3.2.3組合信用風(fēng)險(xiǎn)計(jì)量
1.違約相關(guān)性及其計(jì)量
相關(guān)性是描述兩個(gè)聯(lián)合事件之間的相互關(guān)系，而不僅僅是指兩個(gè)事件概率的簡(jiǎn)單乘積。違約相關(guān)性的計(jì)量包括相關(guān)系數(shù)和連接函數(shù)兩種方法。
(1)相關(guān)系數(shù)
線性相關(guān)是最常見的一種相關(guān)，可用統(tǒng)計(jì)學(xué)中最常見的簡(jiǎn)單相關(guān)系數(shù)來計(jì)量。
【單選】X、Y分別表示兩種不同類型借款人的違約損失，其協(xié)方差為0.08，X的標(biāo)準(zhǔn)差為0.90，Y的標(biāo)準(zhǔn)差為0.70，則其相關(guān)系數(shù)為()。
A.0.630
B.0.072
C.0.127
D.0.056
答案：C
對(duì)于非線性相關(guān)，可通過秩相關(guān)系數(shù)(Spearman)和坎德爾系數(shù)(Kendall)進(jìn)行計(jì)量。
上述相關(guān)性計(jì)量在數(shù)學(xué)上都具有良好的性質(zhì)，目前在金融工程領(lǐng)域也得到了廣泛的應(yīng)用，但它們共同的缺點(diǎn)是只能刻畫兩個(gè)變量之間的相關(guān)程度，卻無(wú)法通過各變量的邊緣分布刻畫出兩個(gè)變量的聯(lián)合分布。希望通過單比債項(xiàng)的不同損失分布來計(jì)算組合的損失分布，可以采用連接函數(shù)。
(2)連接函數(shù)
連接函數(shù)是一個(gè)把單變量概率密度函數(shù)連接成聯(lián)合分布函數(shù)的函數(shù)。
2.信用風(fēng)險(xiǎn)組合模型
根據(jù)原理上的差異，信用風(fēng)險(xiǎn)組合模型可以分為兩類：
l解析模型。通過一些簡(jiǎn)化假設(shè)，對(duì)信貸資產(chǎn)組合給出一個(gè)“準(zhǔn)確”的解。解析模型能夠快速得到結(jié)果，但缺點(diǎn)是需要建立在對(duì)違約風(fēng)險(xiǎn)因素諸多苛刻的假定基礎(chǔ)上。
l仿真模型。用大量仿真試驗(yàn)(情景模擬)所產(chǎn)生的經(jīng)驗(yàn)分布來近似代替真實(shí)分布。仿真模型具有很大的靈活性，但是對(duì)信息系統(tǒng)的計(jì)算能力要求很高。
(1) CreditMetrics模型
CreditMetrics模型本質(zhì)上是一個(gè)VaR模型，目的是為了計(jì)算出在一定的置信水平下，一個(gè)信用資產(chǎn)組合在持有期限內(nèi)可能發(fā)生的損失。CreditMetrics模型的創(chuàng)新之處正是在于解決了計(jì)算非交易性資產(chǎn)組合VaR這一難題。
①信用風(fēng)險(xiǎn)取決于債務(wù)人的信用狀況，爾債務(wù)人的信用狀況則用信用等級(jí)表示。
②信用工具(包括貸款、私募債券等)的市場(chǎng)價(jià)值取決于借款人的信用等級(jí)，即不同信用等級(jí)的信用工具有不同的市場(chǎng)價(jià)值，因此，信用等級(jí)的變化會(huì)帶來信用工具價(jià)值的相應(yīng)變化。
③CreditMetrics模型的一個(gè)基本特點(diǎn)就是從資產(chǎn)組合而并不是單一資產(chǎn)的角度來看待信用風(fēng)險(xiǎn)。
④由于CreditMetrics模型將單一的信用工具放入資產(chǎn)組合中衡量其對(duì)整個(gè)組合風(fēng)險(xiǎn)狀況的作用，而不是孤立地衡量某一信用工具自身的風(fēng)險(xiǎn)，因而，該模型使用了信用工具邊際風(fēng)險(xiǎn)貢獻(xiàn)(Marginal Risk Contribution)這樣的概念來反映單一信用工具對(duì)整個(gè)組合風(fēng)險(xiǎn)狀況的作用。邊際風(fēng)險(xiǎn)貢獻(xiàn)是指因增加某一信用工具在組合中的持有量而增加的整個(gè)組合的風(fēng)險(xiǎn)。
【單選】CreditMetrics模型使用了()這一概念來反映單一信用工具對(duì)真?zhèn)€組合風(fēng)險(xiǎn)狀況的作用。
