影响。
为了更好地应对信用风险,许多金融机构采用了预期信用损失模型来量化和管理信用风险。
本文将探讨金融工具预期信用损失模型的运用,分析其在金融市场中的重要性和作用。
一、预期信用损失模型的概念预期信用损失模型是一种量化信用风险的模型,旨在通过对债权组合中的信用损失进行估计,帮助金融机构更好地管理风险。
预期信用损失模型主要包括了三个主要方面:违约概率估计、违约损失估计和违约逾期损失估计。
违约概率估计是指对债权人未来可能违约的概率进行估计,通常采用历史违约率、市场风险溢价和财务指标等多种方法进行建模。
违约损失估计是指在债务人违约时,金融机构可能面临的损失情况进行估计,通常包括了违约的实际损失和违约后的收回率等指标。
违约逾期损失估计是指在债务人逾期时,金融机构可能面临的损失情况进行估计,通常包括了逾期的实际损失和逾期后的收回率等指标。
通过综合考虑这三个方面的情况,预期信用损失模型能够帮助金融机构更准确地估计债权组合的信用风险和潜在损失,从而制定更有效的风险管理策略。
金融工具预期信用损失模型主要应用于两种情况:一种是对金融机构的债权组合进行整体的信用风险评估和风险管理;另一种是对金融机构的单一金融工具进行个别的信用风险评估和风险管理。
1. 对债权组合进行整体的信用风险评估和风险管理金融机构在购买或持有某一金融工具时,需要针对该金融工具的信用风险进行评估和管理。
金融机构需要建立该金融工具的违约概率估计模型,通过对该金融工具的发行人的财务状况、市场情况和行业情况等因素进行分析和建模,计算出该金融工具的违约概率。
金融机构需要建立该金融工具的违约损失估计模型,通过对该金融工具可能的违约损失和违约后的收回率进行估计,计算出该金融工具的预期违约损失。
论金融工具预期信用损失模型的运用

论金融工具预期信用损失模型的运用金融机构的涉及到信用风险,通常使用预期信用损失(Expected Credit Loss, ECL)的指标来衡量其信用风险敞口的大小。
预期信用损失是指某个期间内,一个金融工具会因为违约或者其他风险因素而减少的预期金额。
为了更客观和准确地计算预期信用损失,金融机构通常使用预期信用损失模型来预测未来某个期间内的可能损失。
预期信用损失模型是指通过对金融工具的历史表现和预测未来的情况进行分析,在未来一段时间内,预测该金融工具可能发生的违约或者其他信用风险的概率和程度。
预期信用损失模型通常包括以下步骤:1.数据采集与处理:金融机构采集和整理历史数据、宏观经济指标、行业趋势和市场前景等相关信息,以便于后续的建模分析。
2.特征工程:金融机构会对收集到的各种数据进行筛选和处理,以提取和生成和信用损失相关的特征变量。
3.模型选型和训练:基于选择的特征变量,金融机构利用统计模型(如线性回归、逻辑回归、决策树等)或机器学习模型(如神经网络、随机森林等)进行建模和训练。
4.模型验证和优化:训练好的模型需要进行验证,以确定模型的准确性和稳定性。
如果模型不够准确,需要进行优化和调整。
5.模型应用与更新:一旦模型被验证通过,金融机构可以将其应用于实际的经营活动中。
同时,模型也需要定期更新,以满足不断变化的经济和市场环境的需求。
预期信用损失模型的运用可以帮助金融机构更好地了解和管理其信用风险。
通过准确预测未来的信用损失,金融机构可以更加精确地计提预期信用损失准备金,从而降低信用风险敞口和提高盈利能力。
同时,预期信用损失模型也可以帮助金融机构更好地评估借款人的信用状况和风险,从而更好地管理其信贷业务。
总之,预期信用损失模型的运用是金融机构管理信用风险的重要手段。
它可以帮助金融机构更好地预测信用损失,提高信用风险管理的准确性,从而提高经营绩效和风险控制水平。
信用风险评估的预警指标和模型

信用风险评估的预警指标和模型信用风险评估是一个重要的金融管理工具,用于衡量个人或机构在未来违约的可能性。
为了能够及时发现潜在的风险并采取相应的措施,预警指标和模型的使用变得至关重要。
本文将介绍信用风险评估的预警指标和模型,以及其在风险管理中的应用。
一、信用风险预警指标1. 违约概率违约概率是衡量个人或机构未来违约可能性的指标之一。
它通常基于历史数据、财务指标、市场前景等因素进行计算。
违约概率高的个人或机构意味着其信用风险较大,需要采取相应的风险管理措施。
2. 信用评级信用评级是金融机构对个人或机构信用状况的评估结果。
通常分为AAA、AA、A、BBB、BB、B、CCC等级。
评级较低的个人或机构被视为信用风险较高,需要进行严格的监控和管理。
3. 财务指标财务指标是评估个人或机构财务状况的重要参考标准。
