新资本协议中违约概率模型的研究及应用

新资本协议中违约概率模型的研究与应用

Research and Application of PD Model in New Basel Capi tal Accord

武剑王健内容摘要：巴塞尔新资本协议实施在即，新资本协议与往常版本的重大突破在于它倡导使用内部评级法（IRB）以加强风险监管的敏感性。而客户违约概率（PD）的准确计算正是内部评级法的核心内容。本文就详尽介绍了违约概率的概念、定义，计算违约概率的进展过程；并重点研究分析了一些较为成熟的违约概率计算模型和数学统计方法，并结合建行违约概率计算的应用提出一

些经验之谈，同时对国内商业银行客户违约概率研究的进展提出了建设性的意见。

关键词：内部评级法违约概率违约数据

背景

巴塞尔新资本协议立即于2003年底正式公布，并拟于200 6年在各成员国实施。新资本协议首次提出了涵盖“三大支柱”（资本充足率、市场监管和市场纪律）的监管框架，进一步充实了金融风险监管的内容和方式，这将对业以后进展产生重大和深远的阻碍。新资本协议的核心内容是内部评级法（IRB法），同意治理水平高的银行采纳IRB法计算资本充足率，从而将资本充足率与银行信用风险的大小紧密结合起来。能够讲，满足资本监管的IRB法代表了巴塞尔委员会认可的并希望商业银行，特不是大银行今后广泛采纳的内部评级体系。IRB法代表了信用风险治理技术进展的大方向。在新协议的推动下，许多国家的银行都在积极开发IRB法，力争在2006年达标。银监会也差不多明确指出，各家商业银行应该尽早着手收集内部评级体系所需的各项必要信息，为今后采纳定量分析方法监测、治理信用风险做好基础性工作。在一段时刻之后，如银行条件具备，银监会将考虑使用

内部评级法进行资本监管，并为银行改进风险治理提供激励机制。当前困扰国内商业银行应用内部评级法的要紧障碍各家商业银行所面临的风险度量的技术差不和数据的缺失。新资本协议要求银行不断提高风险计量的精确性和敏感性，鼓舞有条件的银行建立并使用内部评级体系，由此准确计算出交易对手的违约概率（PD）、违约损失率(LGD)、风险敞口(EAD)及敞口期限(M)等要素，由此确定风险资产权重和资本充足率。因此准确计量这些风险指标对商业银行应用内部评级法就显得至关重要。而在这些风险指标计算中，违约概率的计算又成为了其中最基础、最关键的问题。事实上，在整个内部评级法以及全面风险治理的应用中，客户违约概率的准确计量差不多上最核心的问题，它是预期损失、经济资本、贷款风险收益率计算的基础。本文在新资本协议框架下，着重探讨了违约概率模型的建立、运算和检验等关键步骤，提出了中国银行业的应对策略。

一、违约概率的标准定义

违约概率是指借款人以后一定时期内不能按合同要求偿还

贷款本息或履行相关义务的可能性。在新资本协议中，违约概率被具体定义为借款人一年内的累计违约概率与3个差不多点中

的高者。巴塞尔委员会设定0.03%的下限既是为了给风险权重设定下限，同时也是考虑到银行在检验小概率时所面临的困难。

2002年，巴塞尔委员会对内部评级法实施过程中的许多关键指标进行了重新定义，其中客户违约定义是在广泛征求各国银行意见的基础上制定的，具体内容表述为。

当下列一项或多项事件发生时，相关的债务人即被视作违约。（1）能判定债务人不可能偿还全部债务（本金、利息或其它费用）；

（2）与债务人的任何债务有关的信贷损失事件，如销帐、提取特不预备金或债务重组，包括豁免或推迟偿还本金、利息或其它费用；

（3）债务人的任何债务逾期90天以上；或

（4）债务人申请破产或要求债权人提供类似的爱护。

上述标准只是一个参考定义，由于我国没有公布具体企业违约或破产的统计信息，没有明确的划分企业违约的标准可供参考，为了选取样本和建立判不模型，还必须制定一个切实可行的违约与非违约企业的界定标准。企业违约集中和突出表现为企业

财务违约，以违约、无偿付能力或破产为显著特征和具体表现形式，是违约程度逐步加深的三种具体表现形式，也是企业违约逐步加剧的三部曲。从企业财务违约表现入手，抓住三个财务违约的显著特征，就能够对企业是否违约进行准确划分。违约、无偿付能力或破产在实务中都表现为企业无法按贷款合同约定偿还

银行本金和利息。因此，我们把年底企业能否按时偿还银行贷款本息作为企业违约与否的界定标准。

二、计算违约概率的数学工具

从统计学角度看，能够进行违约概率分析的数学工具要紧包括判不分析、逻辑回归、主成分分析和神经网络等四种类型。（1）判不分析

判不分析是一种度量特定范畴内因子重要程度的分类方法。

如检验引起客户违约的要紧因素，只要能确定所有可能的阻碍因素，模型就能够使用这些因素在违约要紧因素和次要因素之间做出判不分析。在错判概率最小或错判损失最小的前提下，建立一个计算准则，对给定样本，依据该准则推断是否违约。

对客户违约概率的计算属于多元判不分析。具体而言，将已有的客户违约数据对应相应客户信用分类的样本进行分类，对各组样本选择相应的自变量进行统计分析，求出合并协方差矩阵。

再利用新样本数据中相应的变量代入公式求得马氏距离，距离最小的表示新样本数据与该类样本最为相似，由此归入此类（违约或不违约），并依照距离远近求出新客户一年期违约概率。

目前，国际通行的统计工具软件，如SAS、SPSS、Statistcs 等都能够提供判不分析功能，能够依照用户需要定制前端更加友好的界面，从而更直接地进行违约概率的计算和判不。

（2）Logistic逻辑回归

此类模型是计算违约概率的传统工具，其差不多原理是对已有客户违约和不违约样本0-1分类，依照业务规则，选取一定指标作为解释变量。取得这些已有先验数据的样本后，将P设为客户违约概率，（1-P）为客户不违约的概率，将比率P/（1-P）

取自然对数得Ln(P/(1-P)),即对P作LOGIT转换，由此建立线

形回归方程进行分析。实践表明，这种模型对推断二分类变量的关系有着良好效果。而违约事件正好属于二分变量范畴，因此这种模型在计算PD过程中有着专门好的适用性。

（3）主成分分析

主成分分析是“空间旋转”构造原变量的线形组合，产生一系列互不相关的新变量，从中选出少数要紧变量，使之包含尽可能多的原变量信息，从而使得用这几个新变量代替原变量分析问题和解决问题成为可能。当研究对象确定后，变量中所含信息的大小通常用该变量的样本方差来度量。在现实经济生活中，阻碍违约的因素专门多，如企业经营状况、财务状况、还款意愿、担保品价值、政府干预等，这些因素对违约的发生有着不同的贡献，对违约概率的分析没有必要考虑所有阻碍因素，运用主成分分析能够从变量的相互阻碍关系中萃取出要紧因素，并依照各要素所含信息的多少确定变量关系和计算方法。

