第9章 信用风险计量模型

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

金融工程学 第9章信用风险计量模型

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

5C分类法 传统信用分析方法 评级方法 评分方法 围绕违约风险建模

定 性

Creditmetrics现代信用计量模型 围绕公司价值建模 KMV模型 定 量

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

9.1 Z-Score模型 理论基础：贷款企业的破产概率大小与其

财务状况高度相关。 Z计分模型的本质：破产预测模型 方法：复合判别分析(Multiple Discriminant Analysis,MDA)。 基本思想：聚类——MDA能将贷款企业区 分为不会破产和破产两类。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

Z-Score模型建模步骤 建立判别方程(线性)

Z b1 x1 b2 x2 ,..., bn xn xi 代表第i个财务指标 bi 代表判别系数 收集过去已破产和不破产的企业的有关财

务数据(比率)

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

Z-Score模型建模步骤 通过MDA或聚类分析，得到最关键的、最

具有区别能力的财务指标，即这些指标具 有如下性质 在破产组和非破产组之间差异显著 指标稳定性好，在组内没有差异

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

例子： Z-Score模型 基于33个样本，要求所有变量的F比率至

少在0.01水平上显著。 F用于检验两组均值的统计差异，越大越好，

可用F排序。 我们从20个指标中筛选出5个，筛选的5个是 按照F值从小到大排列后最后得到的。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

指标筛选变量x1营运资本/总资产

破产组均值 -6.1%

非破产组均值 41.4%

F统计量 32.60

x2留存盈余/总资产x3税息前收益 /总资 产 x4股权的市值/总负 债的账面价值 x5销售额/总资产

-62.6% -31.8%40.1% 1.5次

35.5% 15.4%247.7% 1.9次

58.86 25.5633.26 22.84

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

建立判别方程 Z = 0.012x1+ 0.014x2+0.0 33x3+ 0.006x4+

0.999x5 x1~ x5的意义同上 将实际企业的财务指标值代入方程，计算 得到Z 若Z>2.99则企业具有贷款资格； 若Z<1.81,则企业不具贷款资格，二者之间需

要详细审查。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

Z-Score模型例：某申请贷款的企业主要财务比率如下：x1—营运资本/总资产比率= 0.45 x2—留存盈余/总资产比率=0.55 x3 —利息和税收之前的收益 /总资产比率=21.62 x4—股权的市场价值/总负债的账面价值比率=312.86 x5—销售额/总资产比率(资产周转率)=2.40次 Z = 0.012×0.45+ 0.014×0.55+0.0 33×21.62+

0.006×312.86+ 0.999×2.40=5.0001>2.99 结论：可以给该企业贷款。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

计分模型缺点和注意事项 Altman 判别方程对未来一年倒闭预测的准确性

可达95%,但对预测两年倒闭的准确性降低到75 %,三年为48%。 缺陷： 依赖财务报表的账面数据而忽视了日益重要的资本市

场指标，在一定程度上降低了预测结果的可靠性和及 时性。 变量假设为线性关系，而现实的经济现象可能非线性 的。 预测模型不能长期使用，需要定期更新，修正财务比 率和参数。 研究表明：通过修正后对未来4年的

预测准确度达到80%。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

改进：聚类分析 将一定数量的样品看成一类，然后根据样品的亲

疏程度，将最密切的看成一类，然后考虑合并后 的类和其他类之间的亲疏程度，再次进行合并。 重复这个过程直到多有的样本(或者指标合并为 一类 为了研究各个公司的财务状况，抽取了21个公司 的4个财务指标，试利用这些财务指标进行聚类 分析。 命令：clusterdata

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

9.2 信用计量模型(Creditmetrics) Creditmetrics(译为“信用计量”)是由J.P 摩

根公司联合美国银行、KMV公司、瑞士联合银 行等金融机构于1997年推出的信用风险定量模型。 它是在1994年推出的计量市场风险的Riskmetrics (译为“风险计量”)基础上提出的，旨在提供 一个可对银行贷款等非交易资产的信用风险进行 计量的VaR框架。 Creditmetrics试图回答的问题： “如果下一年是个坏年份，那么，在我的贷款或贷款

组合上会损失掉多少？”

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

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； 2. 债务人的信用等级变化可能有不同的方 向和概率1. 例如， 上一年AAA的贷款人有90%(概率)

的可能转变为AA级(方向)。 把所有的可能列出，形成所谓的“评级转移 矩阵”。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

Creditmetrics基本假设3. 贷款的价值由信用等级(价差)决

定 由期初的信用等级得到贷款的初始价值；

由评级转移矩阵估计期末贷款的价值； 由二者的差额就可以计算VaR。

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

Creditmetrics的总体框架信用评级 优先权 信用价差

信用转移概率

残值回收率

债券现值

信用风险估计

南京大学 风险管理与保险的精品讲义,共十一章,全部免费。

计量模型需要的数据 需要利用的数据： 借款人当前的信用评级数据 信用等级在一年内可能改变的概率

违约贷款的残值回收率 债券的(到期)收益率

注：以上这些资料可以公开得到