信用風險也是FRM考試的重點考察對象。那么信用風險是如何評估的呢？跟著高頓網(wǎng)校FRM小編來了解一下。
什么是信用風險評估
信用風險評估是指管理人將充分利用現(xiàn)有行業(yè)與公司研究力量，根據(jù)發(fā)債主體的經(jīng)營狀況和現(xiàn)金流等情況對其信用風險進行評估，以此作為品種選擇的基本依據(jù)。
信用風險評估方法
一、5C要素分析法
5C要素分析法是金融機構對客戶作信用風險分析時所采用的專家分析法之一。它主要集中在借款人的道德品質(zhì) (Character)、還款能力(Capacity)、資本實力(Capital)、擔保(Collateral)和經(jīng)營環(huán)境條件(Con- dition)五個方面進行全面的定性分析以判別借款人的還款意愿和還款能力。有些銀行將其歸納為“5W”因素,即借款人(Who)、借款用途 (Why)、還款期限(When)、擔保物(What)及如何還款(How)。還有的銀行將其歸納為“5P”因素,即個人因素(Personal)、借款目的(Purpose)、償還(Payment)、保障(Protec-tion)和前景(Perspective)。無論是“5C”、“5W”或是 “5P”要素法在內(nèi)容上大同小異,他們的共同之處都是將每一要素逐一進行評分,使信用數(shù)量化,從而確定其信用等級以作為其是否貸款、貸款標準的確定和隨后貸款跟蹤監(jiān)測期間的政策調(diào)整依據(jù)。
二、財務比率綜合分析法
由于信用危機往往是由財務危機引致而使銀行和投資者面臨巨大的信用風險, 及早發(fā)現(xiàn)和找出一些預警財務趨向惡化的特征財務指標,無疑可判斷借款或證券發(fā)行人的財務狀況,從而確定其信用等級,為信貸和投資提供依據(jù)。基于這一動機, 金融機構通常將信用風險的測度轉(zhuǎn)化為企業(yè)財務狀況的衡量問題。因此,一系列財務比率分析方法也應運而生。財務比率綜合分析法就是將各項財務分析指標作為一個整體,系統(tǒng)、全面、綜合地對企業(yè)財務狀況和經(jīng)營情況進行剖析、解釋和評價。這類方法的主要代表有杜邦財務分析體系和沃爾比重評分法,前者是以凈值報酬率為龍頭,以資產(chǎn)凈利潤率為核心,重點揭示企業(yè)獲利能力及其前因后果;而沃爾比重法是將選定的7項財務比率分別給定各自的分數(shù)比重,通過與標準比率 (行業(yè)平均比率)進行比較,確定各項指標的得分及總體指標的累計分數(shù),從而得出企業(yè)財務狀況的綜合評價,繼而確定其信用等級。
三、多變量信用風險判別模型
多變量信用風險判別模型是以特征財務比率為解釋變量,運用數(shù)量統(tǒng)計方法推導而建立起的標準模型。運用此模型預測某種性質(zhì)事件發(fā)生的可能性,及早發(fā)現(xiàn)信用危機信號,使經(jīng)營者能夠在危機出現(xiàn)的萌芽階段采取有效措施改善企業(yè)經(jīng)營,防范危機;使投資者和債權人可依據(jù)這種信號及時轉(zhuǎn)移投資、管理應收帳款及作出信貸決策。目前國際上這類模型的應用是最有效的,也是國際金融業(yè)和學術界視為主流方法。概括起來有線性概率模型、Logit、 Probit模型和判別分析模型。其中多元判別分析法最受青睞,Logit模型次之。
多元判別分析法是研究對象所屬類別進行判別的一種統(tǒng)計分析方法;判別分析就是要從若干表明觀測對象特征的變量值(財務比率)中篩選出能提供較多信息的變量并建立判別函數(shù),使推導出的判別函數(shù)對觀測樣本分類時的錯判率最小。率先將這一方法應用于財務危機、公司破產(chǎn)及違約風險分析的開拓者是美國的愛德華·阿爾特曼博士(EdwardI.Altman)。他早在 1968年對美國破產(chǎn)和非破產(chǎn)生產(chǎn)企業(yè)進行觀察,采用了22個財務比率經(jīng)過數(shù)理統(tǒng)計篩選建立了著名的5變量Z-score模型和在此基礎上改進的“Ze- ta”判別分析模型。根據(jù)判別分值,以確定的臨界值對研究對象進行信用風險的定位。由于模型簡便、成本低、效果佳,Zeta模型己商業(yè)化,廣泛應用于美國商業(yè)銀行,取得了巨大的經(jīng)濟效益。美國還專門成立了一家Zeta服務有限公司,著名美林證券也提供Z值統(tǒng)計服務。受美國影響,日本開發(fā)銀行、德國、法國、英國、澳大利亞、加拿大等許多發(fā)達國家的金融機構,以及巴西都紛紛研制了各自的判別模型。雖在變量上的選擇各有千秋,但總體思路則與阿爾特曼如出一轍。