统计实验表明，该方法在计算PD时，如单独使用，往往造成模型不健壮，即参数缺乏稳定性，但它能够十分有效地确定解释变量集合，因此在模型建立的前期发挥着重要作用，若与其他模型结合，会收到良好效果。

（4）神经网络分析

神经网络模型是近年进展起来的一种信用分析模型。它与非线形判不分析十分相似，扬弃了危机预测函数的变量是线形同时相互独立的假设。神经网络模型能深入挖掘预测变量之间“隐藏”关系，正在成为非线性违约预测函数的重要依照。

在人脑中，穿梭于神经元间的电子信号是受到抑制依旧得到激活，取决于神经元网络过去学习的内容。同样，采纳硬件或是软件构建的人工神经元与生物神经元的行为方式差不多相似。神经网络的行为来源于相互联系的单元的集合性行为。神经元之间的关联并不是固定不变的，而是能够通过神经网络与外界间的相互作用所产生的学习过程进行相应的修改。

三、违约概率模型的比较研究

（1）古典违约分析

银行最初的信用违约概率分析更像一个专家系统，这种分析过程多是依靠于训练有素的专家的主观推断的定性分析系统，一个信贷人员在其职业生涯中，积存了这种信用分析经验，进而成为专家。在信用分析模型不甚发达的时代，这些信贷专家的经验推断对银行来讲是弥足宝贵的，他们对贷款的审核过程专门有借鉴意义。其评估过程大致如下：基于往常客户贷款违约情况资料的分析，将客户的违约情况大致分为几种情况，如专门低、低、中、高、专门高五个数量级，然后对新贷款客户进行全方位的推断。

尽管这种推断方式无法给出具体的违约概率值，但这种客户违约推断方式在银行进展早期依旧相当有效的，也在一定程度上

操纵了信用风险，特不像财务比率的分析思想，直到现在差不多上违约概率模型不可或缺的组成成分。然而，古典违约分析过多依靠信贷专家的主观推断，在实际应用中精确度和一致性专门难保证。

（2）奥特曼模型

Altman教授创立的Z模型是建立在单指标比率水平及绝对水平基础之上的多变量模型。这些数值通过综合计算产生的衡量标准能有效地区分违约与非违约客户。这种标准之因此有效是因为通过对已有的违约客户和非违约客户的相关数据样本进行统计分析，两组的组内方差较小，组间方差专门大，样本显著性特不高，即违约客户所呈现的各种比率和财务趋势与那些财务基础良好的公司截然不同。银行利用这种模型进行推断，当贷款申请者的评分濒于临界点时，要么拒绝其申请，要么对其进行详细审查。通过这种推断方式，就能够专门自然的通过对客户相关指标得出恰当的分类，从而对客户违约概率进行大致估判。奥特曼多变量模型是以财务比率为基础的，在该模型基础上后来又产生了专门多变形，但差不多的Z模型沿用至今，同时差不多拓展应用于私人企业、非制造企业以及上市公司等广泛领域。

迄今，奥特曼模型在国外商业银行得到广泛应用。ALTMAN选择的单指标是通过大量样本分析后确定的，具有相当的精准性和稳定性。这些指标包括衡量公司的获利能力、流淌能力、偿债能力的各种比率。关于缺乏内部评级系统的金融机构或客户系统性风险无法界定时，能够采纳比较简练的奥特曼模型。

（3）决策树模型

决策树模型在推断客户违约概率上也有广泛应用。在决策树模型中，按照申请者特征，由重要到次要，对不同指标连续地分割。如此一个客户的样本空间可被分成若干细小的模块，例如借款人可分成拥有住宅及租赁住宅两大类。拥有住宅者又能够再分成不同的收入水平，每个收入水平上的申请又可接着分成在现有地点居住两年以上者及以下者。如此整个样本空间就被分割成互不交叉的“小组”。该模型总的原则确实是将整体按照不同的违约状况不断分割，接着即可依照每个“小组”的违约概率进行信用决策。

决策树模型原理和操作比较简单，系统开发难度较小，要紧应用于没有成熟的统计、计量分析能力且有相当丰富的客户样本。此外，决策树模型能比信用计分模型更有效地处理变量之间的相互作用。即使在一些变量缺失的情况下，决策树模型也能产

标准普尔和穆迪违约损失率衡量方法研究资信论坛-上海新世纪资信

◆资信论坛 标准普尔和穆迪违约损失率衡量方法研究 郑宇 黄德民/文 违约损失率（Loss Given Default）与债权人的自身利益息息相关，主要指债务人发生违约后给债权人造成损失的程度。违约损失率一般与宏观经济、偿债法律顺序、企业自身素质等因素存在相关关系。在违约损失率较大时，即使违约率较小，债权人仍需要客观评估当债务违约后面对巨大损失时自身的风险承受能力，因此违约损失率的衡量是信用评级不可或缺的考虑因素。 一、标准普尔公司违约损失率衡量方法 标准普尔公司（以下简称“标准普尔”）对违约损失率（Loss Given Default）的研究涉及非常广泛的范围，包括大中型企业、金融机构、保险公司、项目融资（Project Finance）、资产融资（Asset Finance）、房地产、贸易融资（Trade Finance）、地方政府及主权等方面。标准普尔的违约损失率衡量方法涉及基于挽回风险（Recovery Risk）的分析工具，可以对配对分析（Peer Analysis）、情景分析（Scenario Analysis）和主动资产组合管理（Active Portfolio Management）提供支持。 图1 从劣质贷款中分辨优质贷款1 1两个信用风险维度（违约风险和挽回风险）的分离可以在不同方面分析和管理风险。银行在授信方面能够通过有效的结构化措施使预期损失达到最小。

1.打分卡模型（SCORECARDS） 在较低违约风险的环境中，标准普尔的打分体系通过已测试的以内部评级为基础的方法体系进行违约损失率的估计。 标准普尔的打分体系包括以下特征：①包括广泛的子行业和资产分类（A s s e t Class）；②可以在一个连续的范围（Scale）内上进行违约损失率的点估计，可以映射于任何离散的挽回比例；③当挽回率数据不完备时，通过专家分析在一致的方法和统计框架下增加要素（Inputs）；④可以使用EXCEL工作表进行整合和表示。 图2 企业违约损失率打分卡样本 资料来源：标准普尔《Loss Given Default》 2.决策树模型（DECISION-TREE MODELS） 决策树模型是对违约损失率和违约风险敞口进行计算和信息整合的一种银行授信（Facilities）风险评级方法体系，其特征包括：①通过历史违约率与深入（In-deepth）分析相结合的方式进行预测，内部数据可以通过外部资源来证实所选的风险要素水平；②在风险要素的选择、数量、复杂性方面结合不同行业、项目的特征进行选择；③违约损失率的判定以实证经验为基础，但也会对风险要素进行适当调整，以得到更好的违约损失率； ④在压力测试等情景中与监管框架（例如巴塞尔协议）相一致。

