商业银行信用风险度量研究——基于LOGISTIC与KM(13)

银行信用风险度量理论资料

Ｍｅｔｒｉｃｓ方法是基于ＶＡＲ的信用风险度量系统。ＣｒｅｄｉｔＭｅｔｒｉｃｓ方法主要是以历史数据为依据确定信用等级矩阵和违约时的资产回收率，并以此为基础确定未来该信用资产组合的价值变化，并通过基于ＶＡＲ的方法来计算整个组合的风险暴露。ＣｈｒｉｓｔｏｐｈｅｒＦｉｎｇｅｒ（１９９９）应用了期权理论，考虑了市场因素和债务人的特有因素来度量借款人之间的资产相关性而不是基于历史数据，此时该模型就成为有条件的基于股权的结构模型。

作为一家专门从事信用风险度量的专业公司，ＫＭＶ公司于１９９３

年发布了ＣｒｅｄｉｔＭｏｎｉｔｏｒ模型。该模型主要是基于莫顿的违约证券估价模型和风险中性原理，模型基于这样的出发点：当公司的市场价值降至一定水平以下，公司就会对其债务违约。ＫＭＶ模型基于公司资产的市场价值及其波动性，计算公司的违约距离，并通过违约距离来转换求出公司违约率。

ＣＳＦＰ（ＣｒｅｄｉｔＳｕｉｓｓｅＦｉｎａｎｃｉａｌ‘Ｐｒｏｄｕｃｔｓ）公司于１９９７年发

布了Ｃｒｅｄｉｔｒｉｓｋ模型。该模型主要是基于保险精算理论的违约式模型（ＤＭ）。它假定违约率是随机的，可以在信用周期内显著波动，并且其本身是风险的驱动因素。与ＣｒｅｄｉｔＭｅｔｒｉｃｓ和ＫＭＶ都以资产价值作为风险驱动因素不同，它只考虑了违约风险，而没有对违约的成因做出任何假设：一个债务人或者以概率Ｐ违约，或者以卜Ｐ的概率没有违约。通过独立性假设，认为贷款组合的违约概率分布是泊松分布（Ｐｏｉｓｓｏｎｄｉｓｔｒｉｂｕｔｉｏｎ），并以此假定来计‘算贷款违约率。

麦肯锡（Ｍｃｋｉｎｓｅｙ）公司的威尔森（ｗｉｌＳＯＲ）在１９９７年提出Ｃｒｅｄｉｔ

ＰｏｒｔｆｏｌｉｏＶｉｅｗ模型。它是一个宏观因素驱动的多因子模型，它根据诸如失业率、ＧＤＰ增长率、长期利率水平、汇率、政府支出以及总储蓄率等宏观因素，对每个国家不同行业、不同信用等级的违约和转移概率的联合条件分布进行模拟。ＣｒｅｄｉｔＰｏｒｔｆｏｌｉｏＶｉｅｗ是基于一种因果关系，违约概率以及转移概率都与宏观经济紧密相联。当经济状况恶化时，降级和违约增加：反之，当经济状况好转时，降级和违约减少。基于国际上信用风险度量理论的快速发展，而且各模型建模理