4 基于VaR的信用风险度量
以“C”开头，因此被称为“6C”评分法。
1.品德(character)。主要考察借款人的作风、观念以及责任心等，同时由于每一笔信用交易，都反映了借款人的付款承诺，因此借款人的还款记录是银行判断借款人品德的主要依据。
2.能力(capacity)。指借款人的的经营能力、管理能力和偿债能力。能力越强，风险就越低。
3.资本(capital)。指客户的财务状况，表明客户有无偿还债务的实力。 4.抵押品(collateral)。在提供贷款时，需要借款人提供具有一定市场价值的、合适的抵押品。一旦借款人无力偿还贷款，贷款人就有权通过处理抵押品获得补偿。
5.经营环境(condition)。主要是指借款人所在行业在整个经济中的经营环境及趋势，客户的偿债能力可能会受到经营环境的不同的影响，如果产生强烈负面影响，则客户的信用水平就将大打折扣。
6.连续性(continuity)。是指借款人持续经营的可能性。
品德 （character）
资本 （capital）
能力（capacity）
信用6C
经营环境（condition）
抵押品（collateral）
连续性（continuity）
图4-1 信用“6C”评分法
贷款者对这些要素逐一进行评分，通过这一方法可以对借款人的整体状况有个清晰地了解，从而确定其信用等级，是否为其贷款。
23
基于VaR的金融风险度量研究
Z值模型是信用评分方法中最常见的。最初的Z值模型是由美国爱德华?阿尔曼于1968年提出来的,选取了1946～1965年间制造企业中的33家破产的和良好企业为样本,收集了样本企业资产负债表和利润表中的有关数据,并通过整理出与破产关系最密切的五个基本财务指标, 对这五个变量分别赋予不同权重，并加总得出Z值。 还给出了Z值的临界值，若Z?2.675，则企业的财务状况良好，发生破产的可能性较小；若Z?1.81，则企业面临很大的破产可能性。我们可将得出的Z值与临界值1.81比较，低于临界值的企业不对其发放贷款。1977年 又建立了第二代模型，称为ZETA信用风险模型。有7个主要变量，分别为资产报酬率、收入的稳定性、利息倍数、负债比率、流动比率、资本化比率和规模。
4.3现代信用风险管理方法
传统信用风险度量的方法虽然能够在一定程度上控制和规避风险，但随着金融市场的发展，信用风险不断增加，传统的度量方法难以确定一个共同遵循的标准，主观性较强，难以适应市场变化，已不能满足金融机构的需求，亟待开发更加精确地的信用风险计量模型。伴随现代金融理论的发展和新的信用工具的创新，经济学家将建模技术和数学统计原理应用到这一领域，在传统信用评级的基础上提出了一批信用风险度量模型，为现代金融机构防范信用风险提供了有效依据。现代信用风险度量模型主要有KMV模型、CreditMetrics模型、麦肯锡模型和CSFP信用风险附加计量模型四种。 4.3.1 基于VaR的CreditMetrics模型
CreditMetrics是1997年J.P Morgan银行与美洲银行、KMV公司等七家国际著名金融机构合作开发的。该模型界上第一个评估信用风险的量化度量模型，一经公布立即引起了金融机构和监管当局的高度重视，是风险管理领域在信用风险量化管理方面迈出的重要一步。
CreditMetrics模型对资产价值和信用损失的估计采取盯市模式，属于盯市类(MTM)模型[30]。模型的核心思想基于某一特定时间内(通常为一年)资产组合价值的分布不仅受到债务人违约的影响，而且还会受到债务人信用等级转移的影响。模型根据债务人的信用等级的变化确定违约概率和资产组合价值分布，计算信用风险的VaR值
24
4 基于VaR的信用风险度量
（一）模型假定
1.市场风险与信用风险无关。CreditMetrics假设未来价值和风险由远期分布曲线决定,没有市场风险的存在, 信用是唯一的变量。
2. 债务人具有完全相同的转移矩阵和违约概率。模型把债务人按评级分成若干个信用等级，假定在同一信用级别中的债务人具有完全相同的信用转移矩阵和违约概率,同时假定实际违约率等于历史统计平均的违约率。
3.风险期限固定。由于评级机构的转移矩阵的期限为一年，因此一般将风险期限设为一年。
4.债务人两两之间信用等级变化的相关性是利用资产回报的联合分布来估计的。
5.违约不仅包括债务人到期没有偿还债务，还包括债务人信用等级的下降，且违约事件发生在债务到期时。
（二）模型设定与参数估计
假设债券的到期期限为n,被划分为m个信用等级（k为期限，j为信用等级）。根据信用转移矩阵得出单一债券的信用等级变化概率，其资产的市场价值等于该资产未来全部现金流的现值，即
Pj??nMjkkk?1(1?yjk) （4.1）
其中，Pj为在信用等级为j的债务的现值；Mjk为第k年的信用等级为j时的净现金流量；yjk为第k年信用等级为j的债务的零息收益率。根据信用等级迁移概率cj，可以根据下面公式计算得到债劵在第1年年末的期望值和方差，即：
E(P)??Pjcj (4.2)
j?1m???cj(Pj?E(P))2 (4.3)
2Pj?1m假设信用等级为j的债务的资产价值服从正态分布，则债务的预期损失就是债务现值Pj与期望值E(P)的差；债务在置信水平?下的非预期损失（即经济资本）即为：
UL?EC?N?1(?)??P (4.4)
25
基于VaR的金融风险度量研究
其中?P为债务价值变化的标准差；N?1(?)为正态分布的反函数。 （三）计算方法：
Credit Metrics模型计算的流程，如下图。
风险暴露 信贷组合 信用评级 信用风险值
债项优先顺序 信贷利差溢价 相关性
评级系列 股价数据系列 市场波动评级转移概率 违约回收率 债券重估现值 相关性模型 动波动 敞口分布 由单个敞口信用变化导致的价值标准差 信用评级的联合变化 基于信用风险的组合风险值 图4-2 Credit Metrics模型计算流程
1.设定信用等级评级系统。债务人的信用等级是随时间变化的，Credit Metrics模型认为信用风险直接来源于信用等级的变化,并将企业的信用等级的变化用违约概率表现出来。因此,每一个债务人都必须被赋予一个信用评级,评级的来源可以是公认的外部评级结果,也可以是内部评级结果。目前J.P摩根的Credit Metrics模型的外部信用评级使用的是标准普尔和穆迪公司的评级体系。
2.设定信用等级转移矩阵（Transaction matrix）。模型假定信用转移概率服从马尔可夫过程，那么我们根据历史数据计算得到的一年期转移概率相互独立，求出这些数据的算术平均数即可得到一年期的信用等级转移矩阵。转换矩阵的选择对于VaR的计算有着决定性的影响,一般由专业信用评级公司给出。一般使用标准普尔和穆迪公司的评级体系。
表4-1为标准普尔公司提供的债务人从当前的某个评级转变为未来一年后另外一个评级的概率表。
26
