3 基于VaR的市场风险度量
3.2.3 蒙特卡罗模拟法
利用EVIEWS软件中的单位根检验（ADF检验）来判断股票价格序列的平稳性，结果如下：
表3-2 单位根检验（ADF检验）结果
Null Hypothesis: SER01 has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=14)
t-Statisti
c
Prob.*
Augmented Dickey-Fuller test statistic -1.080350 0.7239 Test critical values:
1% level 5% level 10%
level
-2.573187
-3.457630 -2.873440
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(SER01) Method: Least Squares Date: 11/28/09 Time: 09:20 Sample (adjusted): 2 240
Included observations: 239 after adjustments
由于DF=-0.7239，大于显著性水平是10%的临界值-2.569140，因此可知该序列是非平稳的。
19
基于VaR的金融风险度量研究
通过上述检验，我们可以得出结论，中国石化股票价格服从随机游走，即： Pt=Pt-1+εt。下面，我们利用EXCEL软件做蒙特卡罗模拟，模拟次数为1000次：
首先产生1000个随机整数，考虑到股市涨跌停板限制，以样本期最后一天的股价(12.32)为起点，即股价在下一天的波动范围为(-1232,1232)。故随机数的函数式为：RANDBETWEEN(-1232,1232)[用生成的随机数各除以1000，就是我们需要的股价随机变动数εt]。然后计算模拟价格序列：模拟价格=P0+随机数÷1000。
表3-4 模拟价格序列
初始价 随机数 模拟价格Y 模拟价格Y升序 12.32 -1126 11.194 10.696 12.32 -502 11.818 10.696 12.32 548 12.868 10.696 12.32 452 12.772 10.697 12.32 -1554 10.766 10.697 12.32 -139 12.181 10.703 12.32 122 12.442 10.706 12.32 467 12.787 10.707 12.32 636 12.956 10.707 12.32 310 12.63 10.713 12.32 -736 11.584 10.721 12.32 -1210 11.11 10.724 12.32 -649 11.671 10.724 12.32 -1568 10.752 10.725 12.32 -812 11.508 10.729 12.32 -791 11.529 10.731 12.32 -643 11.677 10.734 12.32 636 12.956 10.736 12.32 304 12.624 10.737 将模拟后的价格按升序重新排列，找出对应99%的分位数，即1000×1%=10个交易日对应的数值：10.713，于是有
VaR=|100万×（10.713-12.32)÷12.32|=13.04383万
20
4 基于VaR的信用风险度量
4 基于VaR的信用风险度量
4.1信用风险定义及特点
在经济活动中，信用风险问题处处可见。诺贝尔经济学奖得主、前世界银行首席经济学家斯蒂格里茨在研究保险市场时，发现了一个经典的例子：美国一所大学学生自行车被盗比率约为10%，有几个有经营头脑的学生发起了一个对自行车的保险，保费为保险标的15%。按常理，这几个学生应获得5%左右的利润。但该保险运作一段时间后，这几个学生发现自行车被盗比率迅速提高到15%以上。何以如此？这是因为自行车投保后学生们对自行车安全防范措施明显减少。在这个例子中，投保的学生由于不完全承担自行车被盗的风险后果，因而采取了对自行车安全防范的不作为行为。而这种不作为的行为，就是信用风险。可以说，只要市场经济存在，信用风险就不可避免。
银行的信用风险，也称违约风险，“是指由于信贷活动中存在不确定性而遭受损失的可能性”。借款人由于各种原因未能及时、足额偿还债务或银行贷款而违约时，债权人或银行就要承担财务上的损失，即会产生信用风险。
信用VaR是指交易组合在一定展望期内，在一定把握下信用损失不能超出的数量。巴塞尔新资本协议对于银行账户中信用风险VaR的计算采用了高斯Copula违约时间模型。1997年瑞士信贷金融产品小组开发了Credit Risk Plus 模型用于计算信用风险VaR。许多大银行使用J.P摩根提出的Credit Metrics模型。
信用风险的产生有两方面原因：第一，经济运行的周期性。在经济繁荣时期，违约率较低，从而信用风险相应地降低；第二，对经营有影响的事件的发生。信用风险按信用风险产生的原因可分为道德性信用风险和非道德性信用风险，还可按授信方的不同，分为国家风险、行业风险、个体风险；按可控程度可分为可控风险和非可控信用风险。
1988年《巴塞尔协议》通过对不同类型资产规定不同权数来量化风险，没有对风险进行比较系统准确的量化分析，是对风险的一种比较笼统的分析方法。并且，在1988年协议中，银行对所有企业的贷款权重为100%，只要贷款金额相同，任何不同信用等级的企业所需求的资本金也相同。1999年6月3日，巴塞尔委员会发布关于BaselⅠ的征求意见稿，在一定程度上肯定了J.P摩根等国际
21
基于VaR的金融风险度量研究
大银行使用的计量信用风险的模型。但是由于信用风险模型还具有不完善和不成熟的地方，还不能在信用风险管理中发挥明显作用。九十年代以来一些大银行开始认识到信用风险的重要性，开始致力于研究度量信用风险的内部方法与模型。
目前, 国际上具有代表性的信用风险管理模型有: JP·Morgan1997 年提出的信用度量术模型（Credit Metrics模型）、1997年CSFB 提出的信用风险附加计量模型（Credit Risk+模型）、1998年 Mckinsey公司提出的信用组合观点模型（Credit Portfolio View模型）。这些模型都运用了VaR度量技术，是 VaR 在信用风险管理领域应用的典范。 但是,基于我国金融市场发展状况，这些主要是针对发达国家银行业的模型不能直接在我国应用，需要在研究我国情况基础上对模型进行改进。
由于我国粗放型经济增长方式、财政与金融职能划分不清、国有企业财务预算约束软化、社会信用环境建设滞后等外部历史因素和银行机构经营管理机制不健全等内部因素影响，银行业机构不良贷款一直较高。2002年全国商业银行不良贷款余额高达26300亿元，不良贷款率超过20%。银行业在金融体系中担负着重要角色，银行系统的稳定是金融稳定的核心，因此加强信用风险管理是我国风险管理的重中之重。
表4-1 我国商业银行不良贷款及占全部贷款比例情况表
类 年 别 份 2004年 2005年 2006年 占比 7.09 1.51 2.93 2.65 2007年 余额 12684 2183 4624 5877 占比 6.17 1.06 2.25 2.86 2008年9月 余额 12654 2302 4294 6058 占比 5.49 1.00 1.86 2.63 不良贷款 其中:次级贷款 可疑贷款 损失贷款 余额 占比 余额 占比 余额 17176 12.31 13134 8.61 12549 3075 2.36 3336 2.19 2675 8899 6.84 4990 3.27 5189 5202 4.00 4807 3.15 4685 4.2传统信用风险管理方法
商业银行传统的信用风险度量方法主要有信贷决策的6C评分法和信用评分方法等。
6C评分法是指由有关专家根据借款人的品德(character)、能力(capacity)、资本(capital)、抵押品(collateral)、经营环境(condition)、事业的连续性(continuity)等六个因素评定其信用程度的方法。由于这六个因素英文单词都是
22
