信用评级第六章.ppt

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,二级,三级,四级,五级,*,第六章 信用评级模型,1,信用模型发展的历史背景,促使信用风险度量和管理技术演变发展有两个重要的因素。一是近年来计算机和网络系统以及信息技术的快速发展为量化和管理信用风险提供了强大的技术条件和信息条件。二是统计科学、计量经济学在金融理论的深化和广泛应用为信用风险的量化作出了积极的贡献。,2,广义上的信用模型是指一切度量信用风险、信用等级的方法体系。,狭义上的信用模型是指通过对一些参数和指标进行数学分析和运算来度量信用风险的数学模型。,3,信用模型按其在控制和衡量风险中的运用可以分为对单个信用资产的模型和应用于资产组合方面的模型两大类别。,4,信用评级模型,5,一、风险度量的专家制度,6,专家制度的主要内容,借款人的,5C,1.Character,2.Capacity,3.Capital,4.Collateral,5.Condition,7,专家制度的缺陷,需要相当数量的专门信用分析人员,实施的效果很不稳定,降低了应对市场变化的能力,加剧了在贷款组合方面过度集中的问题,容易造成信用评估的主观性和随意性,8,二、,Z,评分模型和,ZETA,评分模型,9,(,一,)Z,评分模型的主要内容,Z,评分模型是根据数理统计中的辨别分析技术，对过去的案例进行统计分析，选择一部分最能够反映评级对象的财务状况，对信用质量影响最大、最具预测或分析价值的比率，设计出最大程度地区分信用风险程度的数学模型，对评级对象进行信用风险及资信的评级。,10,(,一,)Z,评分模型的主要内容,Altman,判别方程为：,Z=0.012,（,X1,）,+0.014,（,X2,）,+0.033,（,X3,）,+0.006,（,X4,）,+0.999,（,X5,）或：,Z=1.2,（,X1,）,+1.4,（,X2,）,+3.3,（,X3,）,+0.6,（,X40.999,（,X5,）,其中，,X1,：营运资本,/,总资产,X2,：留存收益,/,总资产,X3,：息税前利润,/,总资产,X4,：股权市值,/,总负债,X5,：销售收入,/,总资产,11,临界值,违约的临界值,Z,0,=2.675,如果,Z2.675,，被划入违约组。,如果,Z2.675,，被划为非违约组。,当,1.81Z2.99,时，判断失误较大，,未知区,或灰色区域,12,(,二,)ZETA,评分模型,ZETA,信用风险模型是继,Z,模型后的第二代信用评分模型，变量由,Z,模型的,5,个增加到了,7,个，适应范围更宽，对不良借款人的辨认精度也有很大提高。,13,(,二,)ZETA,评分模型,7,个变量：资产收益率、盈利能力稳定性指标、债务偿付能力指标、累积利润率指标、流动性指标、资本化程度指标、规模指标,14,(,三,)Z,评分模型和,ZETA,评分模型存在的问题,依赖财务报表数据，削弱了预测结果的可靠性和及时性；,假设解释变量存在线性关系，现实的经济现象是非线性的，削弱了预测的准确程度；,两个模型适用特定行业，使用范围受到较大限制。,15,三、,EDF,模型,16,EDF,模型即“预期违约率模型”,是衡量违约风险的基本工具。,17,主要由三大因素决定,资产价值,资产风险,债务水平,18,公司净值公司的资产市值违约点,违约距离,(,资产市值违约点）,/,（资产价值,资产波动率）,19,四、,KMV,模型,21,公司股东向公司债权人买进一个买权，而该买权的标的资产价格相当于公司资产价值，履约价格可视为公司负债。,所以当负债到期时，若公司资产价值高于负债，则股东会履行买权，也就是会清偿债务；但若公司资产价值低于负债，则因无力偿还负债，就会选择违约。,公司违约概率就是当公司资产价值低于负债价值的机率。,工作原理,22,估计企业违约概率的步骤：,第一步，估计公司市场价值及其波动性,由于无法直接观察公司资产价值及波动性，,KMV,借用期权定价原理推算。,公司股权价值的公式：,（,1,）,E,是股权价值，,A,是公司资产市场现值，,A,是公司资产价值波动性，,D是负债价值，,r,是无风险利率，,是时间范围。,企业股权价值波动性,E,与企业资产价值波动性间存在理论上的关系：,（,2,）,在公式（,1,）和（,2,）中，已知变量有：,E,，可在股票市场上观察到；,E,，利用历史数据估算；,D,，违约实施点或触发点；,，一般设为,1,年；,r,，可观察到。,在公式（,1,）和（,2,）中余下两个未知数：资产价值,A,及其波动性,A,将（,1,）（,2,）两个等式,联立，可求出两个未知数。