两种银行信贷风险量化模型的应用及对比

1《数学与应用数学》学年论文题目两种银行信贷风险量化模型的应用及对比学号11001040115姓名秦红波教师评语：成绩指导教师2摘要:信贷风险是我国银行面临的主要风险,它构成了我国银行风险管理的重点和难点，是银行风险管理的核心。近20年来，，风险计量领域最主要的进展就是发展出了一套完整的模型体系，目前正式对外公布、有影响力的信用风险量化模型主要有四个，其分别是GreditMetrics模型、KMV模型、CSFPGreditRisk+模型、CPV模型。文章首先对信贷风险的概念和性质进行了分析，然后在此基础上对现代信用风险量化模型进行阐述与对比，指出各自的原理、优缺点和适用范围，为信贷风险量化方法和模型的应用或研究提供一定的帮助。关键字：信贷风险、GreditMetrics模型、KMV模型、CSFPGreditRisk+模型、CPV模型1、信贷风险的相关概念分析1.1信贷风险的涵义信贷风险是商业银行面临的最基本、最古老也是危害最大的风险。信贷风险是指债务人由于各种原因不能完全履约而遭受损失的可能性,随着现代风险环境的变化和信用衍生品市场的出现,使信贷风险还包括由于信用事件引起的损失的可能性。由以上信贷风险的涵义我们可以看出,现代信贷风险得涵义主要包括两个方面:(1)信贷违约风险。这是所有的银行贷款都面临的风险。在借款企业不能够按期归还贷款的情况下,银行的收益将遭受的损失。信贷违约风险并不考虑借款企业没有发生违约情况下的损失,借款人没有发生违约就表示银行不会遭受任何损失。但是,一旦借款人选择违约,银行就会遭受一定的损失,损失的大小取决于借款人赔付率的大小。当前情况下,我国商业银行面临的主要信贷风险就属于信贷违约风险。(2)信贷息差风险。信贷息差风险是银行因为风险暴露,而向借款企业要求获得的风险补偿。随着金融产品的创新,银行持有企业的金融产品,由于企业的信用变化而存在损失的可能性。信贷息差风险考虑的是在企业贷款的期限内由于企业预期违约概率的增加,银行面临的预期损失也会趋于增加。因此,信贷息差风险是对信贷违约风险很好的补充。随着证券市场的不断发展和完善,信贷息差风险将成为信贷风险考虑的主要部分。1.2信贷风险的特征分析。信贷风险是客观存在并且是一种非系统风险。风险是由于不确定性而产生的损失的可能性,并且这种不确定性的存在是客观存在的并不随人的意志的改变而变化。因此,银行信贷风险存在每一个借贷关系中即风险无处不在、无时不在。人们在风险管理中,只能使风险尽量减至最小而不能够完全的消除。另外,信贷风险有着非系统风险的特性,尽管贷款企业在经营过程中会受到整体经济变化3的影响。但是,大多数情况下贷款企业的还款能力还是取决于其财务状况,企业经营的好坏以及还款意愿等个体因素。因此,信贷风险是一种非系统风险。信贷风险收益率为非正态分布。对于银行的信贷风险来说,在贷款能够顺利收回的情况下(概率较大)银行可以得到正常的利息收入,但是当发生坏账的时候(概率较小)银行的损失是整个的本息。这样,银行在概率很小的事件发生时损失却是最大,银行的收益和风险损失就呈现非对称性。因此,信贷风险的概率分布曲线向左倾斜,并且在左侧出现“肥尾”现象。2、现代信用风险量化模型概述2.1GreditMetrics模型CreditMetrics———信用度量术。信用度量术(CreditMetrics)是J.P.摩根银行(JPM)和一些合作机构1997年推出的,第一个公开的银行业用于投资组合信用风险度量的方法。现在该方法已经成为当今世界最为著名的信贷风险度量模型之一。该模型主要着眼于流动性非常好的债券市场或债券衍生品市场,因此可以轻易收集广泛的价格和评级数据。它对贷款和债券在给定的时间单位内(通常为一年)的未来价值变化分布进行估计,并通过在险价值(ValueatRisk,VaR)来衡量风险。这里,VaR用来衡量投资组合风险敞口的程度,是指在正常的市场情况和一定的置信水平下,在给定的时间段内预期可能发生的最大损失。