信用风险度量 魏丽 满博宁 第七章CreditMetrics模型.pptVIP

【例7.4（续）】根据表7-8和表7-9可得两笔贷款组合的方差和标准差分别为： ， 。因此，在正态分布假设下，该组合贷款的在险价值为： 99%置信度： （万元）， 95%置信度： （万元）。 二、?贷款组合或债券组合 * * ? A级贷款 AAA AA A BBB BB B CCC 违约 B B B 级 贷 款 AAA 0.00 0.00 0.02 0.00 0.00 0.00 0.00 0.00 AA 0.00 0.04 0.29 0.00 0.00 0.00 0.00 0.00 A 0.02 0.39 5.44 0.08 0.01 0.00 0.00 0.00 BBB 0.07 1.81 79.69 4.55 0.57 0.19 0.01 0.04 BB 0.00 0.02 4.47 0.64 0.11 0.04 0.00 0.01 B 0.00 0.00 0.92 0.18 0.04 0.02 0.00 0.00 CCC 0.00 0.00 0.09 0.02 0.00 0.00 0.00 0.00 违约 0.00 0.00 0.13 0.04 0.01 0.00 0.00 0.00 表7-9 两笔贷款组合64种状态的联合概率（%） 【例7.4（续）】根据表7-8和表7-9可得两笔贷款组合的方差和标准差分别为： ， 。因此，在正态分布假设下，该组合贷款的在险价值为： 99%置信度： （万元） 95%置信度： （万元）。 二、?贷款组合或债券组合 * * ? A级贷款 AAA AA A BBB BB B CCC 违约 B B B 级 贷 款 AAA 0.00 0.00 0.02 0.00 0.00 0.00 0.00 0.00 AA 0.00 0.04 0.29 0.00 0.00 0.00 0.00 0.00 A 0.02 0.39 5.44 0.08 0.01 0.00 0.00 0.00 BBB 0.07 1.81 79.69 4.55 0.57 0.19 0.01 0.04 BB 0.00 0.02 4.47 0.64 0.11 0.04 0.00 0.01 B 0.00 0.00 0.92 0.18 0.04 0.02 0.00 0.00 CCC 0.00 0.00 0.09 0.02 0.00 0.00 0.00 0.00 违约 0.00 0.00 0.13 0.04 0.01 0.00 0.00 0.00 表7-9 两笔贷款组合64种状态的联合概率（%） 〈案例分析〉基于CreditMetrics模型评估银行信贷的信用风险 〈延伸阅读〉CreditMetrics模型的相关性改进及其在信用风险度量中的应用研究 （二）CreditMetrics模型的局限 CreditMetrics模型一经推出便得到业内的高度评价和赞赏，但是由于仍处在初创阶段，在许多方面还不成熟。 首先，该模型假设评级转移概率服从稳定的马尔可夫过程，即贷款或债券当前的评级转移概率与其过去的转移概率不相关。但是实际的历史数据表明，一笔贷款过去如果曾发生违约事件，那么它的当前评级下降的概率比未发生过违约行为的贷款高。 其次，在计算贷款或债券的VaR时，假设评级转移概率矩阵稳定，即不同借款人之间、不同时期之间，评级转移概率不变。但是，行业因素、国家因素以及商业周期等因素均会对评级转移矩阵产生重要的影响。 再次，在计算债券的信用评级转移矩阵时，使用的债券组合也对矩阵的准确性有影响。Altman（1992）发现，债券的发行时间对债券的信用评级转移概率有重要的影响，即生成评级转移概率矩阵时使用的债券样本是新债券还是老债券直接影响转移概率。 最后，模型度量信用风险的期间为一年，不能够根据贷款或债券的即时变化对其风险价值作相应的调整，是一种基于历史数据向后看的方法。 三、CreditMetrics模型的优势与不足 * * （一）CreditMetrics模型的优点 CreditMetrics模型的出现标志着风险度量和管理工作在精确性及主动性方面取得了巨大进展，信贷资产或债券的组合风险估值对信用评级更加敏感。该模型的主要优势有： 一是该模型以分析性框架为基础，可计算组合价值的波动率和预期损失，也可计算组合内债务人的边际风险贡献及组合的多样化效应。 二是运用蒙特卡洛模拟方法可以进一步估计资产组合的远期价值分布，从而确定信贷资产的信用风险值。 三是CreditMetrics的输出