第5章-信用风险管理

第5章信用风险管理讨论1、信用风险是怎么产生的？2、信用风险有哪些特征？第一节信用风险概述第二节信用风险的度量第三节信用风险的控制

一、基本概念1.信用：是指在交换过程中，交易一方以将来偿还的方式获得另一方的财、物或服务的能力。2.信用风险：是指由于交易对手（债务人）信用状况和履约能力上的变化导致债权人资产价值发生变动而遭受损失的可能性。

第一节信用风险概述二、信用风险案例分析美国次级抵押贷款危机自2007年8月全面爆发。该危机发端于美国次级抵押贷款市场的信用违约，后演变为席卷全球金融市场的系统性危机。

第一节信用风险概述2000-1至2003-6月连续13次降息利率从6.5%降至1%房地产市场进入牛市美国10个城市的房价指数由100上升至226金融管制放松次级信用借款人借次级抵押贷款2004-6至2006-6连续17次升息，利率从1%上调至5.25%

第一节信用风险概述二、信用风险案例分析次贷危机爆发始末2006-7开始房价指数开始下跌，至2009-3房价指数从226跌至153次级贷款的违约率迅速飙升次贷危机全面爆发三、信用风险的成因1.经济活动中的外在不确定性产生的信用风险，如经济运行的随机性、宏观调控、利率变化、汇率变化等；外在不确定性对整个市场都会带来影响，又称为“系统性风险”;

第一节信用风险概述三、信用风险的成因2.经济活动中的内在不确定性产生的信用风险：行为人的主观决策以及信息不对称原因导致的信用风险，如企业的管理能力，产品的竞争能力、生产规模,信用品质的变化直接影响其履约能力；内在不确定性产生的风险又称为“非系统性风险”;

第一节信用风险概述

四、信用风险的特征1.风险概率分布的左偏性

信用风险的分布不是对称的，而是有偏的。这种特点是由贷款信用违约风险造成的，贷款收益和损失的不对称，造成了信用风险概率分布的偏离。

第一节信用风险概述

四、信用风险的特征

第一节信用风险概述

四、信用风险的特征2.信用悖论(creditparadox)现象与市场风险相比，信用风险管理存在着信用悖论：即理论上讲，当银行管理存在信用风险时应将投资分散化，多样化，防止信用风险集中。然而在实践中，由于对客户信用状况的了解主要来源于长期的业务关系，因此，银行常常倾向于将贷款投向有限的老客户，使得银行信用风险很难分散化。

第一节信用风险概述

四、信用风险的特征3.信用风险数据的获取难度大由于信用资产的流动性较差，信用交易存在明显的信息不对称性以及贷款持有期长、违约事件频率少等原因，信用风险不像市场风险那样具有数据的可得性。

第一节信用风险概述

四、信用风险的特征3.信用风险数据的获取难度大这一特征导致：①信用风险定价模型有效性检验的困难。②信用风险的衡量比市场风险的衡量困难得多，也成为造成信用风险的定价研究滞后于市场风险量化研究的原因。

第一节信用风险概述

四、信用风险的特征信用风险与市场风险的比较

第一节信用风险概述

一、信用风险的定性度量方法传统的信用风险管理方法主要运用定性方法。1.专家制度法是由一些富有经验的专家凭借自己的专业技能和主观判断，对贷款企业的一些关键因素权衡以后，评估其信用风险，做出相应的信贷决策的方法。

第二节信用风险的度量

一、信用风险的定性度量方法传统的信用风险管理方法主要运用定性方法。1.专家制度法最常见的就是5C分析法：主要从借款人的道德品质（Character）还款能力（Capacity）资本（CapitalorCash）抵押（Collateral）经营环境和商业周期（ConditionandCycle）五个方面定性分析以判别借款人的还款意愿和还款能力。

第二节信用风险的度量

一、信用风险的定性度量方法2.信用风险评级法信用风险评级是常用的信用风险评估方法。本质上，评级体系依靠的是对所有因素的全面考虑以及分析人员的经验，而不是数学建模。换言之，评级结果在一定程度上依赖于评级人员的主观判断。

第二节信用风险的度量

一、信用风险的定性度量方法2.信用风险评级法西方市场常用的几种评级方法：（1）OCC的评级方法。信用评级法又叫OCC法，是因为这一方法是由美国货币监理署（OCC）最早开发出来的。

