第十九章 信用衍生工具
第十九章 信用衍生產(chǎn)品 【學(xué)習(xí)目標】 信用風(fēng)險是金融市場上最為基本、最為古老，也是危害最大的一類風(fēng)險，而信用衍生產(chǎn) 品則是20世紀90年代信用風(fēng)險管理的最新發(fā)展。本章第一節(jié)全面介紹了現(xiàn)代意義上的信 用風(fēng)險的定義、特點、以及信用風(fēng)險度量模型的發(fā)展和衍生工具信用風(fēng)險的衡量方法； 第二節(jié)簡要說明了信用衍生產(chǎn)品的定義、發(fā)展和作用，并詳細介紹了五種信用衍生產(chǎn)品 的基本原理。以期通過本章的學(xué)習(xí)，讓讀者對信用風(fēng)險和信用衍生產(chǎn)品有個基本的了解 。 第一節(jié) 信用風(fēng)險 一、信用風(fēng)險的概念與特點 信用風(fēng)險（Credit Risk）是金融市場上最為基本、最為古老，也是危害最大的一類風(fēng)險。傳統(tǒng)意義上的信 用風(fēng)險是指借款人不能按期還本付息而給貸款人造成損失的風(fēng)險?，F(xiàn)代意義上的信用風(fēng) 險則包括了由于交易對手直接違約或交易對手信用水平、履約能力的變化而使投資組合 中資產(chǎn)價格下降進而造成損失的風(fēng)險。 信息不對稱是信用風(fēng)險產(chǎn)生的重要源泉。由于企業(yè)違約的小概率事件以及貸款收益和 損失的不對稱性，造成了信用風(fēng)險收益分布曲線向右側(cè)傾斜，并在左側(cè)出現(xiàn)肥尾現(xiàn)象（ 如圖19.1所示）。同時，與市場風(fēng)險不同，信用風(fēng)險的非系統(tǒng)性特征較為明顯，借款人 的還款能力主要取決于與借款人相關(guān)的非系統(tǒng)性因素，如借款人的財務(wù)狀況、經(jīng)營能力 、還款意愿等。此外，由于貸款等信用產(chǎn)品缺乏二級交易市場，流動性差，信用資料的 全面性和時效性均不如市場風(fēng)險采取盯市法所獲得的數(shù)據(jù)。而且貸款的持有期限一般較 長，即使到期出現(xiàn)違約，其頻率也遠比市場風(fēng)險的觀察數(shù)據(jù)少得多。因此，觀察數(shù)據(jù)的 匱乏就使得運用VaR方法來衡量信用風(fēng)險，以及對信用風(fēng)險定價模型進行有效性檢驗都相 當(dāng)困難，嚴重阻礙了實證研究的發(fā)展。 [pic] 圖19.1　信用風(fēng)險收益分布的特征[1] 二、信用風(fēng)險度量及管理模型的發(fā)展 長期以來，信用風(fēng)險都是銀行業(yè)，乃至整個金融業(yè)最主要的風(fēng)險形式。尤其是20世紀 80年代中期以后，隨著金融自由化和金融全球化的發(fā)展，世界范圍內(nèi)的破產(chǎn)有了結(jié)構(gòu)性 的增加，信用規(guī)模和風(fēng)險程度都呈指數(shù)式增長。而且，融資的脫媒效應(yīng)，銀行間競爭的 加劇以及抵押品價值的下降都大大增加了銀行傳統(tǒng)信貸業(yè)務(wù)的風(fēng)險，使得信用風(fēng)險再度 引起普遍的關(guān)注，成為銀行內(nèi)部的風(fēng)險管理者和銀行監(jiān)管者共同面對的一個重要課題。 同時，貸款出售和貸款證券化的使用，組合投資原理在風(fēng)險管理中的實踐，以及衍生工 具市場的顯著擴張和各種信用衍生產(chǎn)品的出現(xiàn)，也對信用風(fēng)險的測量和控制提出了更高 的要求。 然而傳統(tǒng)的信用風(fēng)險衡量方法（主要包括專家法、信用評級法和信用評分法等），由 于其主要依賴于評估者的專業(yè)技能、主觀判斷和對某些決定違約概率的關(guān)鍵因素的簡單 加權(quán)計算，難以對信用風(fēng)險做出精確的測量，因此，近年來以KMV、CreditMetrics、Cr editRisk＋及Credit Portfolio View為代表的信用風(fēng)險量化管理模型的開發(fā)得到了理論界和實務(wù)界越來越高的重視。 （一）KMV模型 KMV模型以Black－Scholes的期權(quán)定價理論為依據(jù)，認為公司的破產(chǎn)概率在很大程度 上取決于公司資產(chǎn)價值與其負債大小的相對關(guān)系以及公司資產(chǎn)市價的波動率，當(dāng)公司的 市場價值下降到一定水平以下時公司就會對其債務(wù)違約。它將股票價值看作是建立在公 司資產(chǎn)價值上的一個看漲期權(quán)，用公司股價的波動率來估算公司資產(chǎn)價值的波動率，主 要通過計算預(yù)期違約頻率EDF(Expected Default Frequency)，即借款者在正常的市場條件下在計劃期內(nèi)違約的概率，來衡量信用風(fēng)險的 大小。詳見圖19.2。 未來資產(chǎn)價值的概率密度函數(shù) 未來資產(chǎn)價值的標準差 資產(chǎn)凈預(yù)期增長率 資產(chǎn)價值的均值 市 場 值 由于氣球式償款方式導(dǎo)致 的償付要求的提高 從未來價值的均值 公司處于危機區(qū)域的 到違約點的距離 預(yù)期違約概率 概率密度曲線的形狀 現(xiàn)在 一年后 時間 所需清償?shù)膫鶆?wù) 圖19.2 KMV模型簡圖 資料來源：KMV corporation (1993)。 (二)CreditMetrics模型 CreditMetrics模型最突出的特點就在于它把人們對信用風(fēng)險的認識僅僅局限于違約 情況的傳統(tǒng)思想，轉(zhuǎn)移到了包括信用等級變遷在內(nèi)的新情形，第一次將信用等級的轉(zhuǎn)移 、違約率、回收率、違約相關(guān)性納入了一個統(tǒng)一的框架，全面地考慮對信用風(fēng)險的度量 。它認為企業(yè)信用等級的變化才是信用風(fēng)險的直接來源，而違約僅僅是信用等級變遷的 一個特例。因此，它主要根據(jù)信用評級轉(zhuǎn)移矩陣所提供的信用工具信用等級變化的概率 分布，以及不同信用等級下給定的貼現(xiàn)率，計算出該信用工具在各信用等級上的市場價 值，從而得到該信用工具市場價值在不同信用風(fēng)險狀態(tài)下的概率分布。不僅可以用于單 一資產(chǎn)信用風(fēng)險的測量，而且可以用于多種資產(chǎn)組合信用風(fēng)險狀況的計算，其主要框架 如圖19.3所示： 風(fēng)險暴露 信用VaR 相關(guān)性 圖19.3 CreditMetrics分析框架 資料來源：J.P.Morgan (1997), CreditMetrics - Technical Document。 以一項金額為1億美元，年利率為6%的5年期BBB級固定利率貸款為例，簡單說明一下 Creditmetric模型的基本思想。詳見表1。 此外，CreditMetrics模型的一個重要特點就在于它是從資產(chǎn)組合而不是單一資產(chǎn)的 角度來看待信用風(fēng)險的，因此可以用于衡量組合的集中信用風(fēng)險值。模型中整個投資組 合的市場價值的期望和標準差可以表示為： [pic] 表19－1 BBB級貸款的VaR的計算(基準點是貸款的均值) |年末信用|狀態(tài)的 |新貸款價值 |概率加權(quán)的 |價值偏離均 |概率加權(quán) | |評級 |概率(%)|加利息/億美|價值/億美元|值的差異/億|差異的平方| | | |元 | |美元 | | |AAA |0.02 |1.0937 |0.0002 |0.0228 |0.0010 | |AA |0.33 |1.0919 |0.0036 |0.0210 |0.0146 | |A |5.95 |1.0866 |0.0647 |0.0157 |0.1474 | |BBB |86.93 |1.0755 |0.9349 |0.0046 |0.1853 | |BB |5.30 |1.0202 |0.0541 |(0.0506) |1.3592 | |B |1.17 |0.9810 |0.0115 |(0.0899) |0.9446 | |CCC |0.12 |0.8364 |0.0110 |(0.2345) |0.6598 | |違約 |0.18 |0.5113 |0.0009 |(0.05596) |5.6358 | | | | |1.0709＝均 | |8.9477＝ | | | | |值 | |價值的方差| |σ＝標準差＝299萬美元 | |假設(shè)正態(tài)分布： 5%的VaR＝1.65×σ＝493萬美元 | |1%的VaR＝2.33×σ＝697萬美元 | |假設(shè)實際的分布：5%的VaR＝實際分布的95%＝1.0709－1.0202＝0.0507 | |1%的VaR＝實際分布的99%＝1.0709－0.9810＝0.0899 | 注：5%的VaR近似地由6.77%的VaR給出(也就是5.3%＋1.17%＋0.12%＋0.18%)， 1%的VaR近似地由1.47%的VaR給出(也就是1.17%＋0.12%＋0.18%)。 資料來源：J.P. Morgan, CreditMetrics－Technical Document，April 2，1997，p.28。 （三）CreditRisk＋模型 CreditRisk＋方法是由瑞士信貸銀行(Credit Suisse Financial Products，CSFP)于1996年推出的一個違約風(fēng)險的統(tǒng)計模型。主要以保險精算科學(xué)為基礎(chǔ) ，假定違約遵從泊松過程，而與公司的資本結(jié)構(gòu)無關(guān)。利用違約率的波動性來估計客戶 信用等級變化的不確定性以及違約的相關(guān)性，并進一步生成債券和貸款投資組合的損失 分布，以計算應(yīng)提列的授信損失準備。其最主要的優(yōu)勢就在于只需要相當(dāng)少的數(shù)據(jù)輸入 (比如主要輸入數(shù)據(jù)僅為貸款違約率、違約率波動率和風(fēng)險暴露，而不需要風(fēng)險溢酬方面 的數(shù)據(jù))，就可以計算出每位債務(wù)人的邊際風(fēng)險貢獻度以及整個投資組合的違約損失分布 。其主要局限也在于它不是充分估值的VaR 模型。 （四）麥肯錫公司的Wilson模型 麥肯錫公司的Wilson模型(1997)即信貸組合觀點(Credit Portfolio View)是一種通過計量經(jīng)濟學(xué)和蒙特卡羅模擬來分析組合風(fēng)險和回報的方法。與CreditM etrics相比，其最大的改進就在于把宏觀因素(包括系統(tǒng)的和非系統(tǒng)的，如失業(yè)率、GDP 增長率、長期利率水平、匯率、政府支出和儲蓄水平等)對于違約概率和相關(guān)聯(lián)的評級轉(zhuǎn) 移的影響納入了模型，通過模擬宏觀因素對于模型的沖擊來測定轉(zhuǎn)移概率的跨時演變， 這樣可以得到未來每一年的不同的轉(zhuǎn)移矩陣，在此基礎(chǔ)上運用CreditMetrics的方法計算 出于不同經(jīng)濟周期的VaR，從而克服了CreditMetrics模型中由于假定不同時期的轉(zhuǎn)移概 率是靜態(tài)的和固定的而引起的偏差，可以說是對CreditMetrics的一種補充。與KMV模型 相比，兩者所應(yīng)用的方法同樣都是基于經(jīng)驗觀察，即違約和轉(zhuǎn)移概率都隨時間變化。但 KMV模型主要是從微觀經(jīng)濟角度研究債務(wù)人的違約概率和相關(guān)資產(chǎn)市值，而Credit Portfolio View模型則主要運用宏觀經(jīng)濟中的因素與違約和轉(zhuǎn)移概率相聯(lián)系。 