A.秩相關(guān)系數(shù)
B.連接函數(shù)
C.信用工具邊際風(fēng)險(xiǎn)貢獻(xiàn)
D.違約概率
答案：C
(2) Credit Portfolio View模型
麥肯錫公司提出的Credit Portfolio View模型直接將將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移概率的變化，得出模型中的一系列參數(shù)值。Credit Portfolio View模型可以看做是CreditMetrics模型的一個(gè)補(bǔ)充，因?yàn)樵撃Ｐ碗m然在違約計(jì)量上不使用歷史數(shù)據(jù)，而是根據(jù)現(xiàn)實(shí)宏觀經(jīng)濟(jì)因素通過蒙特卡洛模擬計(jì)算出來，但對(duì)于那些非違約的轉(zhuǎn)移概率則還需要?dú)v史數(shù)據(jù)來計(jì)算，只不過將這些基于歷史數(shù)據(jù)的轉(zhuǎn)移概率進(jìn)行了調(diào)整而已。該模型本身并不能計(jì)量出完整的等級(jí)轉(zhuǎn)移矩陣。
【單選】多重信用風(fēng)險(xiǎn)組合模型被廣泛應(yīng)用于國(guó)際銀行業(yè)中，其中()直接將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移概率的變化，得出模型的一系列參數(shù)值。
A. CreditMetric模型
B. Credit Portfolio模型
C. Credit Risk +模型
D. KMV模型
答案：B
(3) Credit Risk+模型
Credit Risk+模型是根據(jù)針對(duì)火災(zāi)險(xiǎn)的財(cái)險(xiǎn)精算原理，對(duì)貸款組合違約率進(jìn)行分析的，并假設(shè)在組合中，每筆貸款只有違約和不違約兩種狀態(tài)。Credit Risk+模型認(rèn)為，貸款組合中不同類型的貸款同時(shí)違約的概率是很小的且相互獨(dú)立，因此，貸款組合的違約率服從泊松分布。
1.違約相關(guān)性及其計(jì)量
相關(guān)性是描述兩個(gè)聯(lián)合事件之間的相互關(guān)系，而不僅僅是指兩個(gè)事件概率的簡(jiǎn)單乘積。違約相關(guān)性的計(jì)量包括相關(guān)系數(shù)和連接函數(shù)兩種方法。
(1)相關(guān)系數(shù)
線性相關(guān)是最常見的一種相關(guān)，可用統(tǒng)計(jì)學(xué)中最常見的簡(jiǎn)單相關(guān)系數(shù)來計(jì)量。
【單選】X、Y分別表示兩種不同類型借款人的違約損失，其協(xié)方差為0.08，X的標(biāo)準(zhǔn)差為0.90，Y的標(biāo)準(zhǔn)差為0.70，則其相關(guān)系數(shù)為()。
A.0.630
B.0.072
C.0.127
D.0.056
答案：C
對(duì)于非線性相關(guān)，可通過秩相關(guān)系數(shù)(Spearman)和坎德爾系數(shù)(Kendall)進(jìn)行計(jì)量。
上述相關(guān)性計(jì)量在數(shù)學(xué)上都具有良好的性質(zhì)，目前在金融工程領(lǐng)域也得到了廣泛的應(yīng)用，但它們共同的缺點(diǎn)是只能刻畫兩個(gè)變量之間的相關(guān)程度，卻無(wú)法通過各變量的邊緣分布刻畫出兩個(gè)變量的聯(lián)合分布。希望通過單比債項(xiàng)的不同損失分布來計(jì)算組合的損失分布，可以采用連接函數(shù)。
(2)連接函數(shù)
連接函數(shù)是一個(gè)把單變量概率密度函數(shù)連接成聯(lián)合分布函數(shù)的函數(shù)。
2.信用風(fēng)險(xiǎn)組合模型
根據(jù)原理上的差異，信用風(fēng)險(xiǎn)組合模型可以分為兩類：
l解析模型。通過一些簡(jiǎn)化假設(shè)，對(duì)信貸資產(chǎn)組合給出一個(gè)“準(zhǔn)確”的解。解析模型能夠快速得到結(jié)果，但缺點(diǎn)是需要建立在對(duì)違約風(fēng)險(xiǎn)因素諸多苛刻的假定基礎(chǔ)上。