例如,个人的债务比率、流动比率、盈利能力等指标,以及企业的资产负债表、利润表、现金流量表等报表都是衡量信用风险的重要指标。
4. 市场指标市场指标是评估个人或机构信用风险的重要参考数据。
市场指标包括股票价格、债券收益率、信用违约互换等金融市场数据。
这些指标可以反映市场对个人或机构信用状况的预期,对风险管理有重要意义。
二、信用风险预警模型1. Logistic回归模型Logistic回归模型是一种常用的信用风险预警模型。
它基于个人或机构的历史数据,通过建立多个变量之间的关系,预测个人或机构未来违约的可能性。
该模型可以将各种风险因素纳入考虑,对信用风险进行较为准确的预测。
2. 神经网络模型神经网络模型是一种模拟人脑神经系统工作原理的数学模型,也常用于信用风险预警。
该模型通过构建多层神经元之间的连接,将输入的个人或机构信息转化为输出的违约概率,提供了一种复杂问题建模的方法。
3. 决策树模型决策树模型是一种基于树形结构的预测模型,也常用于信用风险评估。
该模型通过对历史数据进行分析,构建树形结构,根据个人或机构信息的不同特征进行不同路径选择,最终预测违约概率。
信用风险评估模型的构建与分析

信用风险评估模型的构建与分析近年来,随着金融市场的逐渐开放以及经济快速发展,信用风险评估的重要性也日益凸显。
对于银行等金融机构来说,他们需要借助一些信用风险评估模型来保证自己在贷款过程中的风险可控性,以防止出现不良资产,提高收益。
一、信用风险评估模型的概念信用风险评估模型是指基于信用风险理论和实践经验,对信用风险进行量化评估和预测的一种数学模型。
该模型可以根据银行客户的个人信息、财务状况以及历史信用记录,建立相应的评估系统,对客户信用风险进行预测和控制。
二、信用风险评估模型的构建方法1.基于公式法公式法是最为简单和常见的信用风险评估模型,它通过有规律且容易理解的公式,计算出客户的信用评分。
该评分可以反映客户的信用情况,从而为接下来的贷款决策提供参考。
2.基于统计模型法统计模型法是当前较为成熟的信用风险评估模型之一,它通过大量的历史数据和回归分析等方法,构建起一个客户信用评估的数学模型。
该模型可以在一定程度上减少人为因素,提高预测精度。
3.基于机器学习法机器学习法是近年来发展很快的一种信用风险评估模型。
它通过大量的样本数据和自动学习算法,不断地调整自身的模型,提高预测准确率。
然而机器学习法也存在一些缺陷,例如需要大量的数据训练,而且本身的可解释性较差。
三、信用风险评估模型的指标1.违约概率违约概率是指客户在未来一定时间内出现违约行为的概率。
违约概率是信用评估模型中最为核心的指标,他直接影响银行对客户的风险认知和决策。
2.预期亏损预期亏损是指银行在未来一定时间内,针对客户的贷款可能出现的亏损额度。
该指标能够反映银行风险管理的整体水平。
3.信用评分信用评分是信用风险评估模型中的一种客户信用度量指标。
该指标可以通过客户的各种信息进行评价,进而反映客户的信用情况。
通常来说,信用评分越高表示客户的信用情况越好,反之则越差。
四、信用风险评估模型的应用前景信用风险评估模型的应用前景是非常广阔的。
首先它可以帮助银行等金融机构有效控制信用风险,提升信用决策的准确度和效率。
- 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)。
,所以可得债务违约预期损失为 那么即可得违约损失率 :
,
其中, N (−d1 ) 、 N (−d 2 ) 联立求得,
DB Vt
(10) 和 Vt 可由式(6)和(7)
风险产生影响,此时担保人将偿还被担保人的债务 并获得被担保人资产价值,因此相当于担保人违约 点增加了被担保人公司价值少于其待偿债务的部分。 设所担保的债务总额为 D′,被担保公司违约概率 为 PD′ ,违约时资产价值为 Vt′ ,可得该种债务性质 下的违约点为 : (13) (七)预期损失率 1.普通债项(优先级无担保) 将式(9)和(10)代入式(1)可得 : (14) 可由式(6)和式(7)
42 债券 2014.10
债
券
专 题 研 究
