现代信用风险度量模型

信贷风险管理的信用评级方法信贷风险管理是当今金融领域的一个重要课题。

银行在贷款或贷款组合的风险度量中特别注意运用信贷风险管理的工具。

除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险管理方法主要有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。

1、KMV——以股价为基础的信用风险模型历史上，银行在贷款决策时，曾经长时间忽视股票的市价。

KMV模型基于这样一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。

从而，贷款银行就可以用这个重要的风险管理工具去处理金融市场上遇到的问题了。

尽管很少有银行在贷款定价中将KMV模型作为唯一的信用风险指示器，但非常多的银行将其用为信贷风险等级的早期报警工具。

KMV实际上是一个度量违约风险的期权模型，是由买入期权推演而来的。

KMV扭转了看待银行贷款问题的视角，从借款企业的普通股持有者的视角来看贷款偿还(回报)的激励问题。

换句话说，它将持有普通股视为与持有一家公司资产的买入期权相同。

基本原理如图所示：（1）KMV是如何工作的？假设普通股持有者拥有公开交易公孙的股票，公司债务是一张一年期的单一贴现票据（single discount note）,票面价值是B.上图显示的是从普通股持有者方面来看的贷款偿还问题。

在图中，若公司资产的价值跌到OB以下（以左，如OA1）,股的持有者就不会偿还那个等于OB的债务。

当然，如果选择违约，他就必须将对公司资产的控制权转让给贷款银行，公司所有者的普通股就一文不值了。

然而，若公司资产的价值是OA2，公司就会偿还债务OB，而保留其余的价值BA2.在KMV模型中，公司债务的票面价值B就是买入期权中的约定价格。

可以看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”保护了普通股的持有人。

从而，对一个好公司的股票持有者的回报有一个有限的底线和一个无限延长的上限。

KMV从贷款于期权之间的这种联系之中得到了EDF模型（估计违约频率模型）。

基于KMV模型的商业银⾏信⽤风险度量及管理研究1 导⾔（论⽂中不能出现截图）1.1 研究背景及意义在新巴塞尔协议的背景下，商业银⾏所⾯临的风险可明确分类为：信⽤风险、市场风险、操作风险、流动性风险、清算风险、法律风险和信誉风险等七种类型。

McKinney（麦肯锡）公司以国际银⾏业为例进⾏的研究表明，以银⾏实际的风险资本配置为参照，信⽤风险占银⾏总体风险暴露的60％，⽽市场风险和操作风险仅各占20％。

因此，在商业银⾏所⾯临的众多风险中，信⽤风险占有特殊的地位，且信⽤风险已经成为国际上许多商业银⾏破产的主要原因。

对于我国商业银⾏来说，企业贷款是其主要业务，银⾏⼤部分的⾦融资产为企业贷款，因此贷款的信⽤风险是商业银⾏信⽤风险的最主要组成部分。

截⾄2014年底，商业银⾏的不良贷款余额为5921亿元，不良贷款率1％，⽐年初增加993亿元；2014年我国银⾏业⾦融机构不良贷款率达1.64%，较2013年提⾼了0.15%；商业银⾏2014年末不良贷款率1.29%，提⾼了0.29%，2014年商业银⾏不良贷款率创2009年来新⾼,2013年和2014年我国商业银⾏不良贷款率也不断上升。

以上数据都表明我国商业银⾏的信⽤风险形势还相当严峻。

信⽤风险问题俨然成为阻碍我国⾦融业的持续发展的重要原因。

因此，研究信⽤风险的特点，收集信⽤相关数据，建⽴度量信⽤风险的信⽤风险模型，定量分析信⽤风险数据，以及如何将信⽤风险管理措施运⽤到各项业务当中，已经是商业银⾏提⾼经营管理⽔平，降低信⽤风险的最基础、最迫切的要求。

