文档介绍：巴塞尔银行监管委员会于2003年4月发布了
巴塞尔新资本协议第三次征求意见稿,进一步明确
激励银行研究开发更为复杂、更为先进的风险度量
技术和内部评级法,提高最低资本要求的风险敏
感度。
信用风险是交易对手违约或信用品质潜在变
化而导致发生损失的可能性,它是金融市场上最为
基本的一类风险,其分布偏离正态,具有自然偏斜
和肥尾的信用收益。Patricia Jackson和William
Perraudin(2000)把信用风险模型分为盯市资产组
合理论模型(mark-to-marke,t portfolio-theoreticmod-
els)和违约方式模型两种。[1]本文重点对基于VAR
的投资组合信用风险度量技术特征、参数和方法等
方面进行比较研究。
一、风险度量术、信用度量术和信用在险价值
模型
1·风险度量术
J·an(JPM)公司于1994年引进了风险
度量术RiskMetrics,在正态分布的假设下,给出了
计算参数模型VAR的方法。然而,资产的收益率
不是正态分布的,而是有偏的、有峰的,实际的资产
收益率的分布较之正态分布有肥尾性( fatty or
heavy tail)。正态假定下所计算的VAR,常常是低
估实际风险。
2·信用度量术
JPM和美洲银行、花旗银行、德意志摩根建富、
瑞士银行公司利瑞士联合银行以及KMV公司在
1997年4月推出了首个以风险值(VAR)为核心的
动态量化信贷风险组合模型信用度量术Credit
MetricsTM[2],用于全方位衡量诸如贷款和私募债券
等非交易性资产的估值和信用风险计算。Credit
MetricsTM模型和KMV模型都依赖于由Merton
(1974)[3]提出的资产价值模型,但他们为了便于
实施而要求的简化假设本质上区别很大。由于考
虑了信用评级变化(以及因此而发生的价差的变
化)对于预料到的与未预料到的贷款价值以及违约
的影响,使得信用度量术可以被视为一种盯住市场
(MTM,或译“随行就市”)的模型,不仅考虑贷款价
值的上端,而且考虑了下端。
CreditMetricsTM的假设是,违约的相关性是实
际存在的,通过对历史评级结果观测可以求出评级
*收稿日期:2004-09-01
基金项目:国家自然科学基金资助项目(OOBGY043)
作者简介:陈德胜(1971—),男,山东日照人,博士研究生,主要从事信用风险管理方面的研究。
的联合分布。在用模型计算相关性方面,
CreditMetricsTM假设转移是建立在离散和评级变
动基础之上的,评级水平的变动是基准因素导致评
级变更的结果。模型以符合稳定马尔可夫过程的
信用评级迁移分析为基础,在一给定时间期限下
(经常主观上取一年),从包括违约的一个信用质
量到另一个信用质量的迁移概率,通过度量相应于
预期置信水平的分布百分数的信用资产组合价值
大小,确定信用风险大小,变化值仅与信用迁移相
关,而利率假设为一个既定的发展形式。违约距离
DD表示为:
DD=d2=
1n(VDefV0)-(μ-0·5δv2)t
δvt
(1)
CreditMetricsTM模型应用的是由历史数据估计
出的一年期违约矩阵组成的转移矩阵。模型的驱
动因子是违约可能性和信用评级变更的概率,该模
型不仅使用组合的前两阶矩(均值和方差),也运
用分布的三、四阶矩(偏度和峰度)。模型通过均
值、标准差、分位数和边际贡献等参数来表征组合
风险特征,模型的主要输入参数是期限、信用等级
转移矩阵、资产之间的相关系数、远期收益率以及
损失类信贷资产的回收率。通过输出参数VAR数
值的大小反映出银行某个或整个资产或信贷组合
因信用级别变化或违约时所应准备的经济资本。
CreditMetricsTM模型对金融工具信用质量变化的刻
画采用的是离散的等级形式,对资产价值和信用损
失的估计采取MTM(Mark toMarket)模式,对期末
价值的计算采用合同现金流折现法(DCCF)。[3]该
模型对公司之间等级和违约相关性的估计采用历
史等级(违约)变化,这样在模型对资产组合价值
的计算中,所使用的主要参数都是相对确定的,所
估计参数跨越多个周期,对具有类似内部风险等级
的债务人的资产组合无论在任何信贷周期的任何
时刻都会有类似的结果,对具体借款人或具体项目
的相关信息的应用是非常有限的,因此按照巴塞尔
委员会的含义该模型是无条件模型。
信用度量术作为一种计算对贷款或债券的资
本要求的VAR方法,贷款收益没有被明确地模型
化,是一种贷款组合风险最小化模型,而不是一种
成熟的现代资产组合理论(MP