LGD 为违约损失率,约束条件即为债务的性质,主 要为优先级和担保情况。 (二)假设前提 根据 Black & Scholes(1973)提出的假设,本 文先作如下一些假定 : 1. 市场无摩擦,即不存在税收和交易成本。 2. 卖空机制存在。 3. 资产的交易是连续的。 4. 企业价值与资本结构无关 (即 MM 定理成立) 。 5. 企业价值 V 的变化能用以下随机微分方程 来描述 : (2) 6. 当企业市场价值大于待偿还债务(违约点) 时,不会违约 ; 反之,债务违约。即 : (3) (三)资产市值及波动率 这里以上市公司为例来进行分析。将公司股权 看为基于公司资产价值的看涨期权,其价值为 : (4) 其中,V 为公司资产价值,DB 为公司无违约 的债务价值。 对公司的债权价值为 : (5) 根据 Black-Scholes 期权定价公式可得 : (6)
41
债
券
专 题 研 究
用风险。 传统上,基于发行人账面价值分析以定性分析 为主,主要围绕几个关键性的要素展开。除此之外, 一般还需要考虑资金成本、经济周期等非企业内部 因素,将账面价值等企业层面及经济周期等外部经 济层面结合起来分析。 后来逐步研究使用量化模型方法对债务人的 偿债能力和意愿进行定量分析,主要思想是将影响 债务人经营发展能力及资信状况的若干账面价值变 量指标选取出来,然后赋予权重,通过特定的模型 得到信用综合评分或违约概率值,以此来评估债务 人的信用风险水平。主要有三种模型 : 多元判别模 型、Logit 和 Probit 回归模型。 伴随着金融衍生品的快速发展,金融创新层 出不穷,信用风险的评估方法也在不断改进,债 务人资产未来收益及反映市场价值的信息开始被考 虑进来,如 CreditMetricS 模型(1997) 、 creditrisk+ (1996) 。另外,将反映资产市场价值的因素考虑进 来后,基于期权定价理论逐步发展出一系列信用评 价方法,结构化方法较为流行。Merton(1974)将 期权定价公式应用于公司债 务定价,认为公司的权益和 债务都可以看成是基于公司 资产的期权,用期权方法对 债务定价。 由于此前国内债券市场 未出现违约情形,因此相应 的信用风险评估并未得到足 够重视。国内几家较大的信 用评级公司,更多的依然是 依靠基于公司账面价值的财 务分析,并结合经济基本面 进行信用评级,此种评估模
债
券
专 题 研 究
高收益债券信用风险评估:预期损失率模型
摘要 : 自今年 3 月份债券刚性兑付被打破以来,信用风险受到市场广泛关注,多只债券 评级下调,信用利差剧烈波动。本文通过建立预期损失率模型,对交易所高收益债券的
袁志辉
信用风险进行实证分析,结果表明该模型利用资产市场价值信息,相对于传统财务分析 方法,对高收益债券信用风险的评估具有一定的领先性。 关键词 : 高收益债券 信用风险 预期损失率模型
高收益债券起源于美国,指信用等级低于投 资级的债券,又叫垃圾债券。根据属性,我国存 在两类相互独立的高收益债券,即交易所低等级公 司债和中小企业私募债。其中,中小企业私募债自 2012 年 6 月诞生以来,发展较为缓慢,发行量偏低。 投资者主要包括银行理财、券商资管等,交易性差, 主要是持有到期。此外,中小企业私募债一般有多 种形式担保,企业本身信用风险被淡化,定价的市 场化程度不高,而且信息很不对称、完整。因此, 本文重点研究交易所低等级公司债。 交易所低等级公司债主要指信用等级在 AA级及以下、到期收益率 8% 以上的债券。由于刚性 兑付的存在,此前信用风险一直处于压抑状态,导 致我国高收益债券市场起步较晚。 2013 年经济下行压力较大,同时伴随资金紧
N (−d 2 )
即为风险中性的违约概率,因此可得信用风
险目标函数中违约概率为 :
(8)
结合式(6)和(7)可得 :
其中, 模型的求解需要先得到公司资产价值波动率 和股票价值波动率 的关系函数。结构化模型一 般采用 Merton(1974)关于两者波动率的方程,即
N (−d1 ) Vt N (−d 2 )
N (−d1 ) N (−d 2 )
人的违约概率为 PD′ ,根据全概率公式可得违约点 为: (12) 如果债务人对其他债务发行人进行了债务担 保,根据担保债务的法律定义,只有在所担保的债 务发生实际违约的情况下该隐性债务才会对其信用
,因此可知债务违约预期回收价值为
表 1 2014 年二季度末信用状况 (按预期损失率排序)
