Credit Risk by David Huang

國際企業全面風險管理(ERM)研習班
第六講

零售與商業信用風險
《風險管理精要》第九、十、十一章

講師 : Dr.黃建仁
國際風險管理師大中華認證中心
(GCPRM)推展部主任
www.gcprm.com
1

零售信用風險(1/2)
 零售銀行業務的客戶群包括小型企業和個人消費者。其
主要業務是接受消費者存款並為消費者提供信用貸款。
 零售貸款包括：
Ⅰ住房抵押貸款：
固定利率抵押貸款和浮動利率抵押貸款(ARM)均以貸款購
買的住宅為貸款擔保。
擔保貸款率(LTV)是指資產價值中貸款提供資金所占的比
例，它是一個重要的風險變量。
Ⅱ住房權益貸款：
又稱房屋淨值信用貸款(HELOC)，它可以看作是個人消
費貸款和抵押貸款的混合產物，以住宅為擔保。

本講義為台灣普瑞明經美國PRMIA授權課程編製，未經授權禁止轉載及翻印 2

零售信用風險(2/2)
Ⅲ分期貸款：
它既包括自動展期的循環貸款，比如在指定額度下可重
複使用的個人信用貸款，也包括信用卡、汽車消費貸款
和類似貸款，以及除汽車貸款和循環貸款外的其他貸款。
Ⅳ信用卡循環貸款：
它是不需要擔保的貸款。
Ⅴ小額商業貸款(SBL)：
它是以企業資產或企業主個人擔保品為擔保的貸款。
金額在10 萬至20 萬美元之間的商業貸款通常也被認為是
零售貸款。


零售信用風險的本質(1/2)
 零售信用風險敞口(曝險部位)的特徵是：
1.個別客戶的風險是微小的，因此單個客戶的違約不
足以影響整個銀行。
2.零售銀行業務的客戶在財務上通常都是相互獨立的。
3.違約率的上升通常可以從消費者行為的變化上看出
一些徵兆。
 預期損失率的大小決定了零售信用風險的大小，而且預
期損失可以在銀行產品價格中予以反映並轉向消費者。
 銀行為減少信用風險可以採取先發制人的措施，銀行能
夠：
1.修改規則，控制對現有客戶的借款額度以減少銀行
風險敞口。

零售信用風險的本質(2/2)
2.修改銀行市場營銷策略和客戶群拓展規則，吸引低
風險客戶。
3.對違約率高的客戶提高貸款利率作為對風險的補償。

 與舊巴塞爾協議相比，新巴塞爾資本協議要求零售銀行
預留出相對較少的風險資本。
但是銀行將需要向監管機構提供違約概率(PD)、違約
損失率(LGD)、違約敞口(EAD)等統計信息。


信用評分(1/6)
 每當申請信用卡或是申請汽車保險時，信用風險評分模
型都在幕後不停地運行。
 信用風險評分模型運用統計方法將有關信用申請人或
是已有帳戶持有人的信息轉化成數位元，然後再將這
些數字綜合起來(通常是相加)形成一個分數(還款概率)
，這一分數越高，風險就越低。
 在信用評分被廣泛採用前，一位信用專員將不得不審閱
信用申請表，同時綜合運用個人經驗、行業知識以及個
人技巧，並在某一特定信用申請的大量信息的基礎上作
出信用決策。因此對於人工分析員來講，公平公正地對
待所有信用決策程式是不太可能的。


信用評分(2/6)
 信用行業把信用申請表或徵信機構報告中提出的問題稱
作特徵，把申請表中或徵信機構報告中所提及問題的答
案稱為屬性
“4 年”是特徵“居住時間”的屬性。類似的，“出
租”是特徵“住房狀態”的屬性。
 信用評分模型不僅要評估一項屬性是正是負，還要評估
其大小。
 總體賠率是指在總體事件中好事件概率與壞事件概率的
比值。
如:申請者的總體賠率為15∶1 意味著每16份申請中就有1
份申請不合格，即不良客戶率為6.25%。