穆迪违约损失率模型Moody LGD

Moody’s Analytics Professional Services 巴塞尔新资本协议下的 违约损失率模型开发与债项评级的解决方案 2009年2月

介绍大纲 巴塞尔新资本协议：关于违约损失率的相关要求 违约损失率的影响因素和模型 违约损失率模型开发与债项评级的解决方案 –中国的挑战 –主要问题 –解决方案的框架结构 –业务流程改进解决方案 –模型开发的初步工作：专家模型和模型因素的分析 –问题的讨论 2

Moody’s Analytics Professional Services 巴塞尔新资本协议： 违约损失率的相关要求

标准法和内部评级法：抵押品管理 标准法和内评初级法规定有资格的抵押品应该具备以下特点： 法律地位明确 能够客观估值（可以采取盯市价格） 良好的流动性 价值波动性较低 和交易对象的信用相关性较低 有资格的抵押品种类： 金融抵押品（标准法和内评初级法） 应收账款（内评初级法） 商用房地产/居住用房地产（内评初级法） 其它抵押品（内评初级法） 4

标准法：认可抵押品类型 标准法认可的抵押品： –现金类，包括存款证明或者银行发行的类似现金的工具。 –黄金 –债券类，包括公认的外部信用评级机构评定的债券（国家公共部门发行BB-，其它机构BBB+以上）和未经外部信用评级机构的债券（银行发行、交易所交 易、优先债务等）。 –股票类，包括纳入主要市场指数中的股票和可转换债券等。 –证券和基金类，包括集体投资可转让证券和共同基金。 标准法中综合法认可的抵押品（在简化法基础上）： –不属于主要市场成份股，但在认可交易所交易的股份 –集体投资可转让证券和共同基金（每日公开报价） –满足一定标准的银行发行的未经外部评级机构评估的债券 5

浅议商业银行违约概率的测算方法

浅议商业银行违约概率的测算方法 经济学院国际经济与贸易系谢虹0311995 提要：违约概率是计算贷款预期损失、贷款定价以及信贷组合管理的基础，因此如何准确、有效地计算违约概率对商业银行信用风险管理十分重要。本文根据我国商业银行的现状，分析了建立违约概率估计模型的理论和方法，提出了我国商业银行建立违约概率模型的一些建议，希望对指导建立内部评级体系和信用风险管理有些许借鉴意义。 关键词：商业银行，虚因变量模型，Logistic模型，违约概率 国际银行业监管的统一标准——《巴塞尔新资本协议》在2004年6月正式定稿。与1998年的协议相比，新协议的最大创新之处是提出IRB法，即允许银行采用内部数据估计风险计量参数，包括违约概率PD，违约损失率LGD违约风险暴露EAD和有效期限M等。其中，无论是初级法还是高级法都要求银行自行估计客户的违约概率PD。因此，违约概率是银行信用风险计量的基础，准确测算违约概率对银行防范和控制信用风险十分重要。但是由于我国商业银行的风险管理水平普遍落后于国外先进银行，尤其表现在风险量化方面，因此把《新资本协议》实施作为银行监管和提升风险管理水平的手段对我国商业银行来说既是挑战也是机遇。下面本文将在可供商业银行选择的概率计算方法中结合我国商业银行的实际，对违约概率测算中相关问题进行研究。 一、数据采集 对一个客户信用状况的分析包括两方面：一是定量分析，主要是财务数据的分析；二是定性分析，包括管理水平、市场竞争力和领导者素质等。因此我们测算客户违约概率时采集的数据也必须包括定性数据和定量数据两部分。建模数据的质量很关键，其好坏直接关系到模型结果正确与否。建模所需要的数据有两类，一类是违约客户（坏客户），另一类是非违约客户（好客户）。根据经验，建立相关的企业客户违约概率模型至少需要1000个以上客户样本，所建立的违约概率模型才可能具有较好的稳定性。样本越多，其结果的精确性也越高。由于国内大部分银行一般从2000年以后才开始注意收集并保存完整的客户数据，所以违约客

违约损失率(LGD)研究

违约损失率（LGD）研究 作者：陈忠阳博士、副教授中国人民大学中国财政金融政策研究中心、中国人民大学财政金融学院 长期以来，人们对信用风险的关注和研究主要在于交易对手违约的可能性，即违约概率PD（Probability of Default），而对交易对手一旦违约可能造成的损失程度，即违约损失率 LGD(Loss Given Default)的研究远远不及违约概率PD，然而，作为反映信用风险程度的基本参数之一，LGD相比于PD对信用风险管理有着同样的重要性。尤其是自新巴塞尔资本协定将LGD和PD一同纳入监管资本衡量的基本框架以来，违约损失率（LGD）引起了监管界、业界、和理论界的高度重视。 一、LGD性质与特点 违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失的严重程度。从贷款回收的角度看，LGD决定了贷款回收的程度，因为，LGD＝1－回收率。 构成一个完整风险概念的两个基本要素是损失的可能性和一旦损失发生后的损失规模，即损失的严重程度。因此，LGD是

除违约概率PD以外反映信用风险水平的另外一个重要参数，两者结合在一起才能全面反映信用风险水平。显然，PD既定的情况下，LGD越高，信用风险越大。预期损失率（Expected Loss, EL）是反映信用风险的一个指标，它是LGD和PD的乘积：预期损失率（EL）＝LGD × PD。1 PD和LGD都是反映债权人面临债务人违约的信用风险的重要参数，因此，两者都受到债务人信用水平的影响，然而，从性质上看，两者又有重要的区别。总的来说，PD是一个交易主体相关变量，其大小主要由作为交易主体的债务人的信用水平决定；而LGD具有与特定交易相关联的特性，其大小不仅受到债务人信用能力的影响，更受到交易的特定设计和合同的具体条款，如抵押、担保等的影响。因此，对于同一债务人，不同的交易可能具有不同的LGD，如对于同一债务人的两笔贷款，如果一笔提供了抵押品，而另一笔没有，那么前者的LGD将可能小于后者的LGD。因此，对PD和LGD的分析应有不同的着眼点。 除了上述交易项目相关特性以外，西方在LGD方面的研究和实践表明LGD还具有以下一些特点：LGD概率分布呈现双峰分布的特征；LGD与PD呈正相关的关系；LGD与破产法等法律制度密切相关；LGD波动幅度大，影响因素多，且研究历史短，数据稀少，因而量化难度大。本文随后将针对LGD的这些特征进行详细的论述。