第二节信用风险的度量2023/2/119贷款评级与债券评级的对应贷款级别债券评级风险程度1AAA最小2AA温和3A平均（中等）4BBB可接受5BB可接受但要予以关注6B管理性关注7CCC特别关注8CC未达到标准9C可疑10D损失二、信用风险的定量度量方法1.信用度量制模型（CreditMetrics）CreditMetrics模型是由JP摩根、美国银行、KMV和瑞士银行等金融机构于1997年合作推出的一种专门用于对非交易性金融资产，如贷款和私募债券的价值和风险进行度量的模型。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型（CreditMetrics）CreditMetrics模型在应用时，本质上是根据债务人信用质量、信用等级转移以及违约事件来确定资产的市场价值分布，并基于信用资产价值分布来计算VaR.

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型（CreditMetrics）该模型要解决的问题是：如果下一个年度是一个坏年头的话，我们的贷款及贷款组合的价值将会损失多少？

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例5年期的固定利率贷款，年贷款利率为6%，贷款总额为100(百万美元),企业的信用等级为BBB，那么，该企业一年后的贷款现值为多少？

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第一步：确定借款企业信用等级转换的概率关于借款人信用评级级别在未来转换的概率情况可以从大的信用评级公司中获取。下面就是由标准—普尔公司所提供的一张借款人在一年期里信用等级转换概率的矩阵表。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第一步：确定借款企业信用等级转换的概率

表1一年期信用等级转换矩阵

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价贷款信用等级下降,对贷款所要求的信贷风险加息差就应当提高，因而其贷款的市值也就相应下降。信用等级上升，则会出现相反的效应。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价

可以依据下列公式计算出该笔贷款的市值(百万美元为单位)。

上式中，ri为财政零息债券的无风险利率；Si是每年的信用加息差。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价

现在我们假定：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：

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价

由上式可知，若借款人在第一年结束时信用等级从BBB级上升为A级，那么这100百万美元贷款(帐面值)的市值可上升为108.66百万美元。运用同样的方法，可以获得借款人信用等级转换到其它评级后的贷款市值金额。表2向人们展示了若借款人信用等级变化所导致贷款市值变化的情况。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价

表2不同信用等级下贷款市值状况

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价图1：5年期BBB级贷款的市值实际分布状况

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第二步：对信用等级变动后的贷款市值进行估价

图1展示了借款人信用等级转换后贷款市值的概率分布状况。可知贷款市值的概率分布并不是完全呈正态分布状的。因此，在这种概率分布条件下，人们在运用信用度量制方法计算贷款受险价值时就要计算出两种受险价值量(VaR)：第一，按照贷款市值呈正态分布状时,计算出该贷款的受险价值是多少；第二，按照贷款的实际分布状况,计算出该贷款的受险价值是多少。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型应用实例第三步：计算受险价值量(VaR)表3展示了在5%和1%最坏情景下(如大的灾年发生后)，如何围绕着贷款市值均值(期望值)计算出两种概率分布情况下的贷款受险价值。

第二节信用风险的度量

表3：BBB级贷款受险价值计算表

第二节信用风险的度量二、信用风险的定量度量方法

第二节信用风险的度量可以看到信用度量方法计算出的贷款受险价值可以比较准确的反映不同信用等级和不同期限的贷款在未来发生的价值损失值；同时，以受险价值来确定防范信用资产风险的最低资本量可以保证银行在遭受信用风险的情况下能够继续生存下去。二、信用风险的定量度量方法1.信用度量制模型（CreditMetrics）创新之处：第一次将信用等级的转移、违约率、回收率、违约相关性纳入到一个统一的框架，全面考虑对信用风险的度量，适用于几乎所有的信贷产品。

第二节信用风险的度量二、信用风险的定量度量方法1.信用度量制模型（CreditMetrics）局限性：该模型高度依赖于银行的内部评级系统或著名外部评级机构的评级结果。

第二节信用风险的度量二、信用风险的定量度量方法2.信用监控模型(KMV模型)美国的KMV公司利用期权理论创立了违约预测模型——信用监控模型，用来对上市公司和上市银行的信用风险进行预测。

第二节信用风险的度量二、信用风险的定量度量方法2.信用监控模型该模型使用了两个关系：第一，企业股权市值与它的资产市值之间的结构性关系；第二，企业资产市值波动程度和企业股权市值变动程度之间的关系。

第二节信用风险的度量二、信用风险的定量度量方法2.信用监控模型通过上述两个关系模型，可以求出企业资产市值及其波动程度。一旦所有涉及的变量值被算出，信用监测模型便可以测算出借款企业的预期违约频率（EDF）.