,第二步，计算违约距离,资产或负债价值,时间,t=0,t=1,违约区域,资产价值分布曲线,负债线,A,D,违约概率相当于企业资产价值分布曲线位于负债线以下的区域，它表示企业资产价值在一年内降到,D,以下的概率，即企业一年内违约的概率。,假定公司未来资产价值围绕其现值呈正态分布，均值为,A,，标准差为,A,，则可利用下面的公式计算公司距离违约的违约距离,(Distance-to-Default),：,违约实施点,(,为企业,1,年以下短期债务的价值加上未清偿长期债务账面价值的一半,),第三步，估算违约概率,若假定资产价值是正态分布，就可根据违约距离直接求得违约概率。,基于资产价值正态分布假定计算出的是,EDF,的理论值，由于该假定不一定与现实相符，为此,KMV,还利用历史数据求,EDF,的经验值。,假设公司的违约距离为,2,A,，经验,EDF,的计算公式为：,模型的特点,其一，从企业股权持有者的角度考虑偿还的动力问题，并利用公开的股市信息为债务信用风险度量服务。其二，违约模型考察违约概率，不考虑信用等级变化。,27,模型的优点与局限,优点：动态模型,局限：,技术上,假定公司债务结构静态不变,对不同类型的债务缺乏细分。,基于资产价值正态分布假设。,实用中,仅着重于违约预测；,能否适用于发展中国家的新兴股票市场；,无法预测非上市公司。,28,五、,LossCalc,模型,29,LossCalc,模型的基本思路是根据历史数据在债务的违约损失率,(Loss Given Default),和一组解释变量之间建立起一个多元统计模型。,30,由于违约损失率的大小不仅受到负债企业因素影响，而且还同债务项目的具体设计密切相关。,31,影响违约损失率的决定因素主要包括：,债项因素,宏观因素与经济周期,行业因素,企业因素,32,六、,Credit Metrics,模型,35,Credit Metrics,模型,Creditmetrics,是由,J.P,摩根公司联合多家金融机构于,1997,年推出的信用风险度量模型。,模型不仅考虑违约事件引发的价值变动，而且同时考虑信用等级升降的影响。,Creditmetrics,试图回答的问题：,“如果下一年是个坏年份，那么，债务会损失掉多少？”,36,Credit Metrics,模型用来测定信用资产组合价值和风险。,估算由于信用资产质量变化,(,包括违约,),而导致的组合价值的波动以及价值的分布状况，并最终计算出信用资产组合的在险价值量,(VaR),。,37,在险价值,(VaR),在险价值,(VaR),就是为了度量一项给定的资产或负债在一定时间里和在一定的置信度下价值最大的损失额。,38,Creditmetrics,基本假设,信用评级有效。信用状况可由债务人的信用等级表示。,债务人的信用等级变化可能有不同的方向和概率。,例如，上一年,AAA,的贷款人有,8.33,的可能转变为,AA,级。,把所有的可能列出，形成所谓的“评级转移矩阵”。,39,模型需要的数据,需要利用的数据：,当前的信用评级数据,信用等级在一年内发生改变的概率,违约的残值回收率,债券的（到期）收益率,40,步骤,1,信用转移矩阵,根据历史资料得到，期初信用级别为,AAA,的债券，,1,年后的信用等级的概率如下,AAA,AAA,，,90.81,AA,，,8.33,A,，,0.68,BBB,，,0.06,BB,，,0.12,CCC,，,0,D,，,0,41,A,AAA,，,0.09,AA,，,2.27,A,，,91.05,BBB,，,5.52,BB,，,0.74,CCC,，,0.01,D,，,0.06,注意：,A,级别债券有,0.06,的概率在下一年度转移到,D,级，即,A,级债券仍有违约的可能。,42,构建信用转移矩阵,以上给出了,AAA,和,A,级债券的转移概率，同样可以得到其他级别，如,AA,、,BBB,、,C,等信用级别的转移概率。,将债券所有级别的转移概率列表，就形成了所谓的“信用转移矩阵”。,43,级别,AAA,AA,A,BBB,BB,B,CCC,违约,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,0.02,0.33,5.95,86.93,5.36,1.17,0.12,0.18,BB,0.03,0.14,0.67,773,80.53,8.84,1.00,1.06,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,信用转移矩阵,44,步骤,2,违约回收率,由于,A,CCC,债券有违约的可能，故需要考虑违约时，坏账（残值）回收率。,企业破产清算顺序直接关系回收率的大小。