搜索
1第三章：信用风险度量与管理MeasuringtheCreditRisk28.CreditRisk29.ExtendingtheVARApproachtoNon-tradableLoans30.DefaultRisk:QuantitativeMethodologies31.LossGivenDefault32.PortfolioEffects:RiskContributionandUnexpectedLosses33.MeasuringandMarkingCounterpartyRisk34.CreditRisksandCreditDerivatives35.CreditDerivativesandCredit-LinkedNotes36.TheStructuringProcess37.CashCollateralizedDebtObligations38.CreditDerivatives39.StudiesonCreditRiskConcentration40.Securitization41.UnderstandingtheSecuritizationofSubprimeMortgageCredit42.InnovationsinCreditRiskTransfer:ImplicationsforFinancialStability衡量信用风险28.信用风险29.将VAR方法拓展到不可交易贷款30.违约风险：数量方法31.给定违约的损失32.证券组合效应：风险贡献度和非期望损失33.衡量并记录对手风险34.信用风险和信用衍生品35.信用衍生品和信用相关票据36.构建过程37.现金担保债务责任综合担保债务责任38.信用衍生品39.信用风险集中度40.证券化41.理解次级抵押贷款的证券化42.信用风险转移的创新：金融稳定性的含义228.信用风险信用评级考点28.1识别标普,穆迪和惠誉国际这三家公司对投资级和非投资级债券的评级国际上著名的信用评级机构有标准普尔，穆迪和惠誉国际。标普和穆迪的评级分类如下图所示，惠誉国际的标准与标普相似。债券评级的基础:现存债务的数量债券发行人的现金流稳定性,发行人按时归还债务本金和利息的能力,资产受到的保护,管理能力。根据这些标准的变化，信用评级也会随之调整。违约率和回收率之间的关系考点28.2讨论违约率和回收率之间的关系下表为20年的累计违约率，比如评级为A的债券在第五年底违约的概率是0.472%，如果要计算两年之间的违约可能，只要去两年违约率之差即可。3从上表中我们可以发现，刚开始信用评级较高的发行人的评级更有可能随着时间推移而降低，而一开始信用评级较低的发行者的违约率显示出不断降低的增长率，这意味着这些发行人的情况更有可能会在未来有改善。回收率当发行人破产时,债权人仍然有可能收回部分债务,而不是所有本利都无法回收,这部分回收的金额在总的额度中所占比重为回收率。历史数据表明回收率和违约率负相关，违约率越高回收率会越低。违约概率考点28.3从债券价格来预测违约可能性违约的可能性可以通过债券价格来进行估计，我们假设债券价格比相同的无风险债券低的原因就是存在违约可能，但是要注意的是这个假设是不完善的因为造成价格不同的原因也可能是流动性程度不同。风险中性和真实世界违约率考点28.4计算风险中性和真实世界违约率4从债券收益率推算出来的违约率又称风险中性违约率，从历史数据中得到的违约率称做真实世界违约率(物理可能性)。所有的公司债券的期望超额回报是风险中性违约率和真实违约率之差。非系统性风险很难被分散因为分散风险需要持有数百个公司的债券，因此债券投资者期望获得超额回报作为承受非系统性风险的回报。由于风险中性概率计算了预期未来现金流的现值，因此在估计违约风险对债券定价影响的过程中应该使用它来进行。而真实世界违约率应该用于计算违约损失的情景检验中。Merton模型考点28.5用merton模型来预测违约率和股票价格在merton模型中,公司股票的价值可以用一个欧式看涨期权来模拟。如公司总价值小于债券价值则会发生违约，股票价值为零。如果公司价值大于债券价值，那么股票价值等于公司价值减去债券价值。这相当于一个行权价格等于公司债务价值的看涨期权。对手信用风险考点28.6描述衍生品市场的对手信用风险,确解释其如何影响定价测算衍生品的信用风险暴露要比测量普通的贷款风险暴露要复杂,因为衍生品本身的违约更加有不确定性。金融机构持有衍生品合约，则会有三种可能的情况出现：1.合约是债务,对于期权空头来说,合约总是一笔债务,没有任何违约风险；2.合约是资产,一旦对手破产,那么会立刻面临损失；3.合约可能是资产也有可能是负债,比如一个远期合约。对手风险有不确定性，如果对自己有利,那么自己将面临信用风险,如果是对对方有利,那么对方将承担信用风险。风险中性期望损失=违约率*违约损失*E[max(Fi,0)]在第一种情况下，违约损失是零所以不需要做出调整。在第二种情况下，对手信用风险敞口不会为负。而在第三种情况下，敞口不确定，金融机构可以用模拟法来模拟可能的敞口。正方向风险,交易对手在风险暴露为零时有可能会违约,反方向风险,当风险暴露很大时有可能违约。信用缓和方法考点28.7描述下述信用缓和方法（1）净值结算（2）担保品（3）引发向下评级5净值结算。比如A欠了B五千万，B欠了A四千万，那条款约定，A只需偿还B剩下的一千万。担保品。当合约价格比预先设定的某个值高时，这部分的差价将被担保。也就是说，担保品的价值应该等于合约价格与设定值的差价。引发向下评级。当向下评级被引发时，一方有权力退出合约。模拟违约相关系数考点28.8就违约时间讨论Gaussiancopula模型该模型假定所有的公司最终都将违约。模型使用风险中性违约概率或者真实世界违约概率来计算公司间违约相关系数，他提供了公司违约的可能性。629.