现代信用风险度量模型与我国商业银行信用风险管理

现代信用风险度量模型与我国商业银行信用风险管理内容摘要：

Metrics 中度量预期到的价值和未预期到的价值变化。 在 CSFP 信用风险附加计量模型中，违约概率不再是离散的，而被模型化为具有一定概率分布的连中国人民大学中国财政金融政策研究中心 工作论文（ 2020） WPS202020 3 续变量。 每一笔贷款被视作小概率违约事件，并且每笔贷 款的违约概率都独立于其它贷款，这样，贷款组合违约概率的分布接近泊松分布。 CSFP 信用风险附加计量模型考虑违约概率的不确定性和损失大小的不确定性，并将损失的严重性和贷款的风险暴露数量划分频段，计量违约概率和损失大小可以得出不同频段损失的分布，对所有频段的损失加总即为贷款组合的损失分布。 KMV 模型是估计借款企业违约概率的方法。 首先，它 利 用 BlackScholes 期权定价公式，根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的帐面价值估计出企业股权的市场价值及其波动性，再根据公司的负债 计算出公司的违约实施点（ default exercise point，为企业 1 年以下短期债务的价值加上未清偿长期债务帐面价值的一半），然后计算借款人的违约距离，最后根据企业的违约距离与预期违约率（ EDF）之间的对应关系，求出企业的预期违约率。 上述四个模型的区别可归纳为以下六个方面。 第一，在风险的界定方面， CreditMetrics 和麦肯锡模型属于 MTM 模型； CSFP 信用风险附加计量模型属于DM 模型；而 KMV 模型既可被当作 MTM 模型，也可被当作 DM 模型。 第二，在风险驱动因素方面，在 KMV 模型和 CreditMetrics 中，风险驱动因素是企业资产价值及其波动性；在麦肯锡模型中，风险驱动因素是失业率等宏观因素；而在 CSFP信用风险附加计量模型中，关键的风险驱动因素是经济中可变的违约率均值。 第三，在信用事件的波动性方面，在 CreditMetrics 中，违约概率被模型化为基于历史数据的固定的或离散的值；而在 KMV 模型、麦肯锡模型和 CSFP 信用风险附加计量模型中，违约概率是可变的，但服从于不同的概率分布。 第四，在信用事件的相关性方面，各模型具有不同的相关性结构， KMV 模型和 CreditMetrics 是多变量正态；麦肯 锡模型是因素负载；而 CSFP 信用风险附加计量模型是独立假定或与预期违约率的相关性。 第五，在回收率方面，在 KMV 模型的简单形式中，回收率是不变的常数；在 CSFP 信用风险附加计量模型中，损失的严重程度被凑成整数并划分为不同的频段，在频段内回收率是不变的；在 KMV 模型的最新版中，回收率是随机的；在 CreditMetrics 和麦肯锡模型中，回收率也是随机的。 第六，在计量方法方面， CreditMetrics 对个别贷款或贷款组合采用分析方法进行计量，对大规模贷款组合则采用蒙地卡罗模拟技术进行计量； KMV 模型和 CSFP 信用风险附加计量模型采用分析方法进行计量；麦肯锡模型则采用模拟技术求解。 三、发展中国家商业银行信用风险管理的特点 在发展中国家，运用现代信用风险管理手段实施信用风险管理无疑还缺乏足够的前提条件。 首先，存在着运用模型进行计量时数据库的瓶颈制约。 评定信用风险，需要大量的各类企业的数据资料，但是，由于发展中国家在信息披露、管理等方面与发达国家尚有很大的差距，不少企业（特别是中小企业）的财务资料无从搜集，已公开的一些大企业的财务数据存在着失真现象。 在计量模型的具体运用方面，又面临着技。