信用評分(3/6)
申請評分表的例子
少於6個月 6個月到一年 1年7個月到6年8 6年9個月到10年 10年6個月以上
工作年數個月 5個月
5 14 20 27 39
擁有或租借擁有或購買租借其他
(住房) 40 19 26
支票帳戶儲蓄帳戶支票和儲蓄帳戶無
銀行業務
22 17 31 0
有無
常用信用卡
27 11
退休專業人員文員銷售人員服務人員其他
職業
41 36 27 27 18 27
18—25 26—31 32—34 35—51 51—61 62以上
申請人年齡
19 14 22 26 34 40
重大減損輕微減損無記錄令人滿意非常令人滿意無調查
不良信用記
－15 －4 －2 9 18 0
錄


信用評分(4/6)

能夠為消費者信用申請評分的模型有三種類型：
1.徵信機構評分由Fair Isaac 公司(零售業務信用風
險分析的領路者)首先提出的，因此又被稱為FICO 評分。
＊FICO 評分可以根據金融機構的偏好作適當調整(此評
分通常從300 分到850 分)。

2.混合模型 這些模型由外部賣方(如Fair Isaac)根據大量
具有相似信用的借款人的信息建立。
如循環信用混合模型可以根據幾家銀行的信用卡數據建立。

3.客戶模型這種模型是根據貸款人自有的信用申請人數據
建立的。客戶模型可以為貸款人彙集其某一特定產品的申
請人的信息，並進行篩選。

信用評分(5/6)
【良好帳戶和不良帳戶的分佈】

假設我們將可接受的最低分數設定為300分，並且只要申請
人的分數達到或超過300分，使用這一評分系統的企業就會
接受該申請人的申請。

信用評分(6/6)
 於是，該企業成功避免了將錢借給垂線左側所代表的不
良帳戶，但也放棄了垂線左側小區域所代表的良好帳戶。
 向右移動最低分數線在減少更多的不良帳戶的同時也放
棄了更多的良好帳戶。
 給定截斷值後，銀行基於自身經驗能夠決定零售產品的
損失率和利潤率。
 銀行能夠用調整截斷值的方式優化每一個產品的利潤率
 新巴塞爾資本協議要求銀行將其零售業務組合細分為各
個具備相同損失特徵(尤其是相同的提前償還風險)的子
組合。銀行需要估計出這些組合的PD和LGD。
 例如，當損失率為2%且LCD為50%時，潛在PD就是4%
。

信用評分(6/6)
 信用評分的目的是預測申請人在未來究竟是良好客戶還
是不良客戶。為了達到此目的，評分卡必須具有區分良
好帳戶和不良帳戶的能力。因此，評分卡的目標是將良
好帳戶和不良帳戶分佈中相互重疊的部分最小化。
 度量和監測評分卡的表現目前最流行的檢驗技術是累積
精度剖面(CAP)及其描述性統計量(準確度比例，即AR)
 下頁圖橫軸是預測的違約分數的百分比，縱軸是實際違
約的比率，其中實際違約數據來自銀行記錄。
 例如，假設評分模型預測在未來12個月內10%的帳戶將
發生違約。如果我們的模型是完美的，到時實際違約帳
戶的數目將恰好為10% 。
 如果我們的模型是隨機模型，即圖中的45度線，我們就
無法區分良好客戶與不良客戶。

信用評分(6/6)

累積精度剖面(CAP)和準確度比例(AR)
完美模型(違約率為10%) 實際評級模型(累積違約率，%)
100%

AP
違約
比率 AR

“隨機”模型
0%
0 10% 90% 100%
由分數排序的總體
高風險低風險

 其中AR＝ AR / AP
 我們把完美模型線下方的區域記作AP，把實際評級模型
線下方的區域記作AR。於是，準確度比例AR＝AR/AP。
這一比率越接近1，這個模型就越準確。
 本講義為台灣普瑞明經美國PRMIA授權課程編製，未經授權禁止轉載及翻印 13