新资本协议中违约概率模型的研究及应用

新资本协议中违约概率模型的研究与应用 Research and Application of PD Model in New Basel Capi tal Accord 武剑王健内容摘要：巴塞尔新资本协议实施在即，新资本协议与往常版本的重大突破在于它倡导使用内部评级法（IRB）以加强风险监管的敏感性。而客户违约概率（PD）的准确计算正是内部评级法的核心内容。本文就详尽介绍了违约概率的概念、定义，计算违约概率的进展过程；并重点研究分析了一些较为成熟的违约概率计算模型和数学统计方法，并结合建行违约概率计算的应用提出一

些经验之谈，同时对国内商业银行客户违约概率研究的进展提出了建设性的意见。 关键词：内部评级法违约概率违约数据 背景 巴塞尔新资本协议立即于2003年底正式公布，并拟于200 6年在各成员国实施。新资本协议首次提出了涵盖“三大支柱”（资本充足率、市场监管和市场纪律）的监管框架，进一步充实了金融风险监管的内容和方式，这将对业以后进展产生重大和深远的阻碍。新资本协议的核心内容是内部评级法（IRB法），同意治理水平高的银行采纳IRB法计算资本充足率，从而将资本充足率与银行信用风险的大小紧密结合起来。能够讲，满足资本监管的IRB法代表了巴塞尔委员会认可的并希望商业银行，特不是大银行今后广泛采纳的内部评级体系。IRB法代表了信用风险治理技术进展的大方向。在新协议的推动下，许多国家的银行都在积极开发IRB法，力争在2006年达标。银监会也差不多明确指出，各家商业银行应该尽早着手收集内部评级体系所需的各项必要信息，为今后采纳定量分析方法监测、治理信用风险做好基础性工作。在一段时刻之后，如银行条件具备，银监会将考虑使用

因子分析+logistic回归度量信用风险违约概率

基于因子分析的logistic违约概率模型的实证研究 作者：葛钊 本文针对一般商业银行等单位采用Logistic回归估计PD的模型中多重共线性、没有考虑时间因素等问题，构建和验证了基于因子分析的logistic违约概率测算模型的效果和可行性，并对财务指标进行了时间加权化处理的模型改进工作，在最后对模型的进一步优化提出了新的思考和方向。 本文样本数据获取渠道为中国证券市场公开信息，选取6家在2005-2006年和2010年发生过银行贷款违约的制造业上市公司（违约笔数8笔），和31家同行业同期贷款未发生违约且非ST类的上市公司，并且总资产与销售规模与违约公司相似（考虑到建模样本数量过少，加入此约定为提高模型精度），组成39个建模数据，进行模型构造。其中，财务数据均取自违约/非违约公司对应违约年份前一年末或前二年末的数据，此是模型具有预测功能的必要条件。 6家违约上市公司8条违约记录（其中3条违约记录来自同一公司）如下： 6家上市公司发生逾期的贷款类型均为短期流贷，全部归属于公司风险暴露中一般公司风险暴露。另外，之所以将上海宽频科技股份有限公司的三次逾期数据全部纳入建模，是由于一方面可供建模的违约数据过少，将其加入不影响模型的建立和使用，另一方面数据量的增加增强了模型的预测能力。 31家非违约上市公司信息如下（合并报表数据）：

*其中四川大通燃气开发股份有限公司在2006年由医药、生物制品类转为批发和零售贸易类；浙江钱江生物化学股份有限公司在2006年由医药、生物制品转为石油、化学、塑胶、塑料类。特此说明。 以下对从网络公开信息获取的数据，进行数据手机、业务定义、数据清洗、模型分组、模型分析、变量构造、变量分析和变量选择等步骤。 选取如下14个财务指标，作为建模数据估计模型参数。选取数据的原则主要是从数据的易获得性、完整性考虑的，同时为了免去单因素初步筛选等较为简单的过程，直接按现有资料综合选取了显著性较高的财务指标。所选指标全部是以百分比度量的财务比率，这样的好处是将企业规模等因素在模型系统中的影响最小化，提高模型的预测精度。 提取指标列表：

计算违约概率和进行信用评级

确定某一合约中借款人的违约概率及评定其信用等级是一门科学，也是一门艺术。银行通过使用评分卡来做出信用评级。如其名字所示，评分卡是指一种收集有关公司信息，对其进行核对和整理，并对不同的特性打分的工具。评分卡不同部分的得分被计算和汇总，并根据评级量表或其他形式转换成信用评级。借款人的最终信用评级可能完全通过使用评分卡来确定，也可能不完全是这样，但改变其最终评级的过程及依据必须明确。下面我们分别考察这几个步骤。 1. 收集信息–评分卡包含了各种各样的信息。其中一些信息始终是财务性的，包括关键的财务比率，例如联动比率，以及销售额与赢利能力指标，如毛利率或净利润率。这些比率将通过对至少三年经过审计的财务报表进行分析得出。除此以外，还有一些非财务信息，如帐户质量和行业地位等。 2. 评定得分–对于收集的的每一项数据，将根据预先确定的评级量表确定其数值得分。点数越高，风险水平越低。例如联动比率较高的客户得分将低于较低或零联动比率的客户。这主要是基于我们的如下预期，即高联动率使一家公司的风险加大。 3. 对照信用评级量表–将每个项目的点数相加后，将其与总的评级量表进行比较，从而得出诸如“BBB”或“AA-”级之类的评级。较高的评级需要较多的点数。 4. 最终评级–虽然这看起来已经是评级过程的最后一步，但是可能还有充分的理由，使银行根据内部评分卡对借款人的信用评级进行修订，如上调或下调。理由之一是标准比较。内部评分通常根据外部的评级尺度，如标准普尔和穆迪的评级量表，进行调整。而且，如果上述评级公司也已为借款人评定了信用评级，银行通常可将内部和外部评级进行比较。如果存在较大的差别，如不在相同的级别，使用外部评级可能更合适。另外一个理由是在公司的情况发生变化时，这些变化没有在计入评分卡的数字中得到充分反映。这些事件可能包括会计年度终期之后发生的财务事件，如资本增加(风险情况有所改观)或新贷款获批或销售前景不佳(增加了风险)等。这类调整是十分重要的，因为信用评级旨在作为前瞻性手段，衡量未来12个月内的违约概率，而不是机械生成的一个简单概率。因此，必须记住，财务信息在发布和计入评分卡时，通常已经过时数个月。因此，使用这些信息做出信用评级必须要慎重。 上述步骤描述了信用评级是如何确定的。评分卡首先由分析人员或信贷经理填写，但是最终评分将征得独立方，例如信贷审批人员的认可。在一年中，随着新信息的获得或者发生重大事件，例如并购，监管方面发生变化，或者收到新的财务信息，必须随时对信用等级进行再次评估。 上述四个步骤与信用评级机构使用的步骤基本相同，唯一不同之处是评级机构在做出评级后，接受其评级的公司将向其支付费用。这是因为，信用评级机构做出的评级将作为表明公司所发债券风险水平的指标。公司发行债券总是希望投资者愿意购买。由于评级机构可以接触大量信息，因而其在评定最准确的信用评级方面具有优势，而银行等外部各方不具备获得这些信息的渠道。然而，信用评级机构在做出评级时收取费用，这意味着它可能失去一定的独立性。此外，评级机构的信用评级也可能过时。评级机构仅在即将发生违约之前，甚至是在发生违约之后才改变信用评级。但是，当发生某个事件，且这一事件的重要性不能立即显示出来时，如出现并购、接管或利润预警声明，评级机构通常将公司的状态定为所谓“信用关注”或某些类似的评级。