,有担保债高于无担保债,优先高于次级，次级高于初级,45,违约回收率统计表,债券级别,回收率,(,面值,),标准差,(,),优先担保债券,53.80,26.86,优先无担保债券,51.13,25.45,优先次级债券,38.5223.81,次级债券,32.74,20.18,初级次级债券,17.09,10.90,例：,BBB,级债券在下一年违约概率为,0.18,若它是优先无担保债券，则其一旦违约，面值,100,元可回收,51.13,元。,46,步骤,3,债券估值,由于债券信用级别上升（下降）到新的级别，因此需要估计每个级别下的市值。,估计市值采取的方法是贴现法,利用市场数据得到不同级别债券的利率期限结构,47,每个信用级别的贴现率,(%),级别,1,年,(%),2,年,(%),3,年,(%),4,年,(%),AAA,3.60,4.17,4.73,5.12,AA,3.65,4.22,4.78,5.17,A,3.72,432,4.93,5.32,BBB,4.10,4.67,5.25,5.63,BB,5.55,6.02,6.78,7.27,B,6.05,7.02,8.03,8.52,CCC,15.05,15.02,14.03,13.52,48,例子,假设,BBB,级,优先无担保债券,(5,年期,),的面值,100,元，票面利率为,6,。,若第,1,年末，该债券信用等级由,BBB,升至,A,级，则债券在第,1,年末的市值可以根据上表得到,以上计算的是,BBB,债券转移到,A,级后的市值。若该债券转移到其它信用等级，可以同理类推计算其它市值。,49,BBB,级债券一年后可能的市值（包含面值）,年末债券级别,市值（元）,AAA,109.37,AA,109.19,A,108.66,BBB,107.55,BB,102.02,B,98.01,CCC,83.64,违约,51.13,50,步骤,4,计算信用风险,年末债券级别,市值（元）,转移概率,(%),AAA,109.37,0.02,AA,109.19,0.33,A,108.66,5.95,BBB,107.55,86.93,BB,102.02,5.36,B,98.10,1.17,CCC,83.64,0.12,违约,51.13,0.18,BBB,债券的价值分布，例如若转移到,AAA,，则价值为,109.37,，概率为,0.02,，其他情况可以类似地计算出。,51估计债券市值的均值和标准差,由债券价值的分布，容易得到其价值的均值和方差,52,BBB,债券持有,1,年、,99,的,VaR,由债券市值的概率分布可知,市值大于,98.10,美元的概率为,98.53,市值大于,83.64,美元的概率为,99.7,债券级别,市值,概率,累计概率,B,98.10,1.17,1.47,CCC,83.64,0.12,0.3,违约,51.13,0.18,53,利用线性插值法可以计算,99%,概率下的市值，设该值为,x,说明：该面值为,100,元的,BBB,债券，一年后以,99,的概率确信其市值不低于,92.29,美元。,54,由于该债券的均值为,107.90,美元，根据相对,VaR,的定义，等于一定的置信度上，年末可能的价值与预期价值间的差距，即价值损失。,VaR,107.09-92.29=14.80(,美元,),说明：可以以,99,的概率确信，该债券在,1,年内的损失不超过,14.80,美元。,55,对,Creditmetrics,模型的评述,优点：,动态性：适用于计量由资信变化而引起资产组合价值变动的风险。,可预见性：不仅包括违约事件，还包括债务人信用评级的升降；不仅能评估预期损失，还能估计,VaR,。,多状态模型，能更精确地计量信用风险的变化和损失值。,提出资产组合信用风险的度量框架。,缺点：,对信用评级的高度依赖。,56,七、,Credit risk+,模型,基本思路：,违约率的不确定性和违约损失的不确定性都很显著，应按风险暴露大小将贷款组合划分成若干频段，以降低不精确的程度。其后，将各频段的损失分布加总，可得到贷款组合的损失分布,。,57,对违约率不确定性的描述借鉴财产火险理论，每处房屋遭遇火灾可视作独立事件，且概率很小，假定每笔债券的违约概率较小，且违约事件相互独立，分布近似于泊松分布。,对违约损失不确定性的描述仍借用火险理论，房屋失火的损毁程度可能会有很大区别，债券的违约损失程度同样很不确定。由于逐笔度量损失程度较困难，可按债券的风险暴露将债券组合划分为若干频段。,58,具体步骤,第一步，将债券组合按每个债券的风险暴露划分为各个频段,第二步，求出各频段的违约概率分布,首先，根据历史数据确定某频段的平均违约率,其次，将平均违约率 代入泊松分布函数中，可求得频段中违约次数的概率,然后，将违约次数和相应的概率结合，可得到该频段违约次数的概率分布曲线。