第二节信用风险的度量二、信用风险的定量度量方法3.信用风险量化模型（creditrisk+）该模型由瑞士信贷银行金融产品部开发。基本思想源于保险业，即保险损失源自被保事件的发生频率和事件发生后损失的价值。该模型适用于由小笔贷款组成的贷款组合。

第二节信用风险的度量一、贷款定价策略二、资产分散化策略三、贷款证券化四、风险资本比率约束机制

第三节信用风险的控制贷款证券化1.贷款证券化的含义

贷款证券化是运用各种结构化交易技术，将贷款组合组成贷款池，并对贷款池未来预期现金流进行分割，转换为资本市场可交易的、具有不同风险/收益特征的证券。

第三节信用风险的控制贷款证券化2.贷款证券化的作用从发起人的角度：可以增强资产流动性，拓宽收入来源；从投资者的角度：提供了多样化的投资选择，出现更多的合规投资；从金融市场角度：提供了新的筒子途径，提升了金融系统的安全性。

第三节信用风险的控制计算贷款的VAR值

首先，求贷款未来价值的均值和方差

E贷款未来价值=

Vi：每一信用等级下的贷款市值Pi：借款人信用等级转换到不同信用等级下的概率

其次，求VAR值。

VAR等于一定的置信度上，年末可能的贷款价值与贷款预期平均价值间的差距，即贷款的价值损失。

①假设贷款价值服从正态分布，则置信度为95％的VAR值为1．65×σ；置信度为99％的VAR值为2．33×σ。

②若基于贷款价值的实际分布，可利用转移概率矩阵和对应的贷款价值表近似计算不同置信度下的VAR值。贷款VAR值=贷款均值－给定置信度水平上年末可能的贷款价值

接前例：我们计算得出贷款市值的均值为107.09百万美元，贷款市值的标准差为2.99百万美元。①根据正态分布该贷款95%置信度下的受险价值为：1.65×2.99=4.93百万美元该贷款99%置信度下的受险价值为：2.33×2.99=6.97百万美元

②根据实际分布，计算VAR2023/2/150根据公式得到在5%的受险价值VaR=1.65*2.99=4.93百万美元；同样1%的受险价值为VaR=2.33*2.99=6.97百万美元；2023/2/151比较表，我们得到看到信用等级下的贷款价值低于102.02百万美元的概率为6.77%(=5.3%+1.17%+0.12%+0.18%);意味着可能遭受的损失达到107.09-102.02=5.07百万美元；同时分析贷款价值低于98.10百万美元的概率为1.47%(=1.17%+0.12%+0.18%);意味着可能遭受的损失达到107.09-98.10=8.99百万美元；因此这些方法低估了VaR；2023/2/152比较准确的方法由贷款市值的概率分布可知线性插值方法1.47%对应于98.10；0.3%对应于83.64；那么得到1%对应于92.29百万美元；因此1%的受险价值为107.90-92.29=14.80百万美元；债券级别市值概率％累计概率B98.101.17％1.47％CCC83.640.12％0.3％违约51.130.18％利用线性插值法可以计算1%概率下的贷款市值，设该值为x说明：100百万美元的贷款，一年后以99％的概率确信其市值不低于92.29美元。由于该贷款的均值为107.90美元，根据VaR的定义，