新巴塞尔协议内部评级法中违约损失率研究

新巴塞尔协议内部评级法中违约损失率研究 【摘要】：巴塞尔新资本协议定于2006年底正式在各成员国实施,内部评级法作为新巴塞尔协议的核心内容,其应用方法与技术正在被各国金融机构极力吸收采纳,各国商业银行都在为内部评级法的顺利实施作积极筹备。违约损失率LGD是内部评级法的核心参数之一,它与内部评级法的顺利实施有很大的关系,然而,它是所有参数度量中较为复杂的,本文就结合新资本协议的要求,在对LGD进行理论剖析的基础上,就国际上关于违约损失率的估计方法进行分类和比较,讨论了不同风险暴露的LGD,并就违约损失率估计中存在的问题及其在我国的进展情况进行分析。本文的主要工作及创新体现如下:一、将巴塞尔新资本协议与1988年的资本协议作比较分析,指出新协议对老协议的创新之处与区别所在。在此基础之上,本文引出巴塞尔新资本协议的核心内容——内部评级法(IRB)。通过对IRB法中各类核心指标的详细考察,过渡到对参数LGD的研究,并对目前国际银行业及学术界估算LGD过程中存在的问题以及巴塞尔委员会对银行估算LGD过程中存在的问题作了进一步探讨。二、详细分析了有关LGD的影响因素。以前人的研究成果为基础,辅以图表工具,对LGD的涵义、影响LGD 的各种宏观影响因素(如经济周期、行业差异等变量)、微观影响因素(如债务资质水平、行业规模大小等变量)逐一进行了比较详细的分析。三、比较详细介绍了IRB初级法中LGD的度量方法以及度量规定。着重对初级法中影响LGD的抵押品进行详细地分析,涉及到抵押

品的类型、抵押品的认定、抵押品损失后对度量LGD的影响以及巴塞尔委员会所作的相应处理等问题。四、对IRB高级法中度量LGD 的各种方法进行了比较分析。着重对历史数据平均值法、资产估值法、因素模型法、死亡率模型、非参数法、拟合分布法和模拟技术等方法作了比较,其中拟合分布法为本文提出的一种新的度量方法。五、以对LGD的定性定量介绍为基础,针对不同金融资产(银行类资产、证券类资产以及租赁类资产等)的不同特性,对其LGD的特性、度量方法等问题分类进行了研究。其中加入了新巴塞尔协议中没有涉及到的证券类资产、租赁类资产的关于LGD的定性研究及相关的定量研究,为将非银行金融机构的风险度量引入巴塞尔协议提供了启示作用。六、分析目前在度量LGD过程中所存在的各种问题以及相应的解决方法。例如度量LGD时折现率的选取问题,并结合我国实际情况相应提出了在我国估算LGD时所必需的配套措施、配套环境等。【关键词】：信用风险巴塞尔协议内部评级法违约概率违约损失率 【学位授予单位】：山西财经大学 【学位级别】：硕士 【学位授予年份】：2006 【分类号】：F224;F831 【目录】：摘要6-8ABSTRACT8-14导言14-191、选题背景及依据

抵押贷款的违约损失率(LGD)研究

抵押贷款的违约损失率（LGD）研究 何自力原创 | 2006-03-22 09:47 | 投票 标签：违约抵押物回收率损失率 LGD 摘要：新巴塞尔资本协定将违约概率（PD）和违约损失率（LGD）纳入监管资本衡量的基本框架，国际活跃银行内部风险管理指标已从不良贷款率转向PD和LGD。本文简要综述了国际上LGD理论与实证研究的成果，并对国内商业银行抵押贷款LGD进行了实证研究，得出了一些重要结论与管理建议。 关键词：新巴塞尔资本协定，抵押，违约损失率 自巴塞尔新资本协定将违约概率（PD）和违约损失率（LGD）一同纳入监管资本衡量的基本框架以来，违约损失率（LGD）引起了监管界、业界和理论界的高度重视。 一、关于违约损失率（LGD）的研究综述 违约损失率LGD（或1—回收率）是指预期违约的损失占风险暴露（e xposure）的百分比，违约时风险暴露（EAD，exposure at default）是指由于债务人违约所导致的可能承受风险的信贷业务的余额。反映信用风险的重要指标—预期损失率（Expected Loss, EL）是LGD 和PD的乘积，即：预期损失率（EL）＝LGD × PD。 （一）国外及港台的研究 企业举债取得资金的主要渠道有直接融资和间接融资。直接融资的各项公司债具有次级市场价格，违约后可以通过该债务工具违约后一定

时点的市场价格为基础估算违约损失率。对于间接融资，则需依靠银行积累的违约贷款数据资料来推估违约损失率。公开市场资料较易取得，因此违约损失率的研究也以此为基础发展起来。 Robert C. Merton于1974年发表的“on the Pricing of Corporat e Debt: the Risk Structure of Interest Rates”一文是现代信贷违约概率和回收率分析的理论基础文章。其不足之处是没有解决信用资产质量的实际观测问题，在实证中的应用受到限制，这也是模型诞生后大量后续工作的重心所在。 针对Merton（1974）模型在实证应用领域的困难，有若干文献尝试提供变通的解决办法。Crouhy和Galai(1997)将不能直接观测的Mer ton（1974）模型表达为信贷违约概率和回收率的函数，从而使信用风险管理的核心简化为对PD和LGD的观测分析，产生了较大影响。观测度量金融工具LGD的途径大致有三类（刘宏峰，杨晓光，2003）: M arket LGD（市场LGD,以实际违约事件发生后违约债券或可交易贷款的市场价格为依据）；Workout LGD（清算LGD，清算及追讨过程产生的一系列现金流估计值的现值与风险暴露的比值）； Implied Ma rket LGD（市场隐含LGD，利用资产估价模型，按同类未违约债券的利差与价格计算）。事实上，基于债券二级市场或贷款二级市场（如证券化的个人住房抵押贷款）的实证研究较多，而对普通的银行贷款的实证研究很少，其原因一是研究方法的复杂性，二是数据的非公开性。 1、美国市场的研究