證券化和消費者風險轉移(1/2)
 改進消費者信用風險模型的另一個動機是因為這些貸款
證券化的數量不斷增加。
 資產證券化後相應的資產和負債也從銀行的資產負債表
上核銷。
 美國抵押貸款證券化發展的催化劑是由聯邦政府發起建
立了一些重要金融機構，包括聯邦國民抵押協會(FNMA
，即房利美)，聯邦住房抵押貸款公司(FHLMC，即房貸
美)以及政府國民抵押協會(GNMA，即吉利美) 。
 這些機構發行的證券的收入來源於由銀行和其他金融仲
介創設的住房抵押貸款資產池。只有在結構、數量等方
面滿足一定條件的抵押貸款才能進入資產池。
 CMO和MBS的不同之處在於預期收入的時間結構。

證券化和消費者風險轉移(2/2)
 CMO(抵押擔保憑證)的支付被分成數層，第一層接受收
入的第一部分，其他各層以此類推。這種結構使證券各
部分的久期彼此不同，進而便於進行資產負債管理。
 資產支持證券(ABS)常見的有信用卡應收賬款、汽車消
費貸款、房屋淨值貸款，以及應收租金。
 通過某種證券化手段將貸款的現金流銷售給投資者意味
著銀行可以提前收回本金，而不是在零售產品的整個生
命週期內逐步收回資金。
 分層債券的結構、評級和收益率高出LIBOR利率的程度
都依賴於證券化的資產的信用質量，即資產池中資產的
平均信用分數。


風險基礎定價(1/2)
 在競爭壓力和監管趨勢的驅動下，風險基礎定價(RBP)
Risk-based Pricing在零售金融服務中越來越流行。
 通過為金融服務進行風險基礎定價，我們可以明確地將
風險驅動的帳戶的經濟因素納入年利率，並據此利率向
客戶收取費用。
 這裡包含的關鍵經濟因素有操作費用、持有的可能性(即
客戶願意接受產品的概率)、違約概率、違約損失率、違
約敞口、為交易分配的資本金，以及機構的權益成本。
 許多處於領先地位的金融機構在汽車貸款、信用卡以及
房屋抵押貸款等業務部門的收購活動中早已採用了某種
形式的RBP。


風險基礎定價(2/2)
 RBP 使零售銀行管理者在考慮多種制約因素(包括在利潤
、市場佔有率和風險之間的權衡)的同時通過實現管理目
標提高股東價值。
 當零售銀行家們在增加市場份額與降低壞賬率之間權衡
時，定價是一個關鍵的工具。
 另一個重要的目標是在控制預期損失的同時增加預期淨
利潤。
 RBP 可以幫助銀行制定信用評分的最低可接受分數及金
融機構調整定價時的分數。
 一個相對較高的截斷值意味著較小的損失，但也會相對
減少市場佔有率。一個相對較低的標準則意味著較大的
預期損失。

商業信用風險(1/2)
 商業信用風險是眾多銀行所面臨的最大也是最基本的風
險。
 一些最新的評估商業信用風險方法是使用股票市場上的
數據來分析上市公司的違約概率，其他的方法則通過數
學和統計模型在投資組合水平上評估信用風險。
 信用評級機構對大企業進行公共信用評級。
內部風險評級對缺乏公共信用評級的大小企業使用。
 內部風險評級(The Internal Rating-Based Approach，
IRB)系統是銀行業歷史最悠久、使用最廣泛的信用風險測
量工具。
 內部風險評級(IRB)法是在新巴塞爾資本協議Ⅱ中提出的
，要達到該方法的要求，銀行必須證明它在採用IRB法時
及使用IRB法以後都能符合某些最低標準。

商業信用風險(2/2)
 這些標準有:
1有意義的風險差異化：新巴塞爾協議建議至少要為未違
約的借款人設置6至9級的評級類別，並為違約借款人設
置一個類別。
2風險組成部分的可靠估計：一家銀行的評級定義必須足
夠詳細，以便讓那些負責評級工作的人員能夠將具有相
似風險的借款人和工具評定為同一等級。
3評級系統和決策文件的明確性：為了保持評級的一致性
和完整性，銀行必須確保整體的評級過程能始終如一地
實施。
4風險量化和回溯測試：IRB法要求銀行把借款人和工具的
內部評級轉化為特定的違約概率(PD)和違約損失率(LGD)
的估計，必須對這些估計值進行歷史數據回溯測試。