Logit模型是采用一系列財務比率變量來預測公司破產(chǎn)或違約的概率;然后根據(jù)銀行、投資者的風險偏好程度設定風險警界線、以此對分析對象進行風險定位和決策。Logit模型與多元判別分析法的本質(zhì)區(qū)別在于前者不要求滿足正態(tài)分布,其模型采用Lo-gistic函數(shù)。由于 Logistic回歸不假定任何概率分布,不滿足正態(tài)情況下其判別正確率高于判別分析法的結果。
四、以資本市場理論和信息科學為支撐的新方法
隨著資本市場的迅速發(fā)展、融資的非中介化、證券化趨勢以及金融創(chuàng)新工具的大量涌現(xiàn),信用風險的復雜性也日益顯著。人們認為以財務比率為基礎的統(tǒng)計分析方法不能反映借款人和證券發(fā)行人的資產(chǎn)在資本市場上快速變化的動態(tài)價值;鑒于此,一系列信用風險衡量的新方法相繼提出。
1.期權定價型的破產(chǎn)模型期權定價型的“破產(chǎn)模型”。
這類模型的理論依據(jù)在很多方面與Black-Scholes(1973),Merton(1974)以及 Hull和White(1995)的期權定價模型相似。因此也稱作信用風險的期權定價模型。Black-Scholes-Merton系列定價模型表明一家公司的破產(chǎn)概率取決于公司資產(chǎn)相對于其短期負債時的初始市場價值和資產(chǎn)(股票)市價的波動率。當公司資產(chǎn)的市場(清算)價值低于其短期負債價值, 即資不抵債時,那么該公司實質(zhì)上已經(jīng)破產(chǎn)。1993年KMV公司研究提出的期望違約率(ExpectedDefaultFrequency,EDF)模型也是基于這一理論。模型的結構包含兩種理論聯(lián)系。其一是將股票價值看成是建立在公司資產(chǎn)價值上的一個看漲期權;其二是公司股票價值波動率與公司資產(chǎn)價值變化之間的關系。在實踐中,通過觀察在一定標準差(資產(chǎn)市價與償債價值的標準差)水準上的公司(其初始資產(chǎn)高于負債)在一年內(nèi)有多少比例的公司破產(chǎn); 以此來衡量任一具有同樣標準差公司的違約概率。由于資產(chǎn)市值的估算又取決于股價波動率的估算,因此令人質(zhì)疑的是估算的股價波動率是否可作為公司資產(chǎn)價值估算的可信指標。
2.債券違約率模型和期限方法
阿爾特曼研究的債券違約模型(Mortalityratmodel)和 Asquith、Mullins(1989)的期限方法(Ag-ingapproach)是按穆迪和標準普爾的信用等級和債券到期年限,采用債券實際違約的歷史數(shù)據(jù)建立的違約概率經(jīng)驗值。對各類信用等級和期限債券的違約風險的衡量。美國穆迪(1990)和標準普爾(1991)兩家著名評級公司修正了這一模型并作為他們的常規(guī)金融分析工具。此類模型有望擴展到貸款違約風險分析中。但目前的障礙是銀行無法收集到足夠的貸款違約歷史數(shù)據(jù)供建立一個非常穩(wěn)定的違約概率數(shù)據(jù)庫。因此美國許多大型銀行正致力于建立一個全國貸款違約和違約損失率的共享數(shù)據(jù)庫。
3.神經(jīng)網(wǎng)絡分析系統(tǒng)