违约概率综述

客户违约概率直接影响着内部评级法以及全面风险管理的应用,因此准确的测度违约概率有十分重要的意思。估计违约概率主要有以下几种方法: 经验方法、期权模型方法、经济计量方法、保险精算方法以及利率期限结构比较法。 经验方法 经验方法是通过实际的违约记录建立样本量足够大的信用评级数据库, 以数据库为基础来推断不同信用等级的违约概率。基于经验方法的违约概率测度模型主要有Credit Metrics模型和Creditportfolio View模型。 1、中Credit Metrics模型是以历史等级转移和违约的数据来估计,依据转移矩阵来实现违约概率的度量,不仅可以度量不同性质公司在不同商业周期一年的违约概率即是转移矩阵最后一列数值，同时还能计算了各个信用等级在n ( n > 2) 年内平均的累积违约率。 2、Creditportfolio View模型的最大特点是考虑了当期的宏观经济环境（如失业率、GDP增长率、长期利率水平等因素）的影响，是对redit Metrics模型的转移矩阵通过宏观经济因素调整而得出的条件转移矩阵，由于该模型是以当期的经济状态为条件来计算债务人的等级转移概率与违约概率, 因此这个模型最适合用于投机级别的债务人。 期权模型方法 期权模型方法，由于债务合约的收益分布与期权收益分

布都是非对称分布，因此债务合约可以视为一种期权合约。同经验方法相比, 期权模型的数学形式更加完美。根据期权模型计算出的违约概率通常称为预期违约率(EDF)，在计算预期违约率较出名的是KMV模型。虽然当借款人资产市值低于其债务面值（违约临界值）时, 债务人的偿债能力和偿债意愿下降, 促成债务违约，但据KMV公司对样本公司的观察, 当企业的资产价值位于全部负债价值与短期负债价值之间的某个临界水平时, 企业一般更可能违约。因此, 实际的违约临界值应小于全部债务的账面值。KMV将此违约的临界值称为违约点, 它等于企业短期债务与一半长期债务之和。 经济计量方法 经济计量方法，这种方法的测度主要是集中于违约概率关键变量的探寻与违约分类模型的建立。主要模型有一元判定模型、多元线性判定模型、多元逻辑(Logit) 模型、多元概率比( Probit) 回归模型、人工神经网络(ANN) 模型。 1、一元判定模型以某一项财务指标作为判别标准来判断企业是否处于破产状态的预测模型，虽然其方法简单、使用方便，对前两、三年的企业财务状况有很强的语言能力，但总体判别精度不高，对前一年的预测, 一元判定模型的预测精度明显低于多元模型。 2、多元线性判定模型的最终预测方程包含五个判别变

预期违约损失率、信用风险计算

目录 目录 (1) 实验报告成绩评阅汇总表 (2) 实验1 预期违约损失率、信用价差 (3) 1.1实验目的 (3) 1.2实验原理 (3) 1.3 实验数据与内容 (4) 1.4 实验步骤与结果 (4) 1.5实验结果分析 (5) 实验2信用风险损失计算 (6) 2.1实验目的 (6) 2.2实验原理 (6) 2.3 实验数据与内容 (6) 2.4 实验步骤与结果 (7) 1.1.5实验结果分析 (10) 实验3 允损失分布拟合 (11) 3.1实验目的 (11) 3.2实验原理 (11) 3.3实验数据与内容 (11) 3.4 实验步骤与结果 (12) 3.5实验结果分析 (16)

实验报告成绩评阅汇总表

实验1 预期违约损失率、信用价差 1.1实验目的 （1）利用基于无风险债券收益率贴现法（风险中性定价法（即贴现率为无风险利率，不考虑信用价差））计算债券价格； （2）利用基于市场收益率贴现定价法的信用价差（等于违约率与违约损失率的乘积）推算的隐含市场违约损失率法。 1.2实验原理 违约率一般是指历史的违约率，指债务人未能偿还到期债务的实际违约比率情况。通过测算违约率，可以对不同级别、不同地区、不同行业等发行人的违约情况给出统计上的指导意见，便于进行预测和分析。 违约损失率是指债务人一旦违约将给债权人造成的损失数额，即损失的严重程度，是指交易对手的违约损失金额占违约风险暴露的比例。 信用价差（CS）是指为了补偿违约风险，投资者要求企业信用债务提供的高于到期日相同的无风险（国债）收益的额外收益。 一般把剩余期限及现金流出流入结构相同的企业债和国债的到期收益率之差作为信用价差。根据风险中性定价计算的信用价差隐含式为：

上市公司违约概率EDF实证分析

上市公司违约概率的实证分析EDF模型对中国上市公司违约概率计算适用性的分析 摘要：内部评价法分为初级法和高级法，初级法是当前国内研究的重点。而初级内部评级法的核心部分就是违约概率的计算，其中模型化的计算方法是当今研究的主流。本文利用EDF 模型对我国上市公司的最新数据作了实证分析，结果显示，理论预期违约率值较穆迪公司公布的参考区间偏小，具有一定的风险预警作用，总体来说适用性不强。 关键词：违约概率EDF模型 背景： 内容的内部评级法(Internal Ratings-Based Approach)，该方法允许管理水平较高的商业银行采用银行内部对客户和贷款的评级结果来确定风险权重、计提资本，从而将资本充足率与信用风险的大小有机结合起来。但是在很长一段时间内，我国商业银行不具备条件实施巴塞尔新资本协议中的高级内部评级法，所以目前的研究重点应该是内部评级的初级法。在内部评级初级法中，违约概率（PD）由银行自己提供估计值，而违约损失率（LGD）、违约风险暴露（EAD）和期限（M）等是由委员会规定的监管指标。其中,违约概率(Probability of Default, PD)是商业银行计算意外损失以及经济资本的必不可少的要素之一,并且,违约概率的准确测算为商业银行计算准备金和风险加权资产(Risk Weighted Assets, RW A)提供重要依据。因此，违约概率的测度就是当前内部评级系统建立过程中研究的重点和热点问题。 早期的研究违约的模型有判别分析和Logistic回归等，但它们也只是二分类问题，对应的是判别概率而不是真正的违约概率。现代的违约概率测度模型主要有KMV的EDF模型、JP Morgan的Credit Metrics模型、McKinsey的Credit Portfolio View模型、CSFP的Credit Risk 模型以及应用保险精算方法的死亡率模型等，这些模型是当今研究的主流。本文主要利用KMV的EDF模型应用我国上市公司的数据作一些实证分析，以验证模型化的方法在中国市场中的适用性。 EDF模型基本原理 EDF模型即“预期违约率模型”，是著名的风险管理公司KMV公司开发的用以衡量违约风险基本工具。该模型最主要的分析工具是所谓的预期违约率EDF（Expected Default Frequency），故也称为EDF模型。EDF作为度量公司违约发生可能性大小的指标，根据实证数据显示，其早期侦测(early detecting)违约风险能力成效卓著；再者，应用选择权观念所建立之违约风险衡量指标，于信用分析领域中，独树一格。 对于一个公司而言，违约风险是指围绕其偿债能力所产生的不确定性。在违约之前，我们无法明确判断一个公司是否会违约，充其量也只能对其违约的可能性做出概率上的估计。一家公司的EDF是指该公司在未来一年或几年内违约的概率，它主要由三大因素决定，分别是：