內部風險評級
 內部風險評級(IRB)法：
基礎內部評級法金融機構需根據內部數據對於不同級別
的借款違約率（PD），金融監管當局則必需提供其他所
需參數如違約風險敞口（EAD）及給定違約損失率(LGD）
高級內部評級法所有參數由銀行自行測算決定，但必須
由監管當局加以確認方可實行。
 某一特定交易或投資組合的預期損失等於：
信用違約風險敞口(如100 美元)乘以債務人(或借款人)
的違約概率(如2%)，再乘以特定信用額度下的違約損失
率(如50%)。
 在這個例子中，預期損失就是100美元 × 0.02×0.50＝1
美元。

外部機構評級(1/4)
 信用評級不是給證券的投資建議。
標準普爾認為“信用評級是標準普爾對債務人總體信譽
的評價，或對債務人在某一特定債務證券或其他金融債
務上的信用的評價(基於相關的風險因素)。
 對證券進行評級時，評級機構對潛在的負面損失的關注
甚於對潛在的上漲收益的關注。
 穆迪認為評級就是“對發行者未來按時支付固定收益證
券的本金和利息的能力和承擔相應法律義務的評價”。
 信用評級主要有兩種
1發行人信用評級對債務人總體償債能力的評價。
發行人信用評級包括對手信用評級、公司信用評級和
主權信用評級。

外部機構評級(1/4)
2特定債項評級對債務人總體償債能力的評價。
發行人信用評級包括對手信用評級、公司信用評級和
主權信用評級。
 評級過程包括定量分析、定性分析和法律分析。
定量分析主要是根據公司的財務報表進行財務分析。
定性分析關心的是管理水平。
通常情況下，評級每年進行一次
特定
債項結構
審查，並根據新的財務報告、
企業結構

業務信息以及與管理層的會
經營狀況和財務狀況

管理水準
晤等進行必要的修正。
行業/監管趨勢
國家/宏觀經濟分析


債務信用評級和轉移
平均轉移率，1981—2004年(%)

從/到 AAA AA A BBB BB B CCC/ D
C
AAA 91.67 7.69 0.48 0.09 0.06 0 0 0
AA 0.62 90.49 8.1 0.6 0.05 0.11 0.02 0.01
A 0.05 2.16 91.34 5.77 0.44 0.17 0.03 0.04
BBB 0.02 0.22 4.07 89.71 4.68 0.08 0.2 0.29
BB 0.04 0.08 0.36 5.78 83.37 8.05 1.03 1.28
B 0 0.07 0.22 0.32 5.84 82.52 4.78 6.24
CCC/ 0.09 0 0.36 0.45 1.52 11.17 54.07 32.35
C 本講義為台灣普瑞明經美國PRMIA授權課程編製，未經授權禁止轉載及翻印 23

內部風險評級系統(IRRS)
 銀行的IRRS 設置了兩種評級：
一種是每個借款人(或借款人群體)的債務人違約評級(ODR)
，即借款人的違約概率；
另一種是每個可用工具獨立於ODR 的違約損失評級
(LGDR)，即金融工具在債務違約事件中的損失風險。
 某一特定交易或投資組合的預期損失等於信用違約風險敞
口(如100 美元)乘以債務人(或借款人)的違約概率(如2%)
，再乘以特定信用額度下的違約損失率(如50%)。在這個
例子中，預期損失就是100 美元×0.02×0.50＝1 美元。
 ODR 僅代表借款人在正常情況下履行還款義務的違約概
率LGDR 評估的是違約發生時損失的嚴重性


 金融工具損失的嚴重性受銀行是否已經使用擔保、抵押等
風險緩釋工具的影響。
 風險評級(原型風險評級體系)
風險風險評級相應的標普或者穆迪可能的信用評級
主權債券 0 不可應用
1 AAA
低風險 2 AA 投資級
3 A
4 BBB＋/BBB
5 BBB－
風險水平居中
6 BB＋/BB
7 BB－
投資級以下
8 B＋/B