VaR＝107.09-92.29=14.80(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。2023/2/154可以看到信用度量方法计算出的贷款受险价值可以比较准确的反映不同信用等级和不同期限的贷款在未来发生的价值损失值；同时，以受险价值来确定防范信用资产风险的最低资本量可以保证银行在遭受信用风险的情况下能够继续生存下去。2023/2/155问题和挑战关于信用等级的迁移问题对于贷款金融资产进行风险管理关键之一是要得到信用转移概率，从而可以计算受险价值；但是要求之一是要求数据期限比较长；二来很多假设限制；人们假定信用等级迁移概率服从稳定的马尔科夫过程。而马氏过程的一个重要特点是目前的信用等级转换至其他信用等级的概率不依赖于过去；2023/2/156信用转移矩阵是稳定的，也就是意味着不同借款人、不同时期之间的信用等级转换不变化；人们使用的债权组合也会对矩阵的准确性产生影响；也即是债券的新旧程度对债券信用等级转换概率有着明显的影响；人们对使用债券等级转换概率矩阵来对贷款进行估价会出现偏差。贷款的结构；信用转移矩阵的计算很难。练习题有一笔2年期固定利率为8%的1000万元的贷款资产（利息每年末偿还一次），其当前的信用级别为A级，在第一年末时，考察其信用等级变动概率及相应的零息企业债券收益率如下表：假设该笔贷款的价值服从正态分布，请计算该笔贷款在置信度95%水平上的VaR。其中，在标准正态分布下。年初信用等级年末信用等级AAAAAABBBBBA0.09%2.27%91.05%5.52%1.07%未来零息企业债券收益率3.6%3.8%4.1%4.5%5.50%年初信用等级年末信用等级AAAAAABBBBBA0.09%2.27%91.05%5.52%1.07%零息企业债券年收益率3.6%3.8%4.1%4.5%5.50%80万元1080万元CreditRisk+模型瑞士信贷银行金融产品部开发的信用风险附加CreditRisk+模型运用家庭火险财产承保的思想，把违约事件模型化为有一定概率分布的连续变量，每一笔贷款都有着极小的违约概率并且独立于其他贷款。组合的违约概率的分布类似于泊松分布，因此根据泊松分布公式，可计算违约的概率:e=2.71828,m为贷款组合平均违约率*100，n为实际违约的贷款数量；金融风险管理，1.60违约损失=违约损失率LGD*风险敞口；把具有相近违约损失率的贷款划为一组，利用一定方法（风险暴露频段分级法）计算该组贷款的预期损失和非预期损失，获得违约损失分布；将每组数据汇总，获得全部的损失分布，再通过确定尾部分布，就可计算出对应置信水平下组合的风险值。CreditRisk+中没有违约原因的假设，所以不能像CreditMetrics或KMV那样用违约要素之间的相关性来代替违约本身的相关性金融风险管理，1.61CreditRisk+模型1、回顾泊松分布：

泊松分布：描述单位时间内（或指定范围内）随机事件发生次数的概率分布。

当一个随机事件（例如到达某公共汽车站等车的乘客、保险公司的索赔次数，等等）以固定的平均速率λ随机且独立地出现，那么这个事件在单位时间内出现的次数就近似地服从泊松分布。2、CreditRisk+模型CreditRisk+模型由瑞士信贷银行开发。CreditRisk+模型假设：贷款组合由小额贷款组成；每笔贷款违约是随机事件；单笔贷款的违约概率都不大；各贷款违约是相互独立的。如果以上假设条件成立，则可认为贷款违约数量服从泊松分布2023/2/1654、信用监控模型（creditmonitormodel）:KMV模型美国KMV公司利用期权定价理论创立了违约预测模型—信用监控模型，用来对上市公司和上市银行的信用风险（特别是他们的违约状况）进行预测。E股票价格收益/利润看跌期权多头利润看跌期权多头收益看跌期权空头利润看跌期权空头收益股票价格＜执行价格实值期权，应行权多头收益：E-St股票价格＞执行价格虚值期权，不行权多头收益为零

企业是否违约可看作是其向债权人购买的一份看跌期权，其收益为：

R=Max[E-ST,0]。

该期权以企业的所有资产为标的资产（ST），以债务的金额为执行价格（E），期权赋予了企业到期时是否按执行价格将全部资产卖给债权人。E（债务价格）资产价值ST收益看跌期权多头收益看跌期权空头收益ST＜E行权，即违约ST＞

E不行权，即偿还债务2023/2/167KMV模型KMV模型使用两个关系：企业股权价值与它的资产市值之间的结构性关系企业资产市值波动和企业股权市值变动程度之间的关系使用以上关系，测算借款企业的预期违约频率（EDF）2023/2/168KMV模型推导违约概率的过程：估计企业资产的市场价值及其波动性计算违约风险的指数度量—违约距离（DD）利用违约数据库将违约距离成比例地转换成预期违约频率(EDF)2023/2/169KMV模型银行发出一笔贷款，其得到的支付（或者报酬）类似与卖出一份借款企业资产的看跌期权。利用期权定价模型，风险贷款的价值取决于5个类似的变量价值：其中，E为企业股权价值，