抵押贷款的违约损失率

抵押贷款的违约损失率（LGD ）研究 分类：金融、保险与证券监管 管理与经济学 文章提交者：何自力 发表时间：2006-01-28 字号：大 中 小 抵押贷款的违约损失率（LGD ）研究（本文已发表于《南方金融》2006年第1期） 何自力 （广东，广州 510120） 摘要：新巴塞尔资本协定将违约概率（PD ）和违约损失率（LGD ）纳入监管资本衡量的基本框架，国际活跃银行内部风险管理指标已从不良贷款率转向PD 和LGD 。本文简要综述了国际上LGD 理论与实证研究的成果，并对国内商业银行抵押贷款LGD 进行了实证研究，得出了一些重要结论与管理建议。 关键词：新巴塞尔资本协定，抵押，违约损失率 自巴塞尔新资本协定将违约概率（PD ）和违约损失率（LGD ）一同纳入监管资本衡量的基本框架以来，违约损失率（LGD ）引起了监管界、业界和理论界的高度重视。 一、关于违约损失率（LGD ）的研究综述 违约损失率LGD （或1—回收率）是指预期违约的损失占风险暴露（exposure ）的百分比，违约时风险暴露（EAD ，exposure at default ）是指由于债务人违约所导致的可能承受风险的信贷业务的余额 。反映信用风险的重要指标—预期损失率（Expected Loss, EL ）是LGD

和PD的乘积，即：预期损失率（EL）＝LGD × PD。 （一）国外及港台的研究 企业举债取得资金的主要渠道有直接融资和间接融资。直接融资的各项公司债具有次级市场价格，违约后可以通过该债务工具违约后一定时点的市场价格为基础估算违约损失率。对于间接融资，则需依靠银行积累的违约贷款数据资料来推估违约损失率。公开市场资料较易取得，因此违约损失率的研究也以此为基础发展起来。 Robert C. Merton于1974年发表的“on the Pricing of Corporate Debt: the Risk Structure of Interest Rates”一文是现代信贷违约概率和回收率分析的理论基础文章。其不足之处是没有解决信用资产质量的实际观测问题，在实证中的应用受到限制，这也是模型诞生后大量后续工作的重心所在。 针对Merton（1974）模型在实证应用领域的困难，有若干文献尝试提供变通的解决办法。Crouhy和Galai(1997)将不能直接观测的Merton （1974）模型表达为信贷违约概率和回收率的函数，从而使信用风险管理的核心简化为对PD和LGD的观测分析，产生了较大影响。 观测度量金融工具LGD的途径大致有三类（刘宏峰，杨晓光，2003）: Market LGD（市场LGD,以实际违约事件发生后违约债券或可交易贷款的市场价格为依据）；Workout LGD（清算LGD，清算及追讨过程产生的一系列现金流估计值的现值与风险暴露的比 值）； Implied Market LGD（市场隐含LGD，利用资产估价模型，按同类未违约债券的利差与价格计算）。事实上，基于债券二级市场或贷款二级市场（如证券化的个人住房抵押贷款）的实证研究较多，而对普通的银行贷款的实证研究很少，其原因一是研究方法的复杂性，二是数据的非公开性。 1、美国市场的研究 由于数据获得性的原因，目前的文献以美国市场为研究对象的居多。 Asarnow及Edwards (1995)使用违约事件发生后产生的所有经济损失衡量银行贷款的预期损失。其以花旗银行1970——1993年间一般工商业贷款及受监控贷款（Structured loans）共831个违约样本计算出的LIED分别为34.79%和12.75%。研究的一个重要发现就是其分布为“双模型分布”（bi-model)，样本集中在高、低两端。 Carty及Lieberman（1996）以穆迪公司1989-1996年间58例优先担保违约银行贷款为对象，根据其次级市场交易价格进行实证研究，结果表明平均回收率为71%，中位数为77%，标准差为32%。研究未观察到“双模型分布”（bi-model)，但发现回收率明显向高端偏离。

违约损失率的概述

违约损失率概述 长期以来，人们对信用风险的关注和研究主要在于交易对手违约的可能性，即违约概率(Probability of Default,PD)，而对交易对手一旦违约可能造成的损失程度，即违约损失率 LGD(Loss Given Default)的研究远远不及违约概率PD，然而，作为反映信用风险程度的基本参数之一，LGD相比于PD对信用风险管理有着同样的重要性。尤其是自新巴塞尔资本协定将LGD 和PD一同纳入监管资本衡量的基本框架以来，违约损失率(LGD)引起了监管界、业界、和理论界的高度重视。 违约损失率LGD是指债务人一旦违约将给债权人造成的损失数额，即损失的严重程度。从贷款回收的角度看，LGD决定了贷款回收的程度，因为，LGD＝1－回收率。 [编辑] 违约损失率的性质与特点 构成一个完整风险概念的两个基本要素是损失的可能性和一旦损失发生后的损失规模，即损失的严重程度。因此，LGD是除违约概率PD以外反映信用风险水平的另外一个重要参数，两者结合在一起才能全面反映信用风险水平。显然，PD既定的情况下，LGD越高，信用风险越大。预期损失率(Expected Loss, EL)是反映信用风险的一个指标，它是LGD和PD的乘积： 这是相对数形态的预期损失。绝对数形式的预期损失可以表示为: 其中EAD(Exposure at Default)是指违约发生时债权人对于违约债务的暴露头寸。 PD和LGD都是反映债权人面临债务人违约的信用风险的重要参数，因此，两者都受到债务人信用水平的影响，然而，从性质上看，两者又有重要的区别。总的来说，PD是一个交易主体相关变量，其大小主要由作为交易主体的债务人的信用水平决定；而LGD具有与特定交易相关联的特性，其大小不仅受到债务人信用能力的影响，更受到交易的特定设计和合同的具体条款，如抵押、担保等的影响。因此，对于同一债务人，不同的交易可能具有不同的LGD，如对于同一债务人的两笔贷款，如果一笔提供了抵押品，而另一笔没有，那么前者的LGD将可能小于后者的LGD。因此，对PD和LGD的分析应有不同的着眼点。 除了上述交易项目相关特性以外，西方在LGD方面的研究和实践表明LGD还具有以下一些特点：LGD概率分布呈现双峰分布的特征；LGD与PD呈正相关的关系；LGD与破产法等法律制度密切相关；LGD波动幅度大，影响因素多，且研究历史短，数据稀少，因而量化难度大。本文随后将针对LGD的这些特征进行详细的论述。