本论⽂的选题就是在这样的前提和背景下进⾏的。

在西⽅发达国家，其商业银⾏的信⽤风险管理⽐较成熟，在实践和理论上都已形成相应的体系，表现出⼀种从定性到定量、从简单到复杂、从个别资产信⽤风险评级到资产组合信⽤风险评级的趋势。

信⽤风险度量的⽅法和模型也不断推陈出新。

相较⽽⾔，我国的商业银⾏信⽤风险管理系统体系尚不健全，信⽤评级⽔平较低，对信⽤风险的分析任然处于传统的⽐例分析以及专家经验判断阶段，远不能有效满⾜商业银⾏对贷款安全性的度量要求。

信用风险量化的4种模型信贷风险治理的新方法信贷风险治理是当今金融领域的一个重要课题。

银行在贷款或贷款组合的风险度量中专门注意运用信贷风险治理的工具。

除了专家系统、评分系统和信用打分系统等传统方法外，新的信贷风险治理方法要紧有KMV模型、JP摩根的VAR模型、RORAC模型和EVA模型。

1、KMV——以股价为基础的信用风险模型历史上，银行在贷款决策时，曾经长时刻忽视股票的市价。

KMV模型基于如此一个假设——公司股票价格的变化为企业信用度的评估提供了可靠的依据。

从而，贷款银行就能够用那个重要的风险治理工具去处理金融市场上遇到的问题了。

尽管专门少有银行在贷款定价中将KMV模型作为唯独的信用风险指示器，但专门多的银行将其用为信贷风险等级的早期报警工具。

KMV实际上是一个度量违约风险的期权模型，是由买入期权推演而来的。

KMV扭转了看待银行贷款问题的视角，从借款企业的一般股持有者的视角来看贷款偿还(回报)的鼓舞问题。

信用中国ccn86 我们共同打造换句话说，它将持有一般股视为与持有一家公司资产的买入期权相同。

差不多原理如图所示：（1）KMV是如何工作的？假设一般股持有者拥有公布交易公孙的股票，公司债务是一张一年期的单一贴现票据（single discount note）,票面价值是B.上图显示的是从一般股持有者方面来看的贷款偿还问题。

在图中，若公司资产的价值跌到OB以下（以左，如OA1）,股的持有者就可不能偿还那个等于OB的债务。

因此，假如选择违约，他就必须将对公司资产的操纵权转让给贷款银行，公司所有者的一般股就一文不值了。

然而，若公司资产的价值是OA2，公司就会偿还债务OB，而保留其余的价值BA2.在KMV模型中，公司债务的票面价值B确实是买入期权中的约定价格。

能够看到公司的风险底线（downside risk）被限制在OL，因为“有限责任”爱护了一般股的持有人。

从而，对一个好公司的股票持有者的回报有一个有限的底线和一个无限延长的上限。

KMV 模型基本结构分析11金融11 20114560 张梦晴KMV 模型是对传统信用风险度量方法的一次重大革命，其是在现代期权定价理论上建立起来的违约预测模型，因而有许多优点。

KMV 模型是现代信用风险度量模型之一。

主要论述 KMV 模型基本结构，分析其优缺点，并探讨其在中国信用风险预测中的适用性。

一、基本假设条件（1）当公司的资产价值低于一定水平时，公司就会对债权人和股东违约。

借款人资产价值大于其债务价值时，借款人不会违约；反之，借款人资产价值小于其债务价值时， 借款人就会违约。

与这一水平相对应的资产价值为违约点DPT （Default Point ），即公司资产价值等于负债价值的点。

（2）假设在未来给定的时期内，该公司的资产服从由资产价值的期望值与标准差（波动率）描述的某个分布，未来资产价值的均值到所需清偿公司负债的账面价值之间的距离称为为月距离，由此算出预期违约率。

（3）借款人资本结构只有所有者权益，短期债务、长期债务和可转化的优先股。

二、模型概述假设一个违约点，降至这个违约点下，公司就会对它违约。

假设公司的价值服从某种函数分布，其是什么样的分布要根据资产期望值及标准差来确定。

预期违约概率（EDF ）是分三步骤来确定:第一步：计算公司的市场价值及其波动性；第二步：估算出公司的违约点、预期价值；第三步：估计预测违约概率（EDF ）。

（1）计算公司的市场价值A V 及其波动率A σKMV 由于保密性,它们不愿公开具体的形式。

我们一般用Black-Schole 公式代替函数f 。

()()2-rt 1d e -d N D N V E ⋅⋅⋅=式中，E :股权的市场价值；D :负债的账面价值；V :公司资产的市场价值；t :信用期限；r :无风险利率；N :正态分布累积概率函数。

其中，t A r D V d A tσσ⎪⎭⎫ ⎝⎛++⎪⎭⎫ ⎝⎛=2121ln ，t d d A σ-=12 ① 对公式两边求导，得出： ()A E d N EV σσ⋅⋅=1 ② 联合两个方程,两个求知数,可求出A V 和A σ。

KMV 模型基本结构分析11金融11 20114560 张梦晴KMV 模型是对传统信用风险度量方法的一次重大革命，其是在现代期权定价理论上建立起来的违约预测模型，因而有许多优点。

KMV 模型是现代信用风险度量模型之一。

主要论述 KMV 模型基本结构，分析其优缺点，并探讨其在中国信用风险预测中的适用性。

一、基本假设条件（1）当公司的资产价值低于一定水平时，公司就会对债权人和股东违约。

借款人资产价值大于其债务价值时，借款人不会违约；反之，借款人资产价值小于其债务价值时， 借款人就会违约。

与这一水平相对应的资产价值为违约点DPT （Default Point ），即公司资产价值等于负债价值的点。

（2）假设在未来给定的时期内，该公司的资产服从由资产价值的期望值与标准差（波动率）描述的某个分布，未来资产价值的均值到所需清偿公司负债的账面价值之间的距离称为为月距离，由此算出预期违约率。

（3）借款人资本结构只有所有者权益，短期债务、长期债务和可转化的优先股。

二、模型概述假设一个违约点，降至这个违约点下，公司就会对它违约。

假设公司的价值服从某种函数分布，其是什么样的分布要根据资产期望值及标准差来确定。

预期违约概率（EDF ）是分三步骤来确定:第一步：计算公司的市场价值及其波动性；第二步：估算出公司的违约点、预期价值；第三步：估计预测违约概率（EDF ）。

（1）计算公司的市场价值A V 及其波动率A σKMV 由于保密性,它们不愿公开具体的形式。

我们一般用Black-Schole 公式代替函数f 。

()()2-rt 1d e -d N D N V E ⋅⋅⋅=式中，E :股权的市场价值；D :负债的账面价值；V :公司资产的市场价值；t :信用期限；r :无风险利率；N :正态分布累积概率函数。

其中，t A r D V d A tσσ⎪⎭⎫ ⎝⎛++⎪⎭⎫ ⎝⎛=2121ln ，t d d A σ-=12 ① 对公式两边求导，得出： ()A E d N EV σσ⋅⋅=1 ② 联合两个方程,两个求知数,可求出A V 和A σ。