現(xiàn)將以上四大模型在6個關(guān)鍵維度上的異同點歸納為表19－2。 表19－2 四大模型的比較[2] |比較的維度 |KMV模型 |CreditMetrics|CeditRisk＋ |Wilson模型 | |1.風(fēng)險的定義 |違約模型 |盯市模型 |違約模型 |盯市模型 | |2.風(fēng)險趨動因 |資產(chǎn)價值 |資產(chǎn)價值 |預(yù)期違約率 |宏觀因素 | |素 | | | | | |3.信用事件 |可變 |不變 |可變 |可變 | |的波動性 | | | | | |4.信用事件 |多變量正態(tài)|多變量正態(tài) |獨立假定或與預(yù)|因素負載 | |的相關(guān)性 | | |期 |factor | | | | |違約率的相關(guān)性|loadings | |5.挽回率 |不變或隨機|隨機 |在頻段內(nèi)不變 |隨機 | |6.計算方法 |解析法 |模擬法或解析 |解析法 |模擬法 | | | |法 | | | 迄今為止，從實證角度對各個信用風(fēng)險模型進行系統(tǒng)比較分析的文章還很少。Gordy (2000)和Crouhy(2000)在對各模型進行模擬的基礎(chǔ)上分別在各自的文章中指出，各種不 同的模型對在同一時點的相同資產(chǎn)組合進行評估時得出的結(jié)果是相近的。Nickell(1998 )等人將信用風(fēng)險模型應(yīng)用于對實際資產(chǎn)組合風(fēng)險損失估計的研究，發(fā)現(xiàn)結(jié)果與實際情況 大相徑庭。看來根據(jù)本國實際研究適用的信用風(fēng)險模型還路途遙遠。 至于在實踐中該選擇運用哪一個模型則主要取決于信用風(fēng)險資產(chǎn)組合的性質(zhì)，風(fēng)險管 理的范圍和要求，以及數(shù)據(jù)的可獲得性。對于主要依賴于公司特有數(shù)據(jù)的異質(zhì)資產(chǎn)組合 （Heterogonous Portfolios），則結(jié)構(gòu)性模型比較適合；對于具有潛在流動性債券市場的資產(chǎn)組合，則 簡約式模型具有較大的優(yōu)勢；對于同質(zhì)資產(chǎn)組合（Homogenous Portfolios）的風(fēng)險管理者，如果不關(guān)注評級轉(zhuǎn)移風(fēng)險，則計算相對簡便的以保險精算 為基礎(chǔ)的信用風(fēng)險模型就足夠了；對于高度依賴于經(jīng)濟狀況的同質(zhì)資產(chǎn)組合，則宏觀經(jīng) 濟類模型是最優(yōu)的選擇。 三、衍生工具信用風(fēng)險的測量 80年代以來，隨著金融市場上市場風(fēng)險的與日俱增，衍生工具因其在金融投資、套期 保值行為中的巨大作用而獲得了飛速的發(fā)展，尤其充實拓展了銀行的表外業(yè)務(wù)。然而這 些旨在規(guī)避市場風(fēng)險應(yīng)運而生的衍生工具又蘊藏著新的信用風(fēng)險。如利率互換和貨幣互 換雖能減少利率風(fēng)險，但卻要承擔(dān)互換對方的違約風(fēng)險。此外，隨著場外市場期權(quán)交易 的發(fā)展，其違約風(fēng)險也日益增加。因此，衍生工具信用風(fēng)險的管理也日益受到各國金融 監(jiān)管當(dāng)局的重視。 原則上，以上這些模型對衍生工具信用風(fēng)險的測量仍有一定的用武之地，因為交易對 手陷入財務(wù)困境始終都是引起合同違約的最重要的一個原因。但衍生工具的信用風(fēng)險與 表內(nèi)業(yè)務(wù)仍存在著許多不同之處，主要在于：首先， 即使交易對手陷入財務(wù)困境，也只可能對虛值合同（履約帶來負價值的合同）違約而會 力求履行所有的實值合約（履約帶來正價值的合同），因此衍生工具合約的無違約價值 對交易對手而言必須為負值；其次，在任一違約概率水平上，衍生...
第十九章 信用衍生工具