9 B－
高風險 10 CCC＋/CCC
11 CC－

12 違約


 類別0 表示發達經濟體的政府債券(如加拿大或美國的國債
) 這類債券被認為是沒有風險的。
 類別1 指的是信用質量最高的企業發行的債券。
 風險水平居中的債券分為BBB 級和BB 級兩類，用以區分
二者的風險評級差異，因為大部分的信用質量集中在這個
範圍內。

 IRRS的步驟(共有8 個步驟，其中7 個步驟與ODR 有關，
1個步驟與LGDR 有關) 。
通常從評估借款人的財務狀況(初始債務人評級)開始。
LGDR 在最後階段形成(步驟8)，它獨立於ODR 。


財務評估(步驟1)
財務評估
 資產價值(AV)  財務規模(FS)
風險  盈餘(E)
 流動性(LIQ)  靈活性(F)
評級  現金流(CF)
 杠杆比率(LEV)  負債能力(DC)
4  非常令人滿意的盈餘  高於平均質量的資產  進入資本市場的能力
和遠超過需償還債務  高流動性或充足的營一般(評級為BBB＋
的現金流運資本 /BBB)；可能會因為
 積極和相當連續或平  優於平均水平的杠杆市場或經濟不景氣而
穩的趨勢比率遇到障礙
 資產和負債相匹配  可通過銀行或其他金
融機構進行融資
 適量銀行債務與大量
未使用的負債能力


財務評估
 風險評級的主要評估領域有三個：
(1)盈餘和現金流。
(2)資產價值、流動性和杠杆比率。
(3)財務規模、靈活性和負債能力。

 分析師首先作出每個評估領域的風險評級，然後作出最
佳的整體風險評級結果。
這就是初始債務人評級。


債務人違約評級(ODR)的調整因素
 如發現借款人管理不善。在步驟2中，如果債務人不能
達到一定的標準，債務人的評級會被下調。
 典型的步驟2需要開展如下活動，如檢查日常帳戶操作
，評估管理水平，進行環境評估，以及審查或有負債。
 基於合理的控制，平均水準首先應當同三個領域的風險
水準中最差的一1.0 以上，否則必須調整。例如，如果
三個領域的評估結果分別是2、2、5，則平均水準是3
，
 但最終評級應該被調整為4(這一水準比最差的5 高1.0)
。如果最差的結果不是整數(如4.5)，4.5 減去1是3.5，
最終評級的結果就應該是3或4。


度量信用風險的新方法
 通過統計和經濟工具建立模型來度量銀行整體資產組合
的信用風險。這些模型包括
莫頓模型
保險精演算法
簡化模型
混合模型
 通過這種方法，銀行可以精確地將信用風險(監管上或
經濟上的)資本與單筆交易或整體資產組合進行對應。
 經濟資本是指銀行用於吸納非預期損失(例如，那些與
諸如違約或信用轉移之類的信用事件想聯繫的損失) 的
金融儲備。
 為了確保在任何情況下都能保持清償能力，儲備適量的
經濟資本對銀行來說顯然很重要。


(1-c)%

P(c) EV FV
經濟資本 EL

P(c)＝在(1-c)的置信水準下(若c＝1%，置信水準則為99%)，資產組合在最糟
情境下的價值
FV＝資產組合的遠期價值＝V0(1＋PR) V0＝資產組合的當前市值
PR＝資產組合的承諾收益 EV＝資產組合的預期價值＝V0(1＋ER)
ER＝資產組合的預期收益 EL＝資產組合的預期損失＝FV-EV


 預期損失不是所需經濟資本的構成部分，確切地說，因
為提前預期到了，所以客戶對每筆貸款支付的利息費用
中已經覆蓋了該部分損失。
 經濟資本就是資產組合中非預期損失的函數。即：
經濟資本＝EV-P(c)
 如果置信水準是1%，那麼銀行要確保在整個承擔信用
風險的時期內(例如一年)，在99%的概率情況下。資產
損失金額不會超過經濟資本。
 監管者將要求銀行的督察者檢查貸款組合的品質以及貸
款的行業集中度和區域集中度。