A为资产价值，B为向银行的借款数，r为短期利率，为该企业的资产市值的波动性，为贷款期限。变量上方的横杠表可通过市场直接观察到看跌期权价值=风险贷款的价值=

S-标的资产价格，X期权执行价格，r-无风险利率，σS标的资产价格的波动率，τ-看跌期权的到期期限变量上方的横杠表可通过市场直接观察到。A-企业资产市值，B-债务数额，r-无风险利率，σA企业资产价值的波动率，τ-到期期限（=到期日-当前时刻=T-t）变量上方的横杠表可通过市场直接观察到。2023/2/171KMV模型第一步:企业股权市值的波动性与它的资产市值波动性之间存在理论关系：以上两式联立，可得到资产价值A及其波动性第二步：根据企业负债计算违约点B根据违约实证分析，违约点的资产市值=流动负债+长期负债*50%；第三步：计算违约距离利用违约点B、资产市值A及其波动性，可计算出违约距离DD违约距离DD=（资产市值A-违约点B）/资产市值的波动率第四步：计算预期违约概率EDF（ExpectedDefaultFrequency理论EDF：基于资产价值分布（如正态分布）计算，表位于违约点以下的面积大小。如假设资产价值服从正态分布，违约概率EDF=经验EDF：假设拥有大量的企业违约与不违约的历史数据和信息，可估计出期初在某给定违约距离DD的所有企业重中，在期末T时刻后发生企业的比例，即金融风险管理1.72KMV建立了一个包含6万个公共机构和280万个私人企业的数据库，其中有6000个公共机构和22万个私人企业的违约和破产案例2023/2/174KMV模型设定A为资产价值，B为违约点，为资产价值的波动性。2023/2/175KMV模型例：估计意见发行债券企业的预期违约频率：资产当前市值1000每年资产的期望净增长20%一年后资产的期望值1200年度资产波动性100违约点800则违约距离DD=（1200-800）/100=4+σA-σAt＝0t＝1E(V)＝100万F＝80万违约区域违约距离×σ2023/2/177KMV模型假定在某一时间点具有违约距离为4的企业总体共有5000个，一年后实际违约的有20个，则预期违约频率为EDF=20/5000=0.4%根据下表可应该类企业的信用评级为BBB-2023/2/178KMV模型标准普尔评级与ＫＭＶ的EDF值得影射标普评级ＫＭＶ的ＥＤＦ值(%)标普评级ＫＭＶ的ＥＤＦ值(%)ＡＡＡ(0.00,0.02]ＢＢ(0.86,1.43]ＡＡ＋(0.02,0.03]ＢＢ－(1.43,2.03]ＡＡ(0.03,0.04]Ｂ＋(2.03,2.88]ＡＡ－(0.04,0.05]Ｂ(2.88,4.09]Ａ＋(0.05,0.07]Ｂ－(4.09,6.94]Ａ(0.07,0.09]ＣＣＣ＋(6.94,11.78]Ａ－(0.09,0.14]ＣＣＣ(11.78,14.00]ＢＢＢ＋(0.14,0.21]ＣＣＣ－(14.00,16.70]ＢＢＢ(0.21,0.31]ＣＣ(16.70,17.00]ＢＢＢ－(0.31,0.52]Ｃ(17.00,18.25]ＢＢ＋(0.52,0.86]Ｄ(18.25,20.00]金融风险管理1.79金融风险管理，1.80金融风险管理，1.81§3信用风险的控制一、信用风险的分散化与信用风险组合管理二、以信用衍生产品管理信用风险一、信用风险的分散化与信用风险组合管理信用风险一般属于个体风险（非系统风险），因此，根据资产组合理论，信用资产组合（比如贷款组合）的风险小于单个资产的风险。信用风险悖论与单个金融机构的系统性信用风险

信用风险悖论paradoxofcredit：贷款机构往往忽视信用风险的分散化，常常将贷款集中在一个特定的行业或地区范围内，这就导致违约风险的相关性更高。

单个金融机构的系统性信用风险：一个金融机构对某些行业或地区的信用达到一定程度而出现的信用风险集中现象。当这类风险集中到一定程度时，就可能会给该金融机构造成巨大损失，甚至导致其无法正常运行，比如美国的次贷危机。金融衍生工具1、信用违约互换（CreditDefaultSwap）--（实质上是一种信用违约保险而非真正意义上的互换）