1.違約相關(guān)性及其計量

　　相關(guān)性是描述兩個聯(lián)合事件之間的相互關(guān)系，而不僅僅是指兩個事件概率的簡單乘積。違約相關(guān)性的計量包括相關(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)計學(xué)中最常見的簡單相關(guān)系數(shù)來計量。

　　【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)行計量。

　　上述相關(guān)性計量在數(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，但它們共同的缺點是只能刻畫兩個變量之間的相關(guān)程度，卻無法通過各變量的邊緣分布刻畫出兩個變量的聯(lián)合分布。希望通過單比債項的不同損失分布來計算組合的損失分布，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)險組合模型

　　根據(jù)原理上的差異，信用風(fēng)險組合模型可以分為兩類：

　　解析模型。通過一些簡化假設(shè)，對信貸資產(chǎn)組合給出一個“準(zhǔn)確”的解。解析模型能夠快速得到結(jié)果，但缺點是需要建立在對違約風(fēng)險因素諸多苛刻的假定基礎(chǔ)上。

　　仿真模型。用大量仿真試驗(情景模擬)所產(chǎn)生的經(jīng)驗分布來近似代替真實分布。仿真模型具有很大的靈活性，但是對信息系統(tǒng)的計算能力要求很高。

　　(1)CreditMetrics模型

　　CreditMetrics模型本質(zhì)上是一個VaR模型，目的是為了計算出在一定的置信水平下，一個信用資產(chǎn)組合在持有期限內(nèi)可能發(fā)生的最大損失。CreditMetrics模型的創(chuàng)新之處正是在于解決了計算非交易性資產(chǎn)組合VaR這一難題。

　?、傩庞蔑L(fēng)險取決于債務(wù)人的信用狀況，爾債務(wù)人的信用狀況則用信用等級表示。

　?、谛庞霉ぞ?包括貸款、私募債券等)的市場價值取決于借款人的信用等級，即不同信用等級的信用工具有不同的市場價值，因此，信用等級的變化會帶來信用工具價值的相應(yīng)變化。

　?、跜reditMetrics模型的一個基本特點就是從資產(chǎn)組合而并不是單一資產(chǎn)的角度來看待信用風(fēng)險。

　　④由于CreditMetrics模型將單一的信用工具放入資產(chǎn)組合中衡量其對整個組合風(fēng)險狀況的作用，而不是孤立地衡量某一信用工具自身的風(fēng)險，因而，該模型使用了信用工具邊際風(fēng)險貢獻(xiàn)(Marginal Risk Contribution)這樣的概念來反映單一信用工具對整個組合風(fēng)險狀況的作用。邊際風(fēng)險貢獻(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組合的風(fēng)險。

　　【單選】CreditMetrics模型使用了( )這一概念來反映單一信用工具對真?zhèn)€組合風(fēng)險狀況的作用。

　　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模型的一個補充，因為該模型雖然在違約計量上不使用歷史數(shù)據(jù)，而是根據(jù)現(xiàn)實宏觀經(jīng)濟因素通過蒙特卡洛模擬計算出來，但對于那些非違約的轉(zhuǎn)移概率則還需要歷史數(shù)據(jù)來計算，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量出完整的等級轉(zhuǎn)移矩陣。

　　【單選】多重信用風(fēng)險組合模型被廣泛應(yīng)用于國際銀行業(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)針對火災(zāi)險的財險精算原理，對貸款組合違約率進(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違約的概率是很小的且相互獨立，因此，貸款組合的違約率服從泊松分布。

　　3. 組合損失的壓力測試

　　根據(jù)巴塞爾委員會2005年的定義，壓力測試是一種風(fēng)險管理技術(shù)，用于評估特定事件或特定金融變量的變化對金融機構(gòu)財務(wù)狀況的潛在影響。

　　作為商業(yè)銀行日常風(fēng)險管理手段的有效補充，壓力測試早期主要用于市場風(fēng)險管理，但隨著時間的推移，業(yè)界也逐漸開始利用壓力測試來補充信用風(fēng)險模型的不足。

　　壓力測試主要采用敏感性分析的情景分析方法。敏感性分析用來測試單個風(fēng)險因素或一小組密切相關(guān)的風(fēng)險因素的假定運動(如收益曲線的平移)對組合價值的影響;情景分析模擬一組風(fēng)險因素(如股權(quán)價格、匯率和利率)的多種情景對組合價值的影響。敏感度測試著重分析特定風(fēng)險因素對組合或業(yè)務(wù)單元的影響，而情景分析評估所有風(fēng)險因素變化的整體效應(yīng)，更頻繁地用于機構(gòu)范圍內(nèi)的壓力測試。

　　盡管壓力測試并不困難，但過多的壓力測試并不意味著抓住了風(fēng)險管理的實質(zhì)和要害，也不意味著高水平的風(fēng)險管理。而且，由于每次壓力測試只能說明時間的影響程度，卻并不能說明事件發(fā)生的可能性，使得管理者對眾多的壓力測試結(jié)果難以分清主次，因而對決策的幫助并不大。此外，壓力測試只是對組合短期風(fēng)險狀況的一種衡量，因此屬于一種戰(zhàn)術(shù)性的風(fēng)險管理方法。