人民币对公贷款违约概率计量模型研究

人民币对公贷款违约概率计量模型研究 随着金融这一名词的诞生,金融危机也应运而生,西方各国在数百年时间里经历了大大小小各类金融危机数以百计。但随着最近数十年金融全球化愈演愈烈,全球金融行业动荡加剧,金融危机时刻笼罩在世界各重要国家。2007年初,美国次贷危机逐渐浮出水面,世界主要发达国家经济体几乎都受到了冲击。 从国内看,由于存在汇率管制和利率管制,全球金融危机并未对国内的实体经济和金融体系产生冲击。但在利率市场化完成以后,商业银行将直接面对市场,经受各类市场的考验。为此,巴塞尔Ⅲ在一个特殊的时刻诞生了,并被人们寄予了厚望。 国内的金融监管部门已经有了危机意识,一方面正努力将本国的金融监管纳入到国际金融监管体系中,如积极实施巴塞尔Ⅲ；另一方面,监管部门认真研究中国的实际情况,结合本国金融体系的特点,有针对性地进行监管。因此,内评法体系建设是国内商业银行国际化的需要,也是监管部门对商业银行的外部要求,更重要的是,内评法体系建设源自商业银行内在的动力。内评法是一个庞大的系统工程,不可能在一篇研究论文中涵盖所有的内容。 因此本文将研究的关键点聚焦在信用风险计量模型中的违约概率计量模型。同时,我们将研究对象限定在人民币对公贷款上。我们对模型留有一定的可拓展性,为进一步的研究提供了较大的空间。 最终,我们的违约概率计量模型将能够满足巴塞尔协议的相关要求,且符合国内银监会发布的《商业银行资本管理办法》相关规定。更为重要的是,商业银行能够使用模型给出真实可信的企业贷款违约概率,并成为商业银行贷款评级的主要依据,模型将真正帮助商业银行控制未来可能发生的违约风险。更为深远的

意义是,商业银行可以将违约概率计量模型应用于日常的风险管理、定价、考核、资产负债管理等日常经营活动中,使商业银行的综合竞争力大幅提升。 文章首先充分地对巴塞尔协议Ⅲ及各类信用风险计量模型的相关研究文献进行了综述,并对较为常见的信用风险计量模型逐一进行了理论研究和实证分析,总结了它们的优缺点。然后,根据国内商业银行违约概率计量模型建模中的难点提出了独立建模原理,并给出了模型的整体框架,即用二叉树模型解决数据分类问题；使用因子分析法解决Logistic模型参数自相关的问题；建立宏观经济辅助模型对经济各周期的违约概率进行调整；使用聚类分析方法形成不同评级下违约概率的分布；使用Logistic模型与主观评分相融合的方法使计量结果更符合实际情况。最后,文章对模型进行了实证分析,给出了10级评级和相应的违约概率分布区间,并对它们的风险特征进行了描述。 同时,模型通过了多项检验指标,符合监管部门的要求。在文章的结尾,笔者给出了研究结论和进一步的展望。文章主要有三大创新之处,包括：(1)文章提出了适合我国商业银行的违约概率计量模型理论和框架。 (2)本文将风险计量理论与商业银行实务相结合,做到产学研相结合。(3)本文紧紧围绕巴塞尔协议提出了违约概率计量模型,可以作为商业银行实施巴塞尔协议内评法高级法的一部分。但文章同时也有四个不足之处,包括：(1)模型的后评估有局限性；(2)宏观经济周期因素的修正效果有限；(3)模型未经过有效的压力测试；(4)模型仅对违约概率计量进行了研究,并未将研究成果拓展到其他风险指标的计量。 在本文的基础上,未来的研究者可以采用更为先进的计量工具,将研究范围拓展到整个信用风险计量领域,甚至于将研究跳出巴塞尔协议的监管框架。

金融机构宏观套期保值的违约损失率模型_久期模型的一个扩展

?金融证券? 　金融机构宏观套期保值的违约损失率模型: 　久期模型的一个扩展　① Default Probabilit y Model of Macrohedging for Financial Instit utions:an Extension of Duration Model 钱谱丰　马　勇 QIAN Pu2feng　MA　Y ong (中国人民大学财政金融学院　北京　100872) [摘　要]传统的久期模型实现风险免疫的前提条件是利率变动幅度非常小。当利率变化较大幅度时,久期匹配不足以实现良好免疫,此时凸性对价格变动有正的影响。此外,传统的久期和凸性分析都没有考虑违约风险的存在,这将导致免疫失败。现代金融机构的宏观套期保值必须在考虑违约风险的基础上将久期和凸性分析加以结合,以实现良好的免疫。 Abstract:The p rerequisite of immunization for financial instit utions using duration model is t hat t he change of interest rate is small1When interest rate changes are big,matching duratio n cannot achieve per2 fect immunization and convexity will have a po sitive influence o n p rice changes1In addition,t he traditional duration and convexity approach simply ignores default p robability,which will lead to t he failure of immu2 nization1In order to achieve perfect immunization,modern financial instit utions must consider bot h dura2 tion and co nvexity based on t he fact t hat default probability has already been taken into consideration1 [关键词]久期　凸性　免疫　违约风险 K ey w ords:Duration　Convexity　Immunization　Default risk [中图分类号]F83019　[文献标识码]A　[文章编号]1000-1549(2007)08-0026-05 长期以来,为了应对利率变动的冲击,金融机构尤其是债券管理者发展了各种利率风险免疫策略,如重新定价模型(Rep ricing Model)、成熟期模型(Mat urity Model)和久期模型(Duration Model)。在重新定价模型中,金融工具的价值是以账面价值为基础的,记录的是证券购买、贷款发放或债务出售时的历史价值。重新定价模型只考察利息收入和利息支出,而忽略利率变化对资产和负债市场价值的影响。因此,即使重新定价缺口为零,投资组合也不能实现风险免疫,这是重新定价模型的一个重大缺陷。针对此,风险管理者提出了成熟期模型,即通过盯市的方法衡量资产和负债的价值,并以此作为计价基础来衡量投资组合(或资产负债表)的市场风险的一种方法。成熟期模型虽然采用了盯市方法,但仍然不能实现完全的投资组合风险免疫,因为成熟期模型考虑的只是某一项资产或负债的成熟期,而不是平均持有期限。为了克服这一缺陷,风险管理者又提出了久期模型,即用资产或负债的加权平均期限代替上述成熟期的风险计量方法。用久期表述市场风险也和到期日模型一样,久期缺口越大,市场风险越大。要实现风险免疫,久期缺口必须等于零。久期从形式上看是一个时间概念,但实际上反映了债券对利率风险的敏感度,即反映未来利率水平变动对债券价格的影响程度。 ①收稿日期:2007-4-18 作者简介:钱谱丰(1983—),男,江苏人,中国人民大学财政金融学院金融学博士研究生;马勇(1982—),男,四川人,中国人民大学财政金融学院金融学硕士研究生。 62