,59,第三步，计算各频段的损失分布,预期损失平均违约次数,单个债券风险暴露；,实际损失值,=,实际违约次数,单个债券风险暴露,将违约损失值与对应的违约概率结合，可得到该频段的损失分布曲线,第四步，将各频段的损失分布加总得到组合损失分布,60,模型的优点,只考虑违约事件，要估计的变量少，数据要求较简单,模型的缺点,忽略信用等级变化,关于违约次数服从泊松分布的假定可能与实际不完全吻合,未考虑市场风险,61,八、宏观模拟模型,62,基本思路：研究信用等级转移概率与宏观因素间的关系,直接将转移概率与宏观因素之间的关系模型化。,63,具体步骤,宏观因素与转移概率间的关系可用函数式描述：,P,t,f,（,y,t,）,这里将,P,t,设定为时间,t,上未来一年内债券从,C,级转移,D,级的概率（,P,CD,），该概率对商业周期尤为敏感,y,t,表示时间,t,上的一整套宏观因素所构成的经济状态,(,宏观经济指数,),y,t,由系统宏观因素和非系统宏观因素驱动，前者包括,GDP,增长率、失业率等，后者指经济体系受到的随机冲击或创新。系统宏观因素受其历史值影响，也对当期受到的冲击敏感。函数具体形式：,64,模型的特点,考虑总体经济环境对转移概率的影响。,模型的优点,将宏观因素纳入模型中，修正信用度量的偏差。,模型的局限,技术上，模型对转移矩阵的调整过程是否优越还有待验证。,应用上，模型需要有国家甚至各行业的违约数据作为基础。,65,九、死亡率模型（,Mortality rate,）,基本思想：,借鉴保险精算确定寿险保费的思想，对各信用等级债券和贷款违约率作专门研究。,基本步骤：,首先，利用历史违约数据，估计债券寿命周期内每一年的边际死亡率,MMR(marginal mortality rate),i=1,，,2,，,，,n,66,然后，计算累积死亡率,CMR(cumulative mortality rate),，即债券（贷款）在,N,年内会违约的概率。,其后，将死亡率与违约损失率结合，得到预期损失的估计值。,（,SR,i,：存活率，,survival rate,）,67,模型的优点,思路相对简单，操作难度相对较低。,模型的局限,简单地依靠历史数据预测违约损失。,要保证测算的精度，需要大规模的包括各等级债权工具的历史观测值样本。,68,现代信用评级模型方法分析,69,传统信用分析方法,5C,分类法,现代信用计量模型,围绕违约风险建模,Creditmetrics,围绕公司价值建模,KMV,模型,评分方法,定性,定量,（一）,Credit metrics,模型,1优点,通过计算信用工具在不同信用等级上的市场价值，达到用传统的期望和标准差来度量资产信用风险的目的，并将,VaR,方法引入到信用风险管理中来。,71,2,缺点,（,1,）利率期限结构固定的假设不适于零息票债券和信用衍生品。,（,2,）假设违约概率与宏观经济状况无关。,（,3,）计算复杂。,72,（二）,KMV,模型,优点,将市场信息纳入了违约概率,是一种动态模型,是一种“向前看”的模型,可以反映风险水平差异的程度,73,KMV,模型缺点,必须使用估计技术来获得资产价值、企业资产收益率的期望值和波动性。,利率事先确定的假定限制了将,KMV,模型对利率敏感性工具的应用。,假设经济状况是静止的。74,现代信用风险度量模型中，最为流行的是,KMV,模型和,Credit Metrics,模型。,KMV,模型和,Credit Metrics,模型中的风险定义、关键风险驱动因素、信用事件的波动性、信用事件的相关性等特征各不相同，因此在度量信用风险时各有优势，同时也都存在着一些问题。,75,信用资产组合可以有效的分散风险，但其信用风险的度量和管理更为复杂。,贷款价值实际分布是非对称的，因此计算出的在险价值量略高于正态分布下计算的结果。,76,信用评级是从财务数据的数量分析开始的。,指标计算、变动趋势等基本的统计分析工具已普遍应用于信用风险分析中。,77,再好的分析模型，效果在相当程度上取决于模型的样本数据。,由于影响违约的因素随时间变化，基于历史数据对未来预测的模型准确性有待考证。,基于历史财务信息的多元统计分析模型的前提是有一定的违约记录。,78,信用风险是复杂的经济现象，受诸多外部因素的影响，任何一种基于假设或简化的数学模型都会在一定程度上偏离现实。虽然出现了许多基于不同原理及数据基础构建的信用风险模型，由于信用风险的复杂性，各种模型都在一定程度上存在一定的局限。,79,此课件下载可自行编辑修改，供参考！,感谢您的支持，我们努力做得更好！,