将VAR方法拓展到不可交易贷款传统度量信用风险方法考点29.1描述传统度量信用风险方法（1）专家判断法（2）评级系统（3）信用评分模型传统度量信用风险的方法仅仅针对违约概率，它们不能度量发生违约时的损失，也不能衡量信用评级下调或上调带来的损失。1.专家系统专家系统是基于专家的主观判断，这种方法的一个例子是5C评定。Character（特征，公司的诚信度，承诺等）。Capital（资本，公司权益和负债的关系）。Capacity（能力，公司还贷款和利息的能力）。Collateral（担保品）。Cycle（经济周期对信用风险的影响）。2.评级系统外部系统包括穆迪和标普。信用评级对提高银行信用卡业务和直接贸易信贷的效率也有帮助。内部系统包括Through-the-cycle和At-the-point。前者提供了在最差经济周期中的违约概率，更适用于做出借款决定。后者更适用于资本配置。3.信用分数模型模型通过打分来区分借款人质量，而这个分数可以被转换为违约的概率。这个模型更加客观，成本也更加低廉。不足之处在于数据的局限性和模型只能捕捉线性关系。估计违约概率考点29.2在估计违约概率中，比较结构模型（Structuralmodel）和简化型模型1.options-theoreticalstructure方法运用权益价格和无风险债券价格。2.简化型方法运用有风险债券价格。从两个模型得出的违约概率都被加入到VaR模型中在估计损失的大小。Merton模型考点29.3描述Merton期权理论模型来估计违约风险Merton模型将一个有负债的公司的权益价值视作一个对于公司资产的看涨期权。这个对于公司资产看涨期权的执行价格是公司债务的价值。在债券到期时，权益的价格等于零和资产价值债券价值差的大者。Merton模型所需要输入的变量有资产的市场价值，资产价值的波动性，无风险收益率，到期时间，以及行权价格(债券票面价值)。7Merton模型在计算违约距离时是假设资产价值符合对数正态分布但是是用正态分布的性质来计算违约概率，可能造成结果的低估。CreditGrades模型假设了一个随机对数正态分布的违约下界。它允许违约点的不连续跳跃来增加被低估的违约概率。这个模型的数据都是可以直接获得的，包括：每股债务数，平均债务回收率，构造的分布的标准差，初始股票价格，当前股票价格以及隐含的股票波动性。计算违约概率考点29.4描述投资收益差，违约可能性间的关系，并且用投资收益差来计算违约概率违约强度模型假设违约是随机发生的，模型将债券的信用价差分解来估计违约概率和违约损失。CS是信用价差，是有风险债务收益率与分风险收益率之差。违约概率也可以用以下公式计算：累计违约概率专用的VAR模型考点29.5描述在信用风险度量中，CreditMetrics和Algorithmics专利VAR模型CreditMetrics用了历史违约概率，然后放入一个转换矩阵来度量信用风险。而Algorithmics模型联系到了市场风险，信用风险和流动性风险。830.违约风险，定量分析考点30.1描述Merton模型如何被用作与企业证券定价的，包括他的假设，优点和缺点。讲述证券持有人根据米勒模型的清算。Merton模型假设1.公司基本结构为权益和简单债券，并且债券为zero-coupon债券。2.违约仅仅在到期时发生。3.公司价值是可观测的，并且服从对数分布。4.无风险利率是恒定的。5.在权益人和债权人之间没有磋商的可能。6.公司不需做流动性调整。Merton模型的优点是简单且直观。缺点是假设条件在实际运用中不是很符合情况。KMV方法考点30.2描述穆迪KMVCreditMonitor模型如何用权益价格来估计违约可能。比较KMV模型和米勒模型KMV模型是建立在Merton模型基础上并且对Merton模型的不足做了一些调整，最主要的是针对Merton模型所有债务有相同到期日和公司价值服从对数正态扩散过程的假设。KMV模型假设有两种债务，第一种的到期日在设定的时间之前，第二种在设定到期日之后。到期价值是两种债务的线性组合。违约的临界值实际上是公司负债的面值。在用KMV计算违约概率时首先需要得到DD（违约距离）。9得到违约距离之后，我们可以得到违约的频数分布也就是违约概率。因为资产收益率是对数分布的，所以更加精确的DD计算方法为：Merton模型使用市场数据，如股票价值与资本结构来预测违约率，但该模型依赖于下述不合实际的假设。KMV模型是基于Merton模型，假设仅发行有两类债务工具，并在不同时间到期。该模型使用某种基于未遇的历史数据的特定算法来计算得出期望的违约频率EDF。信用评分模型考点30.3讨论信用评分模型并且他的一些要求。信用评分模型是将公司的一些有数字特征的值输入模型，然后得到一个违约概率。最优的信用评分模型有以下特征，精确，简便，有效，可行，透明以及可解释。考点30.4定义并区别下述信用评分模型：（a）线性判别模型，（b）参数判别模型，（c）邻10近算法，（d）支持向量机模型。信用评分模型试图建立一个量化的评分体系来判定一个公司是否会违约，主要有以下几个模型：线性判别分析（lineardiscriminantanalysis）线性判别分析将一个较大的组分成几个同质期望的较小组。比如大组可以是潜在的借款人，较小组可以分为优质的借款人和质量较差的借款人。参数判别模型（parametricdiscrimination）参数判别模型使用回归模型、logit模型或其它统计方法来确定一个评分。然后将评分与临界值相比较来决定分类。k近邻法（k-nearestneighbor）k近邻法是一种非参数判别法，利用公司与已经分类公司的相似度来进行分类。支持向量机模型（supportvectormachine）支持向量机模型使用公司观察到的某些特征来创建一个方程，使这个方程可以在将不同公司分组时产生最优的结果。信用分析的决策方法考点30.5定义并且区分以下决策法则（1）最小误差（2）最小风险（3）内曼-皮尔森（4）最小最大最小误差法则：如果左边大于右边，那么公司可能发生违约最小风险法则：最小化借贷给高风险公司的概率或者