风险建模与计量岗位面试深度问题集.docxVIP

第PAGE页共NUMPAGES页

风险建模与计量岗位面试深度问题集

一、风险理论基础知识（5题，每题4分，共20分）

1.问题：简述信用风险、市场风险、操作风险和流动性风险的定义及其主要特征，并举例说明如何在风险建模中区分这些风险类型。

答案：信用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，如企业违约。市场风险是指因市场价格（利率、汇率、股价等）变动导致资产价值波动的风险，如利率敏感性资产。操作风险是指因内部流程、人员、系统或外部事件导致损失的风险，如交易员操作失误。流动性风险是指无法及时获得充足资金以应对支付需求的风险，如银行挤兑。在建模中，信用风险通常通过PD（违约概率）、LGD（损失给定违约）、EAD（暴露在风险中）等指标衡量；市场风险通过VaR（在险价值）、压力测试等方法评估；操作风险常用损失分布法（LDA）或贝叶斯网络建模；流动性风险则通过资金缺口分析或压力测试下的现金流模型评估。

2.问题：解释VaR（在险价值）的定义及其局限性，并说明如何通过ES（期望shortfall）改进VaR的不足。

答案：VaR是在给定置信水平下，未来一定时间内投资组合最大可能损失的价值，如95%置信度下1天的VaR为1000万，表示有95%概率损失不超过1000万。但VaR存在两大局限：一是“肥尾效应”，未考虑极端事件（黑天鹅）；二是未反映极端损失的实际大小。ES（期望shortfall）是VaR以上损失的平均值，能更全面反映尾部风险，如95%置信度下ES可能远高于VaR，提示更严重的潜在损失。因此，监管机构（如巴塞尔协议III）要求银行同时披露VaR和ES。

3.问题：什么是相关性风险？在市场风险建模中，如何降低相关性风险对组合整体的影响？

答案：相关性风险是指不同资产或资产类别在极端市场条件下同步变动的风险，会放大组合损失。例如，2008年金融危机中，多国银行因次贷相关性风险导致系统性危机。降低相关性风险的方法包括：1）分散投资，选择低相关性资产（如股票+债券+另类投资）；2）动态调整权重，通过优化模型（如均值-协方差优化）减少集中暴露；3）使用衍生品对冲（如股指期货对冲股票组合波动）。

4.问题：描述CoVaR（条件在险价值）的概念及其与VaR的区别，并说明其监管意义。

答案：CoVaR是在给定某个资产或市场出现极端损失时，整个投资组合的额外损失。与VaR的区别在于：VaR关注单点风险，CoVaR关注系统性风险传导。例如，CoVaR衡量银行A违约时，银行B的损失是多少。CoVaR对监管有重要意义，可识别系统性风险源头，如2008年研究发现雷曼兄弟的CoVaR极高，提示其是系统性风险点。巴塞尔协议III要求银行计算CoVaR以评估顺周期风险。

5.问题：什么是压力测试？在风险建模中，如何设计有效的压力测试场景？

答案：压力测试是通过模拟极端但可能的市场情景（如利率飙升、股市崩盘、主权债务违约），评估资产组合或机构的损失。设计有效场景需考虑：1）历史事件（如1987年股灾、日本地震对银行的影响）；2）监管要求（如巴塞尔协议对资本充足率的要求）；3）机构特定风险（如银行对新兴市场敞口）。场景应覆盖财务和非财务因素（如政策收紧、声誉危机），并量化潜在损失（如LGD、EAD变化）。

二、信用风险建模（6题，每题5分，共30分）

1.问题：解释PD（违约概率）、LGD（损失给定违约）和EAD（暴露在风险中）的区别，并说明它们在信用风险模型中的联合应用。

答案：PD是借款人违约的数学概率，如PD=5%表示1%的违约率。LGD是违约后实际损失的占比，如LGD=50%表示违约时损失50%。EAD是违约时银行对借款人的总敞口，如未担保贷款为全部余额，担保贷款为未担保部分。三者联合计算风险加权资产（RWA）：RWA=EAD×LGD×PD×调整系数。例如，一笔1000万贷款，PD=2%，LGD=40%，EAD=1000万，则RWA=1000万×40%×2%×1=8万（调整系数根据监管规则变化）。

2.问题：简述Logit模型和Probit模型在PD估计中的应用，并比较它们的优缺点。

答案：Logit模型用Logit函数（Sigmoid）映射自变量到[0,1]，适用于二元分类（违约/不违约），公式为PD=1/(1+exp(-βx))。Probit模型用标准正态分布累积分布函数（CDF）映射自变量，公式为PD=N(βx)，对异常值更鲁棒。优点：Logit更直观（符合0-1约束），Probit统计效率高（大样本下更精确）。缺点：Logit假设误差正态分布，Probit假设误差标准正态，实际中需通过残差分析选择。

3.问题：什么是内部评级法（IRB）？在银行信用风险建模中，IRB如何影响资本要求