证券市场信息披露中虚假会计信息行为及其责任 ——兼论注册会

《证券市场信息披露中虚假会计信息行为及其责任 ——兼论注册会》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、商业银行现代信用风险度量模型比较分析与研究　　摘要：信用风险是当前我国商业银行面临的主要风险。对信用风险的准确度量和有效管理，既是商业银行进行贷款甄别、定价的关键，也是监管部门进行风险性监管的基础。随着金融全球化的趋势、金融市场波动加剧以及网络经济的迅速发展，国际上各种金融机构现在都面临着性质越来越复杂的信用风险。本文通过对西方商业银行信用风险评估模型的比较研究，指出其特点和优缺点，以期为我国商业银行加强信用风险管理提供借鉴作用。 关键词：商业银行信用风险度量模型 一、现代信用风险度量模型概述及分析 　　信用风险又称违约风险，是指借款人

2、因种种原因不愿或无力履行合同条件而构成的违约，致使交易对方造成损失的可能性，其风险的大小是通过对方违约时的重置现金流来度量的。随着金融全球化的趋势、金融市场波动加剧以及网络经济的迅速发展，国际上各种金融机构都面临着性质越来越复杂的倍增的金融风险。因此市场上迫切需要较为成熟的风险识别、度量和防范技术手段。信用风险度量模型便是在这样的背景下快速产生和发展的，目前主要有KMV模型、CreditRisk+模型、CreditMetrics模型、CreditPortfolioView模型。 KMV模型——期权定价模型 　　KMV模型是KMV公司199

3、7年建立的用来估计借款企业违约概率的方法，该方法可针对所有的其股权公开交易的公司和银行对其违约的可能性做出预测。首先，它利用Black—Scholes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点(defaultexercisepoint，为企业1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。 　　从

4、期权定价的思想出发，可以将银行放出的一笔贷款看作是一笔以借款企业的资产为标的卖出的一笔卖权，银行贷款的损益与卖权卖方的损益图非常类似。由此根据下列Black—Scholes模型中股票卖权的计算公式，风险贷款的现行市场价值取决于五个变量【1】： 　　KMV模型的优势与劣势。优势在于：是模型是依据受信企业的资产市值来估计其信用风险波动状况，由此将市场信息情况纳入了违约概率。是该模型是一种动态模型， 　　可及时反映信用风险水平的变化。由于该模型采用的是企业股票市场价格分析方法，是模型可随时根据企业股票市场价格的变动情况来更新模型的输入数据，能获

5、得及时反映预期和企业信用和企业信用状况变化的新预期违约频率值，动态反映信用风险水平的变化。是该模型是一种“向前看”的模型，在一定程度上克服了依赖历史数据“向后看”的数理统计模型的“历史可以在未来复制其自身”的缺陷。即股票市场的实情行情，不仅反映了该企业历史的和当前的发展状况，还反映出市场投资者对该企业未来发展的综合预测情况。其劣势在于：是该模型假定利率是事先确定的，此假设对一年期内的估计违约概率无太大影响，但其假设却限制了将该模型应用于期限超过一年以上的贷款，并限制了其他利率敏感性工具。是由于企业的资产价值、企业资产收益率的期望值和波动性

6、都无法观察到，故必须使用估计技术来获取这些数据，然而估计的准确率却无从考证。是对非上市公司因使用资料的可获得性差，预测的准确性也较差。 　　CreditRisk+模型——信用风险附加模型 　　CreditRisk+系统是瑞士信贷第一波士顿银行(CSFP)于1996年开发的信贷风险管理系统。它应用保险业中的精算方法来得出债券或贷款组合的损失分布，是一个运用精算方法的模型，相似于出售家庭火险的财产险承诺人在确定保险费而评估政策损失风险时所用模型。CreditRisk+模型假定违约率是随机的，可在信用周期内显著地波动，并且其本身是风险驱动因素。

7、因而，CreditRisk+被认为是一种违约率模型的代表。它只考察违约风险，不考虑降级风险。与KMV方法不同，它并不试图建立违约风险同企业资本结构间的联系。 　　CreditRisk+的风险度量框架如下图所示【1】。 图1 　　由图中看到：违约频率和损失的严重性这两种情况的各自不确定性程度，为每一个风险暴露频段都带来一种损失的分布，而将这些不同风险暴露频段的损失加总，则可得到贷款组合的损失分布。图中反映出两种不确定性与违约损失分布之间的关系。 　　信用风险附加模型的优势与劣势。优势：(1)该模型对贷款组合损失的概率分布有闭型解，所以不需要

8、采用模拟技术，计算速度也较快;模型所需的输入数据很少，只需每笔贷款的违约概率和给定违约概率下的损失，无需有关利率期限结构或信用等级转换矩阵的信息。该模型处理能力很强，可以处理数万个不同地区、不