金融学外文翻译-西方商业银行信用风险的度量

外文原文ToleranceoftheCreditRisksofCommercialBankCommercialbankmainmodelandmethodincludingtraditioncreditrisks,creditofmanagementmeasuremethodandbasedonVARmoderncreditrisksmeasuremodel.Amongthem,traditionalcreditrisksmeasuremethodincludeexpertsystemcamphortreelaw,creditpointsystemandneuralnetworkmodel,andbasedonVARmoderncreditrisksmeasuremodelincludeKMVmodel,surtaxmodel,modelofCredit-MetricsandcreditrisksofCSFP.Expertsystemmodellawbeforeoneyear,financialinstitutionisitanalyzeordeterminethenatureanalyticalmethodnottoweighcreditrisks,enterpriseofloansubjectivelytorelyonmainly,thiskindofmethodiscalledtheexpertsystemmodels.Suchasclassical"6Claw"-Bythemoralityaboutexpert'sfoundationdebtor(character),ability(capacity),capital(capital),pledge(collateral),managementenvironment(condition)andcontinuity(Continuity)ofundertakingsixfactorevaluatecreditworthinessandcomprehensiverefundabilitytheir,determinewhethertogranttheloanfinallyornot.Whetherclassicalcreditisitstoressomedefectsintoanalyze,mainlyshowinginthefollowingaspects.①Riskthatthehumanfactorbrings.②Followingtheseriousbureaucraticstyleofwork.Creditpointsystemtoreflectdebtoreconomicsituationorinfluencedebtorseveralindexes(suchasthefinancialrateoftheborrowingenterprise),creditofstateentrusttocertainweight,receiveandreflectcreditthedividingvalueorthevalueofprobabilityinbreachsyntheticallyofthecreditstatethroughsomespecificmethods,andisitisitpayloangrantandloanfixedpricetodeterminetocomecomparedwithbasicvalueit.WhetherZvaluemodelproposebyAltman,adoptfivefinancialindexes(5financialindextheseon1968.Xl=Networkingcapital/totalassets,X2=Retaintheincomes/totalassets,X3=EBIT/totalassets,X4=Benefitmarketvalue/thebookvalueofthedebt,X5=Theincomefromsales/totalassets)calculatetheweighting,implementcredittomarktotheborrowingenterprise,comparetotalpointswithcriticalvalue,distinguishthebankruptcompanyandnotgobankruptinthecompany,willnotgranttheloantothebankruptenterprise.1977,Altman,Hardeman,MahayanaisitsetupcategorizedaccuracyhigherZETAmodeltoexpandtogoontoprimitiveZvaluemodel.1995,astoprivatecompany,AltmanrevisetoZvaluemodel,countingbyZ'valuemodel.Atpresent,themaindefectofthiskindofmodelislackingtheessentialhistoricalrecordmaterial.Theneuralnetworkmodelroughlyimitatesthethoughtprocessofhumanbrainandartificialintelligencesystemofthelearningmethod.Neuralalgorithmofnetworkwhetheronegroupinput,carryonmathematicsisitproducethroughtransferfunctiononeexporttochangeandthen.ForeignAltmanandVrettos,CoatsandFans,etcalltrytousethislaw,receivecertainresult.Someoneusessuchmethodsastheneuralnetwork,etc.tocarryontheappraisalofriskofcredittothecommercialbanktooinourcountry.Butneuralmodelheavyshortcomingthattheirrandomnessofworkingisrelativelystrongmost,andneedtodebugartificially