论文部分内容阅读
本文是一篇关于信用风险计量的文章。信用风险一般是指借款人不履行或部分不履行双方约定的合约而导致债权人的本金或利息损失的潜在可能性。信用风险是银行在放贷过程中所面临的主要风险。很多研究信用管理的学者从银行的角度对信用风险计量方法进行了深入研究，并提出了许多实用的建议，但是从一个债券投资者的角度对信用风险进行研究的则较少。随着中国债券市场的逐步发展，广大债券投资者所面临的信用风险日益凸显，他们迫切地需要一种实用、系统的方法来指导他们进行信用风险管理。信用风险计量是信用风险管理的第一步，只有正确地计量了信用风险才可以制定相应的策略合理地管理信用风险。传统的信用风险计量方法测量的指标比较单一：主要是计量信用产品收益的方差和百分比水平。传统方法在实际的信用风险管理中的作用非常有限，因此更实用的动态的信用风险计量方法呼之欲出。
本文从债券投资者的角度将信用风险计量模型应用于我国债券市场，此模型既适用于单只债券也适用于债券组合。此模型主要是基于不同信用等级债券在一段时间后价格转移变化的概率矩阵得出的。一般而言，根据债券信用等级由高到低可以划分为七个信用级别。通过长期跟踪不同信用级别债券其评级的变化可以发现一定的规律从而制定出信用转移矩阵。欧美等发达国家的信用评级工作在1840年代即已经开展并形成了一套理论体系。我国的债券市场则起步于20世纪80年代末，相关数据以及研究其实较少。本文的目的是建立一个基于我国债券市场的信用转移矩阵，并将应用此矩阵的信用风险计量模型应用于我国的债券市场。
本文首先回顾了前人对于信用风险计量技术的研究工作。前人对于信用风险计量的研究主要可以分为三大类：一、对于结构式模型的研究；二、对于简化式模型的研究；三、对于应用性更强的模型比如CreditMetrics模型，KMV模型，CreditRisk+模型和CreditPortfolio View的研究。然后本文具体介绍了Creditmetrics模型和KIdV模型，给出模型参数的计算方法，因为这两个模型是目前信用风险计量的主流，因此作了详细的介绍；然后通过收集中国债券市场的数据经过处理得到我国的信用转移矩阵。信用转移矩阵是由07、08两年的转移矩阵加权平均得到，因为这样可以起到一个平滑的作用。由于这一转移矩阵是基于历史数据，所以反映的也是在历史平均水平下信用转移的情况，并不能包括极值情况。对于一些风险控制要求较高的机构，可以采用压力测试的方法(对于这一方法的具体介绍本文未涉及)。最后在计算出基于我国债券市场的信用转移矩阵之后，本文给出了此模型的三个应用：一、计算相关性为零的债券组合的风险指标；二、计算相关性不为零的债券组合的信用转移矩阵；三、模拟未来一段时间债券组合的价值分布。在应用三中，本文使用MATLAB编写了蒙特卡罗模拟程序对09年新发行的一批债券构建的债券组合进行了模拟，并给出模拟示意图。
本文的新颖之处在于：1，建立债券级别与价格变化幅度之间的映射概率关系矩阵并以此建模。这样的处理方法既避免了计量中误差的二次累积又有效地克服了当前我国债券评级数据跟踪时间较短的缺点；2，由于一般的信用产品价值分布具有尖峰厚尾的特征，不宜采用正态分布做模拟。股权价值的变化则可以用正态分布进行模拟，于是本文建立股权价值变化与信用价值变化之间的映射关系来计量VaR值；3，目前国内尚未有债券信用等级转移矩阵的发布，因此本文尝试建立了这样一个矩阵，以期可以在实际的投资工作中可以得到应用；4，建立的信用转移矩阵可以反过来对债券评级进行检验，提供了对评级结果质量检验的一个方法；5，为增强信用风险计量模型的应用性，本文在附录中编写了Monte—Carlo模拟程序，在输入相关参数后可以运行得到模拟的VaR值。