l仿真模型。用大量仿真試驗(yàn)(情景模擬)所產(chǎn)生的經(jīng)驗(yàn)分布來近似代替真實(shí)分布。仿真模型具有很大的靈活性，但是對(duì)信息系統(tǒng)的計(jì)算能力要求很高。
(1) CreditMetrics模型
CreditMetrics模型本質(zhì)上是一個(gè)VaR模型，目的是為了計(jì)算出在一定的置信水平下，一個(gè)信用資產(chǎn)組合在持有期限內(nèi)可能發(fā)生的損失。CreditMetrics模型的創(chuàng)新之處正是在于解決了計(jì)算非交易性資產(chǎn)組合VaR這一難題。
①信用風(fēng)險(xiǎn)取決于債務(wù)人的信用狀況，爾債務(wù)人的信用狀況則用信用等級(jí)表示。
②信用工具(包括貸款、私募債券等)的市場(chǎng)價(jià)值取決于借款人的信用等級(jí)，即不同信用等級(jí)的信用工具有不同的市場(chǎng)價(jià)值，因此，信用等級(jí)的變化會(huì)帶來信用工具價(jià)值的相應(yīng)變化。
③CreditMetrics模型的一個(gè)基本特點(diǎn)就是從資產(chǎn)組合而并不是單一資產(chǎn)的角度來看待信用風(fēng)險(xiǎn)。
④由于CreditMetrics模型將單一的信用工具放入資產(chǎn)組合中衡量其對(duì)整個(gè)組合風(fēng)險(xiǎn)狀況的作用，而不是孤立地衡量某一信用工具自身的風(fēng)險(xiǎn)，因而，該模型使用了信用工具邊際風(fēng)險(xiǎn)貢獻(xiàn)(Marginal Risk Contribution)這樣的概念來反映單一信用工具對(duì)整個(gè)組合風(fēng)險(xiǎn)狀況的作用。邊際風(fēng)險(xiǎn)貢獻(xiàn)是指因增加某一信用工具在組合中的持有量而增加的整個(gè)組合的風(fēng)險(xiǎn)。
【單選】CreditMetrics模型使用了()這一概念來反映單一信用工具對(duì)真?zhèn)€組合風(fēng)險(xiǎn)狀況的作用。
A.秩相關(guān)系數(shù)
B.連接函數(shù)
C.信用工具邊際風(fēng)險(xiǎn)貢獻(xiàn)
D.違約概率
答案：C
(2) Credit Portfolio View模型
麥肯錫公司提出的Credit Portfolio View模型直接將將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移概率的變化，得出模型中的一系列參數(shù)值。Credit Portfolio View模型可以看做是CreditMetrics模型的一個(gè)補(bǔ)充，因?yàn)樵撃Ｐ碗m然在違約計(jì)量上不使用歷史數(shù)據(jù)，而是根據(jù)現(xiàn)實(shí)宏觀經(jīng)濟(jì)因素通過蒙特卡洛模擬計(jì)算出來，但對(duì)于那些非違約的轉(zhuǎn)移概率則還需要?dú)v史數(shù)據(jù)來計(jì)算，只不過將這些基于歷史數(shù)據(jù)的轉(zhuǎn)移概率進(jìn)行了調(diào)整而已。該模型本身并不能計(jì)量出完整的等級(jí)轉(zhuǎn)移矩陣。
【單選】多重信用風(fēng)險(xiǎn)組合模型被廣泛應(yīng)用于國(guó)際銀行業(yè)中，其中()直接將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移概率的變化，得出模型的一系列參數(shù)值。
A. CreditMetric模型
B. Credit Portfolio模型
C. Credit Risk +模型
D. KMV模型
答案：B
(3) Credit Risk+模型
Credit Risk+模型是根據(jù)針對(duì)火災(zāi)險(xiǎn)的財(cái)險(xiǎn)精算原理，對(duì)貸款組合違約率進(jìn)行分析的，并假設(shè)在組合中，每筆貸款只有違約和不違約兩種狀態(tài)。Credit Risk+模型認(rèn)為，貸款組合中不同類型的貸款同時(shí)違約的概率是很小的且相互獨(dú)立，因此，貸款組合的違約率服從泊松分布。