.Consumealargeamountofmanpowerandtime.Thenervenetworkmodelimitatestheperson'sartificialintelligencesystemofthebrainthinkingprocessandthestudymethodmostly.Thecalculatewayofthenervenetworkisanimportation,andthenpasstoconvertthefunctiontocarryonmathematicsconversiontoproduceanexportationof.AltmanandVrettos,CoatesandFansetc.excessesoftheabroadalltriedtomakeuseofthismethod,beingsubjectedtothecertainresult.Someoneappliesalsothenervenetworketc.themethodcarriesonthecreditriskevaluationtothecommercialbank.However,thebiggestweaknessofthenervemodelistherandomthatitworksstronger,andneedtheartificialtoadjusttotry.Wasteagreatdealofmanpowerandtimes.TheModeloftheKMVistheestimatetotheborrowfundsthebusinessenterprisedefaultallrateofmethod.First,itmakesuseoftheBlack-Stolesthreeoptionlistpriceformula,theaccordingtomotionofthemarketvalue,thepropertyvalueofthebusinessenterpriseproperty,expiretime,thecalminsurancetoborrowinterestrateandowedebtfacestobeworthtoestimateamarketvalueofbusinessenterpriseownershipofashareanditundulatessex,computeadefaultimplement(theDefaultExercisePoint,forbusinessenterpriseayearfollowingthevalueofshort-termobligationplusdon'tlong-termobligationofpurefacethevalueofhalf)ofcompanyaccordingtotheliabilitiesofthecompanyagain,thenthecalculationborrowfundstheperson'sdefaultdistance,theendisapartfromtobreakcontracttherate(EDF)itswithexpectationaccordingtodefaultofthebusinessenterpriseofbeganexpectationdefaultrateofbusinessenterprisetowardsshouldrelateto.ThemodelofCredit-MetdcswascreditriskthatJ·Prootdevelopsin1997tocalculatemodel.Itisanestablishmentontheusefulnessfoundationofreputationratingsystemof.Theusefulnessofreputationratingsystemmeansthatinvestmentinenterprisefailure,profitsdescend,marginoutletdriedupetc.Reputationaffairsappeartowardsfulfillcontractinfluenceofabilitycanintimeandfittinglythroughvarietybodyofitsreputationgrade.Becauseoftheoccurrenceofreputationaffairs,willproduceinfluencetoreputationgradeofbusinessenterprise,themarketvalueofitsreputationtoolalsotakesplacehomologousvarietybyallmeans.Thatmodelisananglethatcombinedfromtheproperty,notangleoftheonepropertytotreatthecreditrisk.Itpassestocontrastthecombinationtocontribute(theaveragelimitriskcontribute=augmentativeriskofcombinationbecauseofincreaseonesomereputationtool,themarketofreputation'stoolvalue)inthelimitriskofeachreputationtool,thereputationgradeofareputationtool,exposedegreewithrelatedcoefficientanditsrisksofotherpropertiesetc.endturnbasisforthequantitythattheletterloanofinvestormakespolicytoprovidescience.TheCSFPcreditriskaffixturecalculatestheCredit-Metricsdissimilaritythatthemodelandconductandactionsstareatthecitymodel(MTM),itisabreakcontractmodel(DM),itisnottheriseandfallofthereputationratingandchangewiththisrelatedreputationexcessfaretoseeasapartofVAR(creditrisk)forlendmoney,butseedoonlyisthemarketrisk,itatanyperiodconsidertobreakcontractanddon'tbreakcontractthesetwokindsofaffairsappearancesonly,lossthatcalculatetoexpectanddidnotexpect,butbeunlikeintheCredit-Metricsvaluethatgenerouscharacterexpectandthevaluevarietythatdidnotexpect.IntheCSFPcreditriskaffixturecalculatemodel,breakcontractalltherateisnolongerlong-lost,butwascertainlychangeintohavebythemodelalltheratedistributeofchangequantitycontinuously.TheEachloanwasseetodosmallalltheratebreakscontracttheaffairs,andthedefaultofeachloanallratesareallindependenttheinotherloans,thus,thelendingmoneythecombinationthedefaultalltheratedistributestoneartheloosentodistribute.CSFPcreditriskaffixturecalculatesthemodelconsiderationbreakcontractallthedifferentfromloseindeterminationofthesize,calculateallrateandlosethesizeandcangetallyofindeterminationoftheratethesegmentdistributeslose,addingtoalllossesofsegmentoftotalforlendmoneythecombinationoflossdistribute.Above-mentionedthreedifferentiationsofthemodelscaninduceforsixaspectsofthefollowing:First,definitionaspectintherisk,themodelofCredit-MetricsbelongstothemodelofMTM;TheCSFPcreditriskaffixturecalculatesthemodeltobelongtothemodelofDM;AndmodelofKMVsincecanbeconsiderasthemodelofMTM,alsocanbeconsiderasthemodelofDM.Second,drivethefactoraspectintherisk,inmodelofKMVandCreditMetrics,theriskdrivesthefactorisbusinessenterprisepropertyvalueanditundulatessex;ButintheCSFPcreditriskaffixturecalculatemodel,theriskofkeydrivesfactorisavariabledefaultratetoallbeworthintheeconomy.Third,themotionaspectinthereputationaffairs,intheCreditMetrics,breakcontractalltheratewaschangeintobythemodelaccordingtothehistorydataoffixed,orlong-lostvalue;ButdifferentfromCSFPcreditriskaffixturecalculateinthemodel,defaultallrateisvariable,butobedienceinthemodelofKMValltheratedistribute.Fourth,relativityaspectinreputationaffairs,eachmodelhasdifferentrelativitystructure,themodelofKMVandCreditMetricsaretochangequantitymorepositive;ButtheCSFPcreditriskaffixturecalculatethemodeltosupposeorbreakcontractrelativityoftheratewithexpectationindependently.Fifth,atrecoveryrateaspect,inthesimpleformofthemodelofKMV,recoveryrateisaconstant;IntheCSFPcredittheriskaffixturecalculatemodel,losingseriousdegreewasgathertogetherintegralcombinesdemarcationasdifferentsegmentofrecoveryrateistheconstantinthesegmentof;InthelatestversionofthemodelofKMV,recoveryrateisrandom;InCreditMetricsandbewillingtothetinmodel,therecoveryratealsoisrandom.Sixth,aspectsofcalculatingthemethod,CreditMetricstoindividualloanorloanthecombinationadoptionanalyzesthemethodtocarryoncalculate,combiningtothenadoptMonteCarlotothelarge-scaleloanemulationtechniquecarriesoncalculate;themodelofKMVandCSFPcreditriskaffixturescalculatethemodeladoptionanalysismethodtocarryoncalculate.Eversincethattimein1996,theBaselagreementruledtouseforassurancethataninternalmodelofcapitaloftheriskmistedbetotakeVaryasthebasalmodel,theVarybecamemostpopularrisktomanagethemodelcurrently.Notonlycancarryonquantity'sturntothecreditriskofdebtoroftheone,moreimportantcancarryonmeasuretoconcentratedriskofdebtorofwholelineandreputationofitsrelatedcommunities,butalsocanpressprofession,term,category...etc.tocarryonquantitytoturnmeasurementdecompositionrisksourceaccordingtotheVarycreditriskgenerouscharactermodel.Theriskdegreethatcancontributetomanagertocontroltradeandinvestintimeandaccuratelythus.Inaddition,thetraditionalcreditriskofbankanalysismainlypaysattentiontolossthattheobligationfacestomakeunderdefaultcondition,butneglectedlossthatthedebtorreputationnaturalintelligencethedynamicstatevarietycause,butthoughtandoperationsofthemodelhavetocertainlydrawlessonsfromthemeaningtowardsimprovingthecommercialbankcreditriskmanage.中文译文西方商业银行信用风险的度量商业银行信用管理的主要模型和方法包括传统的信用风险度量方法和基于VAR的现代信用风险度量模型。其中，传统的信用风险度量方法又包括专家系统模型法、信用评分法和神经网络模型，而基于VAR的现代信用风险度量模型又包括KMV模型、CreditMetrics模型和CSFP信用风险附加模型。专家系统模型法是在20年前，金融机构主要依赖主观分析或定性分析方法衡量企业贷款的信用风险，这种方法称为专家系统模型。如经典的“6C法”—由有关专家根据借款人的品德(character)、能力(capacity)、资本(capital)、抵押品(collateral)、经营环境(condition)和事业的连续性(Continuity)等六个因素评定其信用程度和综合还款能力，决定是否最终发放贷款。经典的信用分析存在着一些缺陷，主要表现在:①人的因素所带来的风险。②伴随着严重的官僚主义作风。信用评分法是将反映借款人经济状况或影响借款人信用状况的若干指标(如借款企业的财务比率)赋予一定权重，通过某些特定方法得到反映信用状况的信用综合分值或违约概率值，并将其与基准值相比来决定是否给予贷款发放以及贷款定价。Z值模型由Altman于1968年提出，采用五个财务指标(这5个财务指标是:Xl=营运资本/总资产，X2=留存收益/总资产，X3=EBIT/总资产，X4=权益市场值/债务的账面值，X5=销售收入/总资产)进行加权计算，对借款企业实施信用评分，并将总分与临界值比较，区分破产公司和非破产公司，对于破产企业将不发放贷款。1977年，Altman、Hardeman和Nahayana对原始的Z值模型进行了扩展建立了分类准确度较高的ZETA模型。1995年，对于非上市公司，Altman对Z值模型进行了修改，得到了Z'计值模型。目前，这类模型的主要缺陷是缺乏必要的历史纪录材料。神经网络模型是大致模拟人脑思维过程及学习方法的人工智能系统。神经网络的算法是一组输入，再通过转换函数进行数学转换产生出一个输出。Altman和Vrettos、Coats和Fans等都尝试过运用此法，受到一定效果。有人也应用神经网络等方法对商业银行进行信用风险评价。然而，神经模型的最大缺点就是其工作的随机性较强，而且需要人工调试.耗费大量人力与时间。KMV模型是估计借款企业违约概率的方法。首先，它利用Black--Stoles三期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性，再根据公司的负债计算出公司的违约实施(DefaultExercisePoint，为企业一年以下短期债务的价值加上未清偿长期债务账面价值的一半)，然后计算借款人的违约距离，最后根据企业的违约距离与预期违约率(EDF)之间的对应关系，求出企业的预期违约率。Credit-Metrics模型是J·P·摩根1997年开发的信用风险计量模型。其是建立在信用评级体系的有效性基础上的。信用评级体系的有效性是指企业投资失败、利润下降、融资渠道枯竭等信用事件对履约能力的影响都能及时恰当地通过其信用等级的变化体现出来。由于信用事件的发生，对企业的信用等级会产生影响，其信用工具的市场价值也必然发生相应的变化。该模型是从资产组合的角度，而不是单一资产的角度来看待信用风险的。它通过对比组合中各信用工具的边际风险贡献(平均的边际风险贡献=组合因增加某一信用工具而增加的风险，该信用工具的市场价值)，进而分析每种信用工具的信用等级、与其他资产的相关系数以及其风险暴露程度等各方面因素，可以看出各信用工具在整个组合的信用风险中的作用，最终为投资者的信贷决策提供科学的量化依据。CSFP信用风险附加计量模型与作为盯市模型(MTM)的Credit-Metrics不同，它是一个违约模型(DM)，它不把信用评级的升降和与此相关的信用价差变化视为一笔贷款的VAR(信用风险)的一部分，而只看作是市场风险，它在任何时期只考虑违约和不违约这两种事件状态，计量预期到和未预期到的损失，而不像在Credit--Metrics中度量预期到的价值和未预期到的价值变化。在CSFP信用风险附加计量模型中，违约概率不再是离散的，而被模型化为具有一定概率分布的连续变量。