资源描述：
《原创信用风险度量模型简介与比较》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、摘要:本文主要对现代信用度量的三个模型:KMV模型、CreditMetrics模型和CreditRisk+模型给出介绍,并且分析模型的相同及其不同点。中国论文网 关键词:信用风险;KMV模型;CreditMetrics模型;CreditRisk+模型 信用风险又称违约风险,是指交易对手未能履行约定契约中的义务而造成经济损失的风险,即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性。信用风险由两部分组成,一是违约风险,指交易一方不愿或无力支付约定款项致使交易另一方遭受损失的可能性;二是信用价差风险,指由于信用品质的变化引起信用价差的变化而导致的损失
2、。由于20世纪90年代里,公司倒闭的结构性增加、脱媒效应的显现、竞争的白热化、担保能力的下降、金融衍生品的急剧膨胀、信息技术的飞速发展等因素促使人们加强对信用风险的研究,从而涌现出了现代信用风险度量模型。目前常用的信用度量模型主要有以下几种:KMV模型、CreditMetrics模型、CreditRisk+模型以及死亡率模型。本文主要介绍KMV模型、CreditMetrics模型和CreditRisk+模型及其相同和不同点。 一、KMV模型 KMV模型是由KMV公司利用默顿的期权定价理论开发的一种违约预测模型,模型的核心分析工具是预期违约频率EDF,该模型使用了两个关
3、系:其一,企业股权市值与它的资产市值之间的结构性关系;其二,企业资产市值波动程度和企业股权市值的变动程度之间关系。通过这两个关系模型,便可以求出企业资产市值及其波动程度。一旦所有涉及的变量值被算出,信用监测模型便可以测算出借款企业的预期违约频率(EDF)。它的原理是银行贷款相当于向债务人卖出一个看跌期权,当企业资产的市场价值超过企业的负债时,企业有动力偿还贷款,当企业资产的市场价值低于债务时,企业会行使期权,选择违约。KMV模型根据借款公司的股票价格波动计算EDF,通过EDF来计算违约损失额LGD。 计算EDF步骤: (1)估计基本信用风险参数,即公司的市场资产价值(V)和资
4、产价值波动率(σ?v),应用期权定价公式从公司股票的市场价值及其波动率与公司负债账面价值计算公司资产的市场价值及其波动率。假设V服从对数正态分布。 (2)计算违约距离(DD),根据公司负债计算公司违约点、用公司的现值确定公司资产的预期价值,再利用两个价值和公司资产的波动率计算违约距离。即违约距离被定义为一年厚的资产预期价值E(V?1)与违约点之间的距离,并利用未来资产价值的标准差σ??V?(σ??V?=σ?vV)加以标准化:?DD=E(V?1)-kσ??V?=E(V?1)-Kσ?vV?0? 根据对数正态分布假设和方程V?t=V?0exp{(μ?v-σ?2?v2)t+σ?vtZ
5、?t},时间范围长度为T时的距离可改写为:? DD=Ln(V?0/K?T)+(μ?v-σ?2?v2)σ?vT 其中μ?v是公司资产价值瞬时收益率的漂移,σ?2?v是他们的方差,且Z?t~N(0,1)。 (3)基于一个未在事先进行"特设"分级的大型数据库,将DD值与实际违约概率联系起来。? 如果借款企业的资产市值呈现正态分布的话,我们知道违约的概率以上我们所推导和计算出的只是借款企业理论预期违约频率,它与现实生活中实际所发生的预期违约频率之间存在着很大差异。因此,KMV公司就利用其自身优势建立起了一个全球范围企业和企业违约信息数据库,计算出了各类信用等级企业经验预期违约频率
6、,从而产生了以这种经验预期违约频率为基础的信用分值来。传奇sfwww.zhaohaosf.netzbc 二、CreditMetrics模型 CreditMetrics是由J.P.摩根公司等1997年开发出的模型,运用VAR框架,对贷款和非交易资产进行估价和风险计算。该方法是基于借款人的信用评级、次年评级发生变化的概率(评级转移矩阵)、违约贷款的回收率、债券市场上的信用风险价差计算出贷款的市场价值及其波动性,进而得出个别贷款和贷款组合的VAR值。 CreditMetrics的基本思想: (1)信用风险取决于债务人的信用状况,而企业的信用状况由被评定的信用等级表示。信
7、用计量模型的基本方法就是信用等级变化分析。 (2)信用工具的市场价值取决于债务人的信用等级,即不同信用等级的信用工具有不同的市场价值,因此,信用等级的变化会带来信用工具价值的相应变化。如果能得到信用工具信用等级变化的概率分布(一般由信用评级公司提供),同时计算出该信用工具在各信用等级上的市场价值,就可以得到该信用工具市场价值在不同信用风险状态下的概率分布。这样就达到了用传统的期望值和标准差来衡量(单一)资产信用风险的目的。 (3)信用计量模型的一个基本特点就是从资产组合而不是