证券代码 112109.SZ 112116.SZ 122060.SH 112073.SZ 112160.SZ 证券简称 12 南糖债 12 中桥债 10 银鸽债 11 三钢 02 12 毅昌 01 12 墨龙 01 12 景兴债 11 安钢 01 11 新筑债 11 中孚债 11 柳化债 09 银基债 12 建峰债 12 东锆债 11 安钢 02 12 三维债 09 亿城债 ELR 0.37% 0.48% 0.63% 0.69% 0.77% 0.80% 0.83% 0.84% 0.91% 0.97% 0.99% 1.00% 1.20% 1.27% 1.77% 1.79% 3.08% PD 1.55% 2.15% 3.21% 2.61% 4.21% 4.56% 4.37% 3.47% 5.11% 5.24% 4.97% 5.79% 5.64% 5.87% 6.69% 6.54% LGD 23.61% 22.33% 19.77% 26.57% 18.36% 17.65% 18.91% 24.26% 17.82% 18.44% 19.86% 17.25% 21.34% 21.60% 26.50% 27.42% 最新债项评级 AA AAA AA AAAAAA AAAAAA AA AA AA AAAAAAAA-
ELR′ 。
,然后代入式(9)和(10)就得到
了新的 PD′ 、 LGD′ ,再代入式(14)即得到最终的
实证分析
(一)参数设定
44 债券 2014.10
债
券
专 题 研 究
根据模型的整个推导过程,可知主要需要估计 以下几个参数,权益市值 Et 、权益市值波动率 σ E 、 债务违约点 DB、无风险利率 1. 权益市值 Et 我国证券市场情况较为特殊,股票被人为划分 为流通股和非流通股。因为非流通股没有市场价格, 因此如何确定非流通股的市场价值是个难题,本文 参考上市公司股票全流通研究中非流通股定价,以 每股净资产计算非流通股的价格。 流通股市场价值 =12 月份周平均收盘价格 × 流通股股数 非流通股市场价值 = 每股净资产 × 非流通股 股数 上市公司股权市场价值 Et = 流通股市场价值 + 非流通股市场价值 2. 权益市值波动率 σ E 本文采用历史波动率法估计上市公司权益市 值未来一年的波动率。假设上市公司股票价格满足 对数正态分布,则股票周收益率 为 :
,
并使用沪深两市 26 家上市公司数据估计出参数 λ , 然后进行实证分析,发现该模型比 Merton 模型更 符合中国资本市场实际。因此本文采用此模型,根 据沪深两市 100 家上市公司数据,使用最小二乘估 计得出参数值,即得到关系函数为 : (7) 联立式(6)和(7)求解即可得公司资产市场 价值 Vt 及其波动率 σ V 。 (四)违约概率 根 据 Crouhy & Galai(1997) 的 研 究 结 果,
型尚存在一定缺陷,需要完善。
预期损失率模型
(一)目标函数 新巴塞尔协议于 2004 年开始实施,定义信用 风险为由于债务人违约而发生损失的风险,内部评 级法规定反映信用风险的综合指标为预期损失率 (Expected Loss Ratio) 。而预期损失率又可以分为 两部分 :违约概率 (Probability of Default) 和违约 后损失率 (Loss Give Default)。违约概率指特定债 项在一定时间段内违约的可能性 ; 违约后损失率指 债项违约后相对于债项的本金和利息,投资者可能 遭受损失的比例。两者的影响因素并不相同,违约 概率主要与企业的财务稳健性、流动性等因素有关, 而违约后损失率则与债项的优先级、抵押担保等情 况密切相关。 由此本文建立如下目标函数 : (1) 其 中,ELR 为 预 期 损 失 率,PD 为 违 约 概 率,
N (−d 2 )
为准债务杠杆率。
(六)考虑高收益债项性质的情况 如果高收益债性质为次级债,即偿还次序在其 他债务之后,那么其信用风险必将大于普通债务 ; 如果债务性质为有担保债务,那么担保人的存在使 得其信用风险相对普通债务而言较小 ;如果高收 益债券的发行人为其他债务人进行了债务担保,那 么该笔担保债务将形成其隐性债务,从而增加其信 用风险。不管债务性质如何,其导致信用风险变化 的原因在于改变债务人的违约概率和债权人的违约 损失率,根本途径在于改变债务人的违约点。因此, 考虑高收益债项性质后信用风险评估即归结到对 其债务人违约点的确定,只要分析出其违约点 DB∗, 然后代入到式(8)和(10) ,即可求出违约概率和 违约损失率。 根据违约点的定义,如果高收益债项为次级 债,记该债务总额为 DS ,那么违约点为 : (11) 如果高收益债券为担保债券,一般情形为“无 条件连带责任担保” ,按照“无条件连带责任担保” 的法律定义,则只有在两家公司同时违约时才能确 认债务违约的发生。此时可以将这种担保带来的信 用风险降低转化为对债务人违约点的降低。如果担 保人违约,那么该债项的违约点仍然不变 ; 如果担 保人不违约,那么该债项的违约点将为 0。设担保