该方法在应用中还需要对以下问题进行探讨:(1)模型中违约率直接取自历史数据平均值,但实证研究表明,违约率与宏观经济状况有直接关系,并非固定不变;(2)模型假定资产收益服从正态分布,但实证研究表明,实际分布呈现厚尾特征;(3)关于企业资产收益之间的相关度等于公司证券收益之间的相关度的假设仍有待进一步的验证,计算结果对于这一假定的敏感性很高;(4)信用等级迁移矩阵未必是稳定的,它受到行业、国家、周期等因素影响;(5)模型中假定无风险利率是固定的,但是现实中这是一个变化的量。此外,模型的计算需要很多的数据,然而很多数据是不可能得到的。因此,这就给模型计算的准确度有了一定的影响。2.2、KMV模型KMV———期权定价模型。KMV模型的理论基础是Black—Scholes(1973)和Merton(1974)的期权定价理论。该模型通过对上市公司股价波动的分析来预测股权公开交易的公司发生违约的可能性。KMV模型假设:当公司的资产大于负债时,股东则行使该看涨期权,即偿还债务,继续拥有公司;如果资产小于负债,4股东则选择使公司破产,公司所有者将公司资产出售给债权的持有人,即债权人拥有公司。因此,企业的股权价值可以用Black—Scholes期权定价模型来定价。基于Merton提出的违约证券估价模型,KMV建立了一个基于公司资产结构的违约概率、违约概率转移矩阵计算框架的公司信用风险度量模型。由于Merton期权定价理论确定的违约概率与实际违约概率具有一定的差距,为区分理论违约概率(Q)与实际违约概率,KMV引入了期望违约率(ExpectedDefaultFrequency,EDF)的概念。对EDF的度量分三步进行:首先估计公司资产价值和公司资产波动率:其次计算违约距离DD(Distance—to—Default),它是用指标形式表示的违约风险值;最后使用KMV违约数据库将DD转化为EDF。该方法的主要优点:(1)它可以被用于任何公开招股公司;(2)由于以股票市场数据为基础,该模型包含更多市场信息,因而认为能更好预测未来。主要问题在于:(1)由于资产市价的估算取决于股价波动率的估算,用期权定价方法估算的股价波动率是否可作为公司资产价值估算的可信指标是值得推敲的;(2)为了能使用期权定价公式,分析时假定公司债务结构是静态不变的,这与实际相差甚远。(3)为求出EDF值,假设资产收益服从正态分布。2.3、CSFPGreditRisk+模型CreditRisk+———信用风险附加法。信用风险附加法是瑞士信贷第一波士顿银行(CSFB)于1996年开发的信贷风险管理系统。该系统利用保险业精算学的方法来求得债券或者贷款组合的损失分布。该模型是一种违约模型,只考虑债券或者贷款是否违约并且假定违约的发生服从泊松分布。经过近十年的发展,该模型已成为一种在数据缺乏情况下估算风险资本要求的最好方法之一。CreditRisk+假定违约率是随机的,可以在信用周期内显著地波动,并且其本身是风险的驱动因素。因而,CreditRisk+被认为是一种“违约率模型”的代表。CSFB认为违约相关是不可观察的而且是不稳定的,因此它不是直接通过模型模拟这种关系,而是利用违约率的波动性来确定违约相关性的影响并进一步生成贷款组合的损失分布。由于该模型给出的损失分布只是一个解析表达式,而且只关心违约与否几乎不需要什么估计什么量,所需要的数据很少。因此,该模型对于损失的计算速度很快。CreditRisk+的最大优点是:(1)相对于其他模型而言,模型仅需要输入较少的数据,主要输入的数据仅为贷款违约率、违约波动率和风险暴露,从而适应了传统业务中缺乏数据的状况;(2)CreditRisk+对于债券组合或贷款组合的损失概率所得到的是闭形解,使它在计算上很具吸引力。不足之处主要有:5(1)CreditRisk+忽略了转移风险,使得每一债务人的风险是固定的,且不依赖于信用质量的最终变化以及未来利率的变动性;(2)模型没有考虑信用等级的变化,因此贷款的风险暴露在计算期间内是固定不变的,这与事实是不同的。