CreditMetrics模型的改進(jìn)與計(jì)算.pdf

1、信用風(fēng)險(xiǎn)是金融風(fēng)險(xiǎn)中最為重要的風(fēng)險(xiǎn)之一，如何對(duì)風(fēng)險(xiǎn)進(jìn)行有效控制就成為金融界的重要研究?jī)?nèi)容。本文首先系統(tǒng)地介紹了當(dāng)今金融領(lǐng)域流行的兩大類信用風(fēng)險(xiǎn)管理模型--傳統(tǒng)模型和創(chuàng)新模型，并對(duì)兩大類創(chuàng)新模型(盯市模型和違約模型)進(jìn)行了詳細(xì)的說(shuō)明：J.P.摩根公司的CreditMetrics模型，KMV公司的Credit Monitor Model模型，瑞士波士頓第一銀行產(chǎn)品部的Credit Risk+模型和麥肯錫公司的Credit Portfolio

2、 View模型.這些量化模型的應(yīng)用和發(fā)展使信用風(fēng)險(xiǎn)管理日趨規(guī)范完善，但同時(shí)模型本身也存在可進(jìn)一步優(yōu)化的可能。 CreditMetrics模型在盯市模型中最具代表性，該模型首先對(duì)借款人(借款機(jī)構(gòu))進(jìn)行信用評(píng)級(jí)，然后計(jì)算出次年信用評(píng)級(jí)發(fā)生變化的概率，形成信用等級(jí)轉(zhuǎn)移概率矩陣。通過(guò)違約貸款的回收率和債券市場(chǎng)上的信用風(fēng)險(xiǎn)價(jià)差計(jì)算出貸款的市場(chǎng)價(jià)值及其波動(dòng)分布，進(jìn)而得出個(gè)別貸款或貸款組合的VaR值。雖然該模型計(jì)算復(fù)雜且運(yùn)算量大，但對(duì)風(fēng)險(xiǎn)控制

3、有很大幫助，因此受到許多金融機(jī)構(gòu)的青睞。然而多數(shù)金融機(jī)構(gòu)在實(shí)際使用中卻存在一些問(wèn)題：由于各機(jī)構(gòu)的客戶情況不同，信用等級(jí)轉(zhuǎn)移概率矩陣的選取也應(yīng)不同。而大多數(shù)機(jī)構(gòu)仍然采用Morgan銀行的信用矩陣進(jìn)行計(jì)算，這就會(huì)影響風(fēng)險(xiǎn)管理的準(zhǔn)確性。針對(duì)此現(xiàn)象，本文首先假設(shè)信用等級(jí)的轉(zhuǎn)移具有Markov性，并通過(guò)該性質(zhì)給出一階時(shí)齊有限Markov鏈轉(zhuǎn)移概率矩陣的估計(jì)方法。通過(guò)隨機(jī)模擬法進(jìn)行數(shù)據(jù)驗(yàn)證(此部分的內(nèi)容已包含在本文作者的論文”CreditMetri

4、cs模型中轉(zhuǎn)移概率和風(fēng)險(xiǎn)價(jià)值的計(jì)算”中，該論文已于2007年3月被上海大學(xué)學(xué)報(bào)(自然科學(xué)版)錄用)。在此基礎(chǔ)上本文將信用等級(jí)轉(zhuǎn)移推廣到高階Markov鏈情形。但由于一般p階Markov模型的待估參數(shù)太多，以致實(shí)際計(jì)算量超大，運(yùn)算關(guān)系復(fù)雜，因此論文先給出二階Markov鏈模擬模型(通過(guò)兩年的信用變化確定未來(lái)的信用等級(jí)轉(zhuǎn)移)的算法。通過(guò)隨機(jī)模擬的數(shù)據(jù)驗(yàn)證了該算法的準(zhǔn)確性，并通過(guò)誤差分析確定了用于估計(jì)的樣本容量的合理選取。從實(shí)際的運(yùn)算結(jié)果分析

5、該算法是合理有效的。 針對(duì)一般的p階信用轉(zhuǎn)移模型，由于待估參數(shù)太多的問(wèn)題，本文采用非參數(shù)Logistic回歸模型的方法進(jìn)行計(jì)算。在第三章節(jié)中，首先對(duì)Logistic回歸模型作了介紹，指出使用Logistic線性回歸模型研究較高階數(shù)的信用預(yù)測(cè)問(wèn)題的不合理性。然后引出非參數(shù)Logistic回歸模型的具體算法，通過(guò)對(duì)該類模型的方法分析，指出了采用非參數(shù)Logistic回歸模型研究高階信用等級(jí)預(yù)測(cè)問(wèn)題的有效性，并通過(guò)計(jì)算得出進(jìn)一步增加樣

6、本量，估計(jì)精度將可以進(jìn)一步提高的結(jié)論。 CreditMetrics模型的另一個(gè)重要部分是對(duì)貸款現(xiàn)金流進(jìn)行折算，但原模型計(jì)算時(shí)只考慮1年的信用轉(zhuǎn)移，即假設(shè)在若干年內(nèi)的信用轉(zhuǎn)移概率是不變的，這與實(shí)際情況有所不同。在本文中構(gòu)造了貸款現(xiàn)金流及貸款風(fēng)險(xiǎn)值(VaR)的新算法(此部分的內(nèi)容已包含在上述待發(fā)表的論文中)。該算法首先采用本文前幾章節(jié)中給出的轉(zhuǎn)移概率估計(jì)算法，通過(guò)隨機(jī)模擬方法確定貸款現(xiàn)金流分布。然后通過(guò)核估計(jì)方法計(jì)算出信用風(fēng)險(xiǎn)的VaR值。通

7、過(guò)與原模型計(jì)算結(jié)果的比對(duì)，驗(yàn)證了本文采用的估計(jì)以及優(yōu)化方法的合理準(zhǔn)確性。 本文的主要工作為以下幾個(gè)方面1.對(duì)原有的CresitMetrics模型的計(jì)算在兩個(gè)方面進(jìn)行了改進(jìn)： (a)借款者信用等級(jí)轉(zhuǎn)移的一般化(b)考慮借款者未來(lái)一段時(shí)間內(nèi)因信用等級(jí)變化而產(chǎn)生的折算分布計(jì)算2.對(duì)于信用等級(jí)轉(zhuǎn)移的Markov模型，采用最優(yōu)化方法得到其轉(zhuǎn)移概率矩陣的估計(jì)算法3.對(duì)于信用等級(jí)轉(zhuǎn)移的二階Markov模型，采用擴(kuò)展?fàn)顟B(tài)空間的方法使其轉(zhuǎn)