什麼會影響組合中的信用風險水準？
 影響組合中信用風險的第一個因素顯然就是各債務人的
資信狀況。
 一些銀行願意將貸款集中投放給優質或投資級客戶，因
此其組合中每一個債務人的違約概率都很低。
 另外一些銀行則願意向風險較高的投資級債務人發放貸
款。
 如何對借款人收取合適的利息或信用價差，以補償貸款
人所承擔的風險，並預留適當數量的風險資本。
 只有預留出適當數量的風險資本，銀行才能將其違約可
能性限制在董事會規定的置信水準下。
 第二個因素就是貸款集中風險，或者說債務人在數量、
區域和行業方面的分散程度。
 。本講義為台灣普瑞明經美國PRMIA授權課程編製，未經授權禁止轉載及翻印 33

CreditMetrics 和信用轉移法
 影響組合風險的第三個重要因素是經濟運行狀況。經
濟快速發展時期的違約率較經濟衰退期要低很多。相反
，當經濟進入下行通道，違約率將逐漸升高
 CreditMetrics 法——最早由美國著名的JP 摩根銀行開
發使用，後來成為從JP摩根分拆出來的RiskMetrics 公
司的產品——基於對信用轉移的分析。
 CreditMetrics 法以估計在一定時期內(通常為一年)借款
人信用評級發生變動(包括變為違約級)的概率為基礎。
 CreditMetrics 法的一個關鍵假定是大量已評級債券過
去的信用轉移情況可以準確反映下一時期的信用轉移概
率。


 CreditMetrics風險度量框架主要由兩個模組構成:
度量單一金融工具的信用VaR；
度量組合的信用VaR，VaR的大小可以說明組合的風
險分散化效果。
 以上構成模組由4個步驟具體實現：
第1步就是設定一個評級體系，包括對各信用等級和在
一定風險期限內信用評級發生轉移的概率的設定。
第2步設定一個風險期限，通常為一年。
 第3步就是在風險期限內為每一個信用等級設定一條遠
期貼現率曲線(forward discount curve)。


 利用零息票收益曲線(zero curve)就可以計算出債券的
價值。如果出現違約，就必須根據回收率來估計資產價
值，回收率通常以面值百分比的形式預先給定。
 第4 步，也就是最後一步，綜合前3 步資訊計算因信用
轉移而引起的組合價值的遠期分佈。


轉移矩陣：一年內信用等級轉移的概率

初始年末評級(%)
評級 AAA AA A BBB BB B CCC 違約

AAA 90.81 8.33 0.68 0.06 0.12 0 0 0

AA 0.70 90.65 7.79 0.64 0.06 0.14 0.02 0

A 0.09 2.27 91.05 5.52 0.74 0.26 0.01 0.06

BBB 0.02 0.33 5.95 86.93 5.30 1.17 0.12 0.18

BB 0.03 0.14 0.67 7.73 80.53 8.84 1.00 1.06

B 0 0.11 0.24 0.43 6.48 83.46 4.07 5.20

CCC 0.22 0 0.22 1.30 2.38 11.24 64.86 19.79


 評級機構對債券人進行信用評級時通常採用全週期
(through-the-cycle)法。
 只要評級機構認為債務人的信用風險評估結構在整個商
業週期中未發生變化，評級機構就僅考慮正常情況下商
業週期對債務人信用評級的影響。
 相反，分析性模型(例如後面將要討論的KMV 法)通常
從時點(point-in-time)角度對債務人進行評級，所以這
種評級更準確地反映了短期違約概率。
 如果銀行選擇使用時點法，那麼信用評級波動率，以及
信用VaR和經濟資本的波動將明顯大於採用全週期法所
得的結果。


 因為如果採用時點法，信用評級在後續期限內保持不變
的可能性會很小，所以在時點法中，轉移矩陣對角線(
左上到右下)的概率比全週期法要小。
 生產債券價值分佈的下一步驟是估計7 種不同信用條件
下的債券價值。首先，我們要設定7 種可能的一年遠期
零息票收益率曲線。
 即使債券發行人在年底出現違約，我們也不能就此認為
該債券一文不值。依據金融工具的優先順序別不同，投
資者可以得到不同的回收率。這些回收率是由評級機構
提供的歷史數據估計出來的。