每一笔贷款被视做小概率违约事件，并且每笔贷款的违约概率都独立于其他贷款，这样，贷款组合违约概率的分布接近泊松分布。CSFP信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，计量违约概率和损失大小可以得出不同频段损失的分布，对所有频段的损失加总即为贷款组合的损失分布。上述三模型的区别可归纳为以下六个方面:第一，在风险的界定方面，Credit-Metrics模型属于MTM模型；CSFP信用风险附加计量模型属于DM模型；而KMV模型既可被当作MTM模型，也可被当作DM模型。第二，在风险驱动因素方面，在KMV模型和Credit-Metrics中，风险驱动因素是企业资产价值及其波动性；而在CSFP信用风险附加计量模型中，关键的风险驱动因素是经济中可变的违约率均值。第三，在信用事件的波动性方面，在Credit-Metrics中，违约概率被模型化为基于历史数据的固定的、或离散的值；而在KMV模型和CSFP信用风险附加计量模型中，违约概率是可变的，但服从于不同的概率分布。第四，在信用事件的相关性方面，各模型具有不同的相关性结构，KMV模型和Credit-Metrics是多变量正态；而CSFP信用风险附加计量模型是独立假定或与预期违约率的相关性。第五，在回收率方面，在KMV模型的简单形式中，回收率是不变的常数；在CSFP信用风险附加计量模型中，损失的严重程度被凑成整数并划分为不同的频段，在频段内回收率是不变的；在KMV模型的最新版中，回收率是随机的；在Credit-Metrics麦肯锡模型中，回收率也是随机的。第六，在计量方法方面，Credit-Metrics对个别贷款或贷款组合采用分析方法进行计量，对大规模贷款组合则采用蒙地卡罗模拟技术进行计量;KMV模型和CSFP信用风险附加计量模型采用分析方法进行计量。自从1996年，巴塞尔协议规定用于确定风险的资本充足率内部模型必须是以VaR为基础的模型，VaR成为目前最为流行的风险管理模型。基于VaR的信用风险度量模型不但可以对单一的债务人的信用风险进行量化，更重要的是可以对全行的债务人及其相关群体的信用集中风险进行测度，而且可以按行业、期限、种类等进行量化测定分解风险来源。这样可以有助于管理人员及时、准确地掌握交易和投资的风险程度。此外，银行传统的信用风险分析主要注重违约条件下债务账面制的损失，而忽视了债务人信用资质动态变化所引起的损失，而模型的思想及操作对改进商业银行信用风险管理有一定借鉴意义。基于C8051F单片机直流电动机反馈控制系统的设计与研究基于单片机的嵌入式Web服务器的研究MOTOROLA单片机MC68HC（8）05PV8/A内嵌EEPROM的工艺和制程方法及对良率的影响研究基于模糊控制的电阻钎焊单片机温度控制系统的研制基于MCS-51系列单片机的通用控制模块的研究基于单片机实现的供暖系统最佳启停自校正（STR）调节器单片机控制的二级倒立摆系统的研究基于增强型51系列单片机的TCP/IP协议栈的实现基于单片机的蓄电池自动监测系统基于32位嵌入式单片机系统的图像采集与处理技术的研究基于单片机的作物营养诊断专家系统的研究基于单片机的交流伺服电机运动控制系统研究与开发基于单片机的泵管内壁硬度测试仪的研制基于单片机的自动找平控制系统研究基于C8051F040单片机的嵌入式系统开发基于单片机的液压动力系统状态监测仪开发模糊Smith智能控制方法的研究及其单片机实现一种基于单片机的轴快流CO〈,2〉激光器的手持控制面板的研制基于双单片机冲床数控系统的研究基于CYGNAL单片机的在线间歇式浊度仪的研制基于单片机的喷油泵试验台控制器的研制基于单片机的软起动器的研究和设计基于单片机控制的高速快走丝电火花线切割机床短循环走丝方式研究基于单片机的机电产品控制系统开发基于PIC单片机的智能手机充电器基于单片机的实时内核设计及其应用研究基于单片机的远程抄表系统的设计与研究基于单片机的烟气二氧化硫浓度检测仪的研制基于微型光谱仪的单片机系统单片机系统软件构件开发的技术研究基于单片机的液体点滴速度自动检测仪的研制基于单片机系统的多功能温度测量仪的研制基于PIC单片机的电能采集终端的设计和应用基于单片机的光纤光栅解调仪的研制气压式线性摩擦焊机单片机控制系统的研制基于单片机的数字磁通门传感器基于单片机的旋转变压器-数字转换器的研究基于单片机的光纤Bragg光栅解调系统的研究单片机控制的便携式多功能乳腺治疗仪的研制基于C8051F020单片机的多生理信号检测仪基于单片机的电机运动控制系统设计Pico专用单片机核的可测性设计研究基于MCS-51单片机的热量计基于双单片机的智能遥测微型气象站MCS-51单片机构建机器人的实践研究基于单片机的轮轨力检测基于单片机的GPS定位仪的研究与实现基于单片机的电液伺服控制系统用于单片机系统的MMC卡文件系统研制基于单片机的时控和计数系统性能优化的研究基于单片机和CPLD的粗光栅位移测量系统研究单片机控制的后备式方波UPS提升高职学生单片机应用能力的探究基于单片机控制的自动低频减载装置研究基于单片机控制的水下焊接电源的研究基于单片机的多通道数据采集系统基于uPSD3234单片机的氚表面污染测量仪的研制基于单片机的红外测油仪的研究96系列单片机仿真器研究与设计基于单片机的单晶金刚石刀具刃磨设备的数控改造基于单片机的温度智能控制系统的设计与实现基于MSP430单片机的电梯门机控制器的研制基于单片机的气体测漏仪的研究基于三菱M16C/6N系列单片机的CAN/USB协议转换器基于单片机和DSP的变压器油色谱在线监测技术研究基于单片机的膛壁温度报警系统设计基于AVR单片机的低压无功补偿控制器的设计基于单片机船舶电力推进电机监测系统基于单片机网络的振动信号的采集系统基于单片机的大容量数据存储技术的应用研究基于单片机的叠图机研究与教学方法实践基于单片机嵌入式Web服务器技术的研究及实现基于AT89S52单片机的通用数据采集系统基于单片机的多道脉冲幅度分析仪研究机器人旋转电弧传感角焊缝跟踪单片机控制系统基于单片机的控制系统在PLC虚拟教学实验中的应用研究基于单片机系统的网络通信研究与应用基于PIC16F877单片机的莫尔斯码自动译码系统设计与研究基于单片机的模糊控制器在工业电阻炉上的应用研究基于双单片机冲床数控系统的研究与开发基于Cygnal单片机的μC/OS-Ⅱ的研究基于单片机的一体化智能差示扫描量热仪系统研究基于TCP/IP协议的单片机与Internet互联的研究与实现变频调速液压电梯单片机控制器的研究基于单片机γ-免疫计数器自动换样功能的研究与实现HYPE