文档介绍：国内商业银行信贷风险管控探微一、普通参数纟fl对于资产纟R合I的模拟这一模拟是以普通参数纽为基础,包括了一个固定的40%回收率,24%的资产相关性,表2来自转移矩阵,利差来自Nelson-Siegel线(Nelson,Siegel1987),其中,零息债券的到期时间为t的利率通过公式(1)给出:在此普通参数组中,我们仍需假设其他一些个自得参数。包括一些盯市的收益或损失,模拟的次数和决定是否使用方差逐次减少的技术等。一个关键的参数就是如何使一个年度违约率应用到一个短期久期头寸上。表3显示了在输入普通参数组,在各种不同置信水平VAR和ES的情况下对于资产组合I模拟的结果。分析表3的起点是运用预期损失的分析估算模型的有效性。设资产组合中评级为AAA的占80%,评级为AA的占T7%,评级为A的占3%,如果这些权数分别乘以他们的违约率(分別设为1、4、10个基点)和违约损失LGD(1减回收率),就得出违约状态下的损失,假设存款为一年期限,就得出违约状态卜-的损失为(*+*+*)*=,预期损失将会更高,但在此由一年期违约概率转变为一个刀的违约概率更能证明相关问题。不同的转移技术解释了各种预期损失的差别。例如,银行4估计出最高的预期损失,这一点与其最保守的假设相一致。要分析模拟结果产生的预期损失,分析由违约引起的比例和由评级转移引起的比例是很重要的。我们假设两个参者去模拟违约过程。他们都要运川相同的模拟系统(CrcditManagcr)和相同的参数输入,并且除了转移到违约一级的概率英他转移概率设为0,评级保持不变的概率逐渐增加。这样,我们就可以把违约对于总体损失的贡献独立出來。而另一个参与者使用的违约模型和转移模型并不是用来分解模拟结果的,而是用来测量敏感度分析的。表4展示了分解的结果。由于违约引起的预期损失3倍于因转移而引起的预期损失,这一点即使对于由高质量资产纽成的资产组合I也成立。表屮结果表明在较低的證信水平,评级的转移是风险的重要來源,但随着置信水平的增加,违约引起的风险变得相对重要。%的置信水平下,几乎所冇的风险都來自违约。从表4可以看出,%时还是较小的,%后,VAR和ES显著增加。%时,信用的在险价值CreditVAR和帀场风险相比是无关的。然而,%,信川风险就成为风险來源的主要部分。用來计算対预期损失具有很大影响的违约概率的数学公式,儿乎対ES和VAR没有什么影响。因为资产纟fl合屮短期信贷的权重较小,收益率分布的尾部部分很人程度上取决于人额发行者的的违约程度。这种模拟结果的相似性随着置信水平的提升而增加。例如,%时,,%时,。这个结论对VAR也成立。随着置信水平的增加,违约或评级降级情况就会集聚,在极端的情况下(置信水平接近100%),所有的发行者都会违约。为确定模拟结果的统计意义,模拟参与者在CrcditManagcr输出结來的基础上,应该报告VAR估计的置信边界。置信边界就是所观察到的观察最超出VAR的符合二项分布的随机变最:nx(1-a)n为模拟结果的个数;a