现代信用风险度量模型评析(3)
2017-08-19 01:11
导读：该模型认为各债券违约相互独立，即不存在相关效应和连锁反应，相同信用等级的债券违约情况相同，而不同债券类型的违约下的损失率不同且相互独立，
该模型认为各债券违约相互独立，即不存在相关效应和连锁反应，相同信用等级的债券违约情况相同，而不同债券类型的违约下的损失率不同且相互独立，但同一债券类型的违约下的损失率基本相同，这些与信用度量术有相同之处，但两种模型在处理上有明显不同。
事实上，该模型是用历史数据统计不同信用等级下债券的边际死亡率和累计死亡率，同时，也可以统计出不同信用等级下的LGD，所以该方法比较容易理解，但应用也存在较大难度，主要是对数据量要求很大，许多单个商业银行无法提供如此大的数据库，如对有7个信用等级的债券的损失进行比较精确测算，则样本要达到7万多个，这对一般商业银行是不可能的。
该模型的主要优势：比较容易利用死亡率表来计算单个债券和债券组合的预期损失及其波动率，特别是计算债券组合很方便；死亡模型是从大量样本中统计出来的一个模型，所以采用的参数比较少。该模型主要劣势：没有考虑不同债券的相关性对计算结果的影响；没有考虑宏观经济环境对死亡率的影响，因而需要时时更新死亡率表；数据更新和计算量很大；不能处理非线性产品，如期权、外币掉期。
信用风险附加法（CreditRisk Model）
信用风险附加法是瑞士波士顿第一银行产品部（Credit Suisse Financial Products, CSFP）在1997年源于保险精算学思想开发的。
该方法与信用度量术不同，它将价差风险看做市场风险而不是信用风险的部分，结果是，在任何时期，只有违约和不违约两种状态予以考虑，并且假定在不重叠的时间段内违约人数相互独立，服从泊松分布，与公司的资本结构无关。由于该方法将贷款损失分为若干频段，而每一频段违约率均值是相同的，这样可以计算在一定置信水平下的任何一个频段贷款损失，每个频段损失加总就是总的损失，所以这个方法的采用变量很少，处理能力很强。
该模型的主要优势体现在：易于求出债券及其组合的损失概率和边际风险分布；模型集中于违约分析，所需估计变量很少，只需要违约和风险暴露的分布即可；该模型处理能力很强，可以处理数万个不同地区、不同部门、不同时限等不同类型的风险暴露；根据组合价值的损失分布函数可以直接计算组合的预期损失和非预期损失的值，比较简便。该模型的劣势在于：与KMV模型一样，只将违约风险纳入模型，没有考虑市场风险，而且认为违约风险与资本结构无关；没有考虑信用等级迁移，因而任意债权人的债务价值是固定不变的，它不依赖于债务发行人信用品质和远期利率的变化与波动。尽管违约概率受到一些随机因素的影响，但风险暴露并不受这些因素的影响；每一频段违约率均值的方差并不完全相同，否则会低估违约率；不能处理非线性金融产品，如期权、外币掉期。
信贷组合观点（Credit Portfolio View）
1998年，麦肯锡（Mc Kinsey）公司Saunders和Wilson等人利用基本动
力学的原理，从宏观经济环境的角度来分析借款人的信用等级迁移，建立了信贷组合观点，有时也称麦肯锡模型。
该模型突破了信用度量术模型的假设，认为迁移概率在不同借款人类型之间，以及不同商业周期之间不是稳定的，而应受到诸如国别、经济周期、失业率、GDP增长速度、长期利率水平、外汇汇率、政府支出、总储蓄率、产业等因素的影响，并认为这些宏观变量服从二阶自相关过程。一般而言，迁移概率在商业周期期间会变动较大，而在衰退期间的变动会比在扩张期间更大。该模型有两种方式处理周期性因素及其影响，一是将过去的样本期间划分为衰退年份和非衰退年份，并且计算两个单独的历史上的迁移矩阵，即一个衰退矩阵和一个非衰退矩阵，以得到两种分开的VaR计算结果；二是直接将迁移概率与宏观因素之间的关系模型化，并且，如果模型是拟合的，就通过制造宏观上的对于模型的“冲击”来模拟迁移概率的跨时演变。显然，该方法将无论是系统的还是非系统的宏观因素纳入模型中，以对迁移概率进行调整，因此，它实际上是对信用度量术的补充和深化。