现代信用风险度量模型概述信用风险是金融行业中的一个重要问题，它指的是借款人在债务偿还能力方面的不确定性。

为了度量和评估借款人的信用风险，金融机构一直致力于开发和使用各种信用风险度量模型。

现代信用风险度量模型是基于统计和机器学习的方法，通过分析大量的历史数据和借款人的特征，来预测借款人未来违约的概率。

这些模型通常使用一系列的输入变量，如借款人的个人信息、财务数据、历史还款记录等，来建立一个预测模型。

常用的现代信用风险度量模型有以下几种：1. Logistic回归模型：这是一种广泛使用的基于回归的模型，可以用来预测二元变量的概率。

对于信用风险度量模型来说，二元变量就是违约与否。

该模型通过最大似然估计方法，根据输入变量的权重来计算借款人违约的概率。

2. 决策树模型：决策树模型是一种基于树状结构的模型，通过将样本数据划分为不同的子集来进行预测。

对于信用风险度量模型来说，决策树模型可以通过借款人的特征来判断其违约概率，并给出相应的风险等级。

3. 支持向量机模型：支持向量机模型是一种基于统计学习理论的模型，通过将样本数据映射到高维空间中，来构建一个决策边界，从而预测借款人的违约概率。

该模型具有较好的泛化能力和鲁棒性，可以处理非线性和高维数据。

4. 随机森林模型：随机森林模型是一种基于集成学习的模型，它由多个决策树组成，通过投票的方式来进行预测。

对于信用风险度量模型来说，随机森林模型可以综合多个决策树的预测结果，得到更准确的违约概率预测。

这些现代信用风险度量模型都有其优点和局限性，选择合适的模型取决于具体的应用场景和数据特征。

此外，为了提高模型的准确性和可靠性，还需要进行模型训练和评估，并对模型进行监控和更新。

只有通过不断改进和优化模型，才能更好地评估和管理借款人的信用风险。

现代信用风险度量模型简介与比较分析摘要债券质押式回购业务对服务实体经济发展、促进交易所市场发展、支持交易所市场与银行间市场错位竞争发挥了重要作用。

近年来，交易所债券市场发展迅速，债券发行主体逐年扩容，入库质押债券信用资质呈下沉趋势。

尤其是《公司债发行与交易管理办法》出台后，公司债发行井喷，给债券回购业务风险带来了更大的压力和挑战。

为了应对挑战，需要我们在广泛了解债券质押式回购业务的基础上，科学选择适合我公司具体业务情况的信用风险度量方法，尽快开展并完善内部评级工作，满足《金融市场基础设施原则》（PFMI）精细化管理的需要。

本文首先分析了目前市场上广泛使用的信用风险度量方法与模型，然后比较了各模型方法的原理及优缺点，最后结合公司业务提出三点建议。

目录1. 研究背景和意义 (1)2. 主要信用风险度量方法与模型 (2)2.1 依赖于专家智慧的定性分析法 (3)2.2 以财务数据为基础的信用得分模型 (4)2.2.1 单变量模型 (4)2.2.2 多变量模型 (4)2.3 现代信用风险度量模型 (7)2.3.1 CreditMetrics方法 (8)2.3.2 KMV 模型 (10)2.3.3 CreaditRisk+模型 (12)2.3.4 CreditPortfolio View模型 (14)3. 模型比较分析 (15)4. 对我公司实际工作的建议 (17)1. 研究背景和意义目前交易所市场债券质押式回购业务的风险预防主要有两道防线：第一道是质押式债券的入库准入，目的是确保入库债券品质符合要求；第二道是入库债券的持续监测，主要通过折算率计算公式动态调整，目的是及时把不符合条件的债券踢出质押库。

但是在实际应用中，这两道防线出现了一些亟待完善的问题。

例如：第一道防线过于依赖外部评级结果，而外部评级虚高可能会导致一些不符合条件的债券进入质押库；第二道防线缺乏对流动性较差债券的应对机制，而目前大部分质押券成交不活跃，导致折算率计算公式不能完全反应债券真实价值。