每個信用等級的一年遠期零息票收益率曲線
評級第1年第2年第3年第4年
AAA 3.06 4.17 4.73 5.12
AA 3.65 4.22 4.78 5.17
A 3.72 4.32 4.93 5.32
BBB 4.10 4.67 5.25 7.27
BB 5.55 6.02 6.78 7.27
B 6.05 7.02 8.03 8.25
CCC 15.05 15.02 14.03 13.52

不同優先級別的回收率[面值(即Par)的百分比]
優先級別均值標準偏差
優先擔保 53.80 26.86
優先無擔保 51.13 25.45
優先次級 38.52 23.81
次級 32.74 20.18
更次一級 17.09 10.90



一年內BBB債券價值的分佈和債券價值的變化

價值變
年底評級狀態概率遠期價格
化
AAA 0.02 109.35 1.82
AA 0.33 109.17 1.64
A 5.95 108.64 1.11
BBB 86.93 107.53 0
BB 5.30 102.00 -5.53
B 1.17 98.08 -9.45
CCC 0.12 83.62 -23.91
違約 0.18 51.11 -56.42



該分佈的第一個百分位數[即在99%置信水準下的信用工
具的信用在險價值(或信用VaR)]是23.91。
如果我們有一個組合由100個信用評級均為BBB級的獨
立債務人構成，那麼一年後，將有1個債務人造成超過
23.91的違約損失。

 我們假定價值的變動僅與信用風險相關(即沒有市場風
險)，信用風險體現在一年中潛在的信用評級變動中。
 同一行業或同一地區企業之間的違約相關性會高一些，
違約相關性隨商業週期不同階段的經濟運行狀況而發生
變化。
 通過一個非常簡單的數值例子，我們可以說明這些相關
性估計如何影響同一組合中兩個債務人的聯合違約概率
 如果兩家信用評級為A 級和BB 級的企業的違約概率分
別為PA＝0.06%，PBB＝1.6%
 通過分析股票價格得出兩家企業資產收益率的相關係數
ρ＝20%。


 我們可以證明聯合違約概率只有0.0054%，兩個違約事
件之間的相關係數為1.9%。(如果兩個違約事件是相互
獨立的，那麼違約的聯合概率就是兩個違約概率的乘積
，即0.06×1.06＝0.0064%。)
 當資產收益的相關性在20%—60%的範圍內時，資產收
益的相關性大約是違約相關性的10 倍(在我們的例子中
，資產收益的相關性為20%，估計的違約相關性為
1.9%)
 這表明實際上聯合違約概率對兩個資產收益率之間的相
關性非常敏感。同時也說明瞭若要評估組合的分散化效
果，正確估計這些數據時多麼的重要。
 評估組合的分析法對於規模較大的組合是不適用的。任
意兩個資產之間都有相關性，相關係數的總數實在是太
多了。本講義為台灣普瑞明經美國PRMIA授權課程編製，未經授權禁止轉載及翻印 44

KMV 法
 KMV法和CreditMetrics法的不同之處在於：KMV法使
用股票市場資訊推導出每個借款人的客觀“預期違約頻
率”(EDF)。而不是依靠評級機構為各個信用類別提供的
判斷性信用評級和平均歷史變動頻率。
 KMV法可以從計算單個企業的EDF擴展到度量組合的
信用風險。
 企業的資產價值從股票市場價值推導得出，這就表明
KMV法適用於上市公司，因為上市公司的價值由股票
市場決定。
 評估組合的分析法對於規模較大的組合是不適用的。任
意兩個資產之間都有相關性，相關係數的總數實在是太
多了。


KMV 法
 KMV法利用企業股價和財務報表資訊通過以下3個步驟計
算違約風險：
※根據股票市場資訊，估計企業資產的市場價值和波動率
※計算“違約間距”(distance to default)，這是度量違約風險
的指標之一；
※利用違約數據庫，從“違約間距”算出實際的違約概率。
 KMV法假定企業的資本結構僅有權益、短期負債(看作現
金等價物)、期(永久)負債和可轉換優先股。
 KMV發現在實踐中，當資產價值落在總負債價值和短期負
債價值兩者之間時，企業才開始出現違約行為。
 在計算違約概率之前，KMV法增加了一個計算“違約間距
”(DD)指標的中間步驟。