2.4、CPV模型CPV———信贷组合模型。1998年,麦肯锡(MCKinsey)公司利用基本动力学的原理提出的CreditPortfolioView模型是一个用于分析贷款组合风险和收益的多因素模型,它根据诸如失业率、GDP增长率、长期利率水平、政府支出等宏观因素,运用经济计量学和蒙特卡罗技术来对每个国家不同行业中不同等级的违约和转移概率的联合条件分布进行模拟。模型中的违约概率和转移概率都与宏观经济状况紧密相联。与CreditMetrics应用的转移概率和违约率不同,不是以历史等级转移和违约的数据来估计,而是以当期的经济状态为条件来计算债务人的等级转移概率和违约率。当经济状况恶化时,降级和违约增加;反之,则减少。麦肯锡(MCKinsey)公司的信用风险组合观点模型不像其他方法那样以历史数据的平均为基础,而是以经济状态为条件来求损失的分布。此模型的不足之处在于实施这一模型需要可靠的数据。CPV方法可以看成是对CreditMetrics的补充,它克服了后者不同时期的评级转移矩阵固定不变的缺点。该模型与CreditMetrics应用的转移概率和违约率不同,不是以历史等级转移和违约的数据来估计,而是以当期的经济状态为条件来计算债务人的等级转移概率和违约概率。但是为了得到转移矩阵,该模型对经济衰退和扩张时期的违约概率进行了调整。该模型的优点在于:(1)充分的考虑了宏观经济因素对信用等级迁移的影响;(2)信用等级迁移概率具有盯市性,与信用度量术结合起来可以提高信用风险度量的准确性;(3)它即可以适合单个借款人也可以适合多个借款人。缺点主要体现在:(1)使用的是很多的宏观数据,因此处理起来特别的繁琐;(2)该方法不能处理非线性产品。3、我国银行应用信贷风险量化模型的现实选择与国外银行相比，中国银行业风险管理在外部环境和内部管理等方面都存在着较大的差距，风险管理方法中量化管理明显不足。在风险管理中非常重视风险的定性分析，如在信用风险管理中，重视贷款投向的政策性、合法性以及贷款运行的安全性等。当然，这些分析在风险管理决策中非常重要，但如果缺乏量化分析，就难以在风险的识别、度量上精确掌握。建设中国的信用风险的度量体系，对国外现有模型的借鉴及其中国化十分必要。通过上述对现代信用风险量化模型的比较分析，四大模型各有优缺点。下面我们对模型的可借鉴性进行分析。6我们先来看看CreditRisk+模型和CPv模型在中国的实用情况。从上面叙述来看，CreditRisk+模型和CPv模型虽然有许多优点，但是在中国应用有一定的难度。CreditRisk+模型的重要假设前提是贷款之间的独立性，而我国银行贷款之间的关联性较大，这就严重影响了模型在我国的应用。CPV模型的实施需要可靠的数据，而每一行业的违约信息往往不容易取得，同时有关贷款的历史价格和交易量等时间序列资料匮乏，导致估计信用资产之间的相关性困难重重，这些都制约了该模型在我国的广泛应用。此外，还有一个重要原因就是CreditRisk4-模型和CPV模型都只是CreditMetrics模型和KMV模型的补充，并不是当前世界金融界信用风险度量模型的主流。相反，CreditMetrics模型和KMV模型则是目前国际金融界最流行的两个信用风险管理模型。两者都为银行和其他金融机构在进行贷款等授信业务时衡量授信对象的信用状况，分析所面临的信用风险，防止集中授信，进而为实现投资分散化和具体的授信决策提供了量化的和更加科学的依据，对以主观性和艺术性为特征的传统信用分析方法提供了很好的补充。然而，从上述的介绍和分析中，我们又可以明显地看到这两个模型在建立的基本思路上又有相当大的差异。这些差异主要表现在以下方面。第一，KMV模型对企业信用风险的衡量指标预期违约率主要来自该企业股票市场价格变化的有关数据的分析，而CreditMetrics模型对企业信用风险的衡量来自于该企业信用等级转换及其概率的历史数据的分析。第二，由于KMV模型采用的是企业股票市