现代信用风险度量模型比较信用风险，亦称违约风险，是指因交易一方不能履行或不能全部履行合约责任而造成交易对手遭受损失的可能性。

一般来讲，信用风险的基本要素包括违约概率、违约损失率。

这些风险要素不仅被用来评估信用风险，而且可以用来信用定价、计算信用利差等。

信用风险度量模型主要是从这些基本要素展开的。

本文就几种有代表性的模型进行逐一分析比较。

一、KMV模型该模型属于建立在包括利率和公司特征变量在内的动态变化的一种模型。

其理论依据最初由Merton提出，他假设一个简单的公司资本结构，公司仅发行一种零息债券，当公司资产价值低于债券面值时，公司将发生违约。

通过设定违约临界点，计算公司资产价值低于该临界点的概率，以此作为公司的违约概率。

在这一理论依据下，KMV公司于1993年开发出了一种信用风险度量模型，将债权看作债权人向借款公司股东出售的对公司价值的看跌期权（卖权），期权标的是公司资产，执行价格是公司债务价值。

企业所有者相当于持有违约或不违约的选择权，债务到期时，若企业资产的市场价值超出其负债价值，企业愿意还债，将剩余部分留作利润；如果企业资产价值小于负债水平，出售全部资产也不能完全偿债，企业会选择违约，将公司资产转交给债权人。

该模型在度量违约率的过程中，首先利用期权定价原理（BSM模型）推导出的公司股权价值公式和企业股权价值波动性与企业资产价值波动性间存在理论上的关系来估计公司市场价值及其波动性；然后利用所求得的公司市场价值及其波动性来计算违约距离；最后利用正态分布的假定和历史数据分别求得其对应的违约概率。

该模型优点突出，那就是它是一个向前看的动态的模型。

但在技术上利用期权定价方法求解公司资产价值和波动性，缺乏有效方法来检验精确性；基于资产价值正态分布假设不够准确，也使它的缺点明显。

二、Creditrisk+模型CreditRisk+模型，是瑞士第一信贷——波士顿银行开发的一种违约模型，其思想来源于保险精算学。

银行信用风险管理一、比较分析现代信用风险度量模型的异同点及应用时注意事项。

（一）模型概述1.信用监测模型（Credit Monitor Model）1993年，KMV公司利用布莱克—斯科尔斯－莫顿模型（BSM Model）提出了著名的信用监测模型（Credit Monitor Model），并经Longstaff和Schwarz （1995）、Dsa（1995）和Zhou（1997）对此作了进一步的发展，现已基本成熟并成为当今世界最为著名的信用风险度量模型之一。

由于该模型是在BSM基础上建立起来的，因而有满足BSM模型的基本假设，即公司股票价格是个随机过程、允许卖空、没有交易费用和税收、证券可分性、不存在套利机会、证券交易的连续性、无风险利率在借款人还清债务前保持不变。

KMV模型认为上市公司持有的资产分布及其资本结构特征决定了借款人的信用质量特征，并且借款人资本结构只有所有者权益、短期债务、长期债务和可转化的优先股。

当借款人资产价值小于违约点就可能违约，并认为违约点在数量上是短期债务与半倍的长期债务之和。

由于假设上市公司市场价值服从布朗运动，并且借款人资产收益服从正态分布，这样可以应用到期权理论求出预期违约率，因为银行发放贷款所获得的收益与卖出一份借款人企业资产的看跌期权是同构的，因而还可以计算贷款的价差。

显然，该模型是用解析式来计算违约率的，它不像信用度量术和死亡模型是用统计的方法得出来的。

该模型的主要优势在于：它拥有强大的理论基础，即现代公司理财和期权理论的“结构性模型”；它采用的主要是股票市场的数据，因此，数据和结果更新很快，具有前瞻性；由于该模型将股权视为企业资产的看涨期权，所以它可以用于任何公开招股公司。

然而，该模型也存在缺点：假设比较苛刻，尤其是资产收益分布实际上存在“肥尾”（fat-tailedness）现象，并不满足正态分布假设；对于非上市公司，不得不采用历史财务数据，数据的时效性大打折扣；没有根据借款人信用品质、担保情况、可转换性等区分长期债券；它是违约式（Default-Mode, DM）模型，对企业的杠杆比率捕捉钝化，具有静态性；不能处理非线性产品，如期权、外币掉期。