KMV 法
 DD是資產價值均值與臨界限——違約點(DPT)——之間的
標準方差。
 在DPT上的價值被設定為預定期限內流動負債(包括短期負
債)的面值加上一半的長期負債。違約間距(DD

STD＝短期負債
LTD＝長期負債
DPT＝違約點＝DTD＋1/2LTD
DD＝違約間距，是一年後預期
資產價值E(V1)與違約點之間的間距
。


KMV 法
 通常用資產收益標準差的形式表示。
E (V1 )  DPT
DD 

 DD可以講給定期限內的DD與實際違約率一一對應起來。
KMV稱這種概率為預期違約頻率，或EDF。
 在給定時間段內，DD與EDF的對應關係:
EDF

40個基點

1 2 3 4 5 6 DD


KMV 法
 中聯邦快遞公司的例子說明瞭引起EDF變化的主要因素，
如股價變動、負債水準(杠杆率)和資產波動性。
 DD計算和應用的具體數值例子:
 該例子由KMV提供，以兩個不同時間點(1997年11月和
1998年2月)聯邦快遞公司的情況為例。
1997年11月 1998年2月

聯邦快遞(＄表示10億美元)

股票市值(股價×已發行股數) ＄7.7 ＄7.3

帳面負債＄4.7 ＄4.9

資產市值＄12.6 ＄12.2

資產波動率 15% 17%

違約點＄3.4 ＄3.5
違約間距

EDF 0.06%(6個基點)=AA 0.11%(11個基點)=A


KMV 法
 當企業財務狀況開始惡化時，EDF會快速上升，直至發生
違約。
 EDF的上升意味著至少一年後發行人的信用評級(標準普爾
和穆迪採用的傳統評級體系)將下降。

對比一家違約公司和在不同四分位組以及下十分位組的公司的EDF


KMV 法
 違約公司的EDF與標準普爾評級


保險精演算法
 保險精算模型和簡化模型把企業破產程式(包括重組)作為
建模的外生變量。
 CreditRisk＋模型由瑞士信貸銀行(CSFP)在1997年末推出。
該模型以保險公司的死亡率模型為基礎，是純粹的保險精
算模型。
 該模型使用的違約概率根據不同信貸等級主體發生違約的
歷史統計數據計算確定。與KMV方法不同，該模型沒有將
違約率與企業的資本結構或資產負債表相掛鉤。
 CreditRisk＋有數個假定：
※對於一筆貸款，在某一特定時間內(比如一個月)的違約
概率與另一同等長度時間內(比如另一個月)的違約概率是
相同的。


保險精演算法

※對大量債務人而言，任一債務人發生違約的概率都很小
，而且任一時期內發生違約的次數與另一時期內發生違約
的次數相互獨立。

 CreditRisk＋可以推導出債券或貸款組合的損失概率的閉合
形式解。
 可以進一步計算出債務人的邊際風險貢獻。
 CreditRisk＋的一個缺陷就是忽視了轉移風險。
 CreditRisk＋不適用於期權、外幣互換等非線性產品。


簡化法
 簡化模型認為價差只受兩個因素驅動：違約的可能性，以
及市場參與者對回收率的預期。
 簡化模型不需要通過分析企業基礎數據來預測違約情況。
該模型的核心是數理統計(與CreditRisk＋相同)，以經驗上
的市場數據為基礎。
 簡化模型需要的數據大部分是公司債券、企業貸款和信用
衍生品等市場上的信用工具價格(與KMV法不同，KMV的
權益價格數據來自股票市場)。


Credit Risk by David Huang

Recommended

Recommended

More Related Content

Similar to Credit Risk by David Huang

Similar to Credit Risk by David Huang (20)

More from joychou_gcprm

More from joychou_gcprm (7)

Credit Risk by David Huang