雖然神經(jīng)網(wǎng)絡的理論可追溯到40年代,但在信用風險分析中的應用還是90年代的新生事物。神經(jīng)網(wǎng)絡是從神經(jīng)心理學和認識科學研究成果出發(fā),應用數(shù)學方法發(fā)展起來的一種并行分布模式處理系統(tǒng),具有高度并行計算能力、自學能力和容錯能力。神經(jīng)網(wǎng)絡的結構是由一個輸入層、若干個中間隱含層和一個輸出層組成。國外研究者如Altman,Marco和Varetto(1995)對意大利公司財務危機預測中應用了神經(jīng)網(wǎng)絡分析法。Coats,Fant(1993)、 Trippi和Turban,Kevin、KarYanTan和MdodyY.Kiang(1992)采用了神經(jīng)網(wǎng)絡分析法分別對美國公司和銀行財務危機進行了預測,取得了一定的效果。我國學者楊保安、王春峰等(1998)也在此領域進行了初探。然而神經(jīng)網(wǎng)絡的*5缺點是其工作的隨機性較強。因為要得到一個較好的神經(jīng)網(wǎng)絡結構,需要人為地去調(diào)試,非常耗費人力與時間,因此應用受到了限制。Altman(1995)在對神經(jīng)網(wǎng)絡法和判別分析法的比較研究中得出結論“神經(jīng)網(wǎng)絡分析方法在信用風險識別和預測中的應用,并沒有實質(zhì)性的優(yōu)于線性判別模型”。另外,Chatfield(1993)在《國際預測雜志》發(fā)表的題為“神經(jīng)網(wǎng)絡:預測的突破還是時髦”一文中對神經(jīng)網(wǎng)絡方法也只作了一般性的評述。但神經(jīng)網(wǎng)絡作為一門嶄新的信息處理科學仍然吸引著眾多領域的研究者。
五、衍生工具信用風險的衡量方法
衍生工具是指其價值依賴于基本標的資產(chǎn)價格的金融工具,如遠期、期貨、期權、互換等。80年代以來,金融市場風起云涌、變幻莫測、市場風險與日俱增。衍生工具因其在金融、投資、套期保值和利率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。然這些旨在規(guī)避市場風險應運而生的衍生工具又蘊藏著新的信用風險。如利率互換和貨幣互換雖能減少利率風險,但卻要承擔互換對方的違約風險。如果銀行只是作為互換的中間人和擔保人介入互換業(yè)務,互換中的任何一方違約都將由銀行承擔。另外,場外市場的期權交易,其違約風險也日益增加。因此,衍生工具的信用風險的管理也日益受到各國金融監(jiān)管當局的重視。原則上,前面討論的方法對衍生工具信用風險的預測仍有用武之地。因為,引起合同違約的一個重要因素,仍通常是對方陷入財務困境。盡管如此,在貸款、場外交易和表外衍生工具的違約風險上仍存有許多細微的區(qū)別。首先,即使對方陷入財務困境, 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)。其次,在任一違約概率水準上,衍生工具違約遭受的損失往往低于貸款違約的損失。鑒于此,研究者相繼提出許多其他方法,不過主要集中在期權和互換兩類衍生工具上,*2代表性的有下列三種。
1.風險敞口等值法(Riskequivalentexposure,REE)
風險敞口等值法(REE)是貫穿于衍生工具信用風險衡量的核心方法。這類方法是以估測信用風險敞口價值為目標,考慮了衍生工具的內(nèi)在價值和時間價值,并以特殊方法處理的風險系數(shù)建立了一系列REE計算模型。既有以衍生工具交易的名義本金和合同價值為基礎的REE模型,也有以衍生工具類別和組合策略為基礎的REE模型。其中風險系數(shù)是衍生工具交易的名義本金轉(zhuǎn)化為風險敞口等同值的核心工具。依據(jù)投資者的風險偏好,可計算4種概念的風險敞口等同值;即到期風險敞口等同值、平均風險敞口等同值、最壞情況風險敞口等同值和期望風險敞口等同值以度量信用風險的高低。
2.模擬法
模擬是一種計算機集約型的統(tǒng)計方法。采用蒙特卡羅模擬過程模擬影響衍生工具價值的關鍵隨機變量的可能路徑和交易過程中各時間點或到期時的衍生工具價值。經(jīng)過成千上百次的反復計算得出一個均值。衍生工具的初始價值與模擬平均值之差是對未來任一時間點和到期信用風險敞口值的一個度量。
3.敏感度分析法
衍生工具交易者通常采用衍生工具價值模型中的一些比較系數(shù),如 Delta,Gamme,Vega和Theta來衡量和管理頭寸及交易策略的風險。敏感度分析法就是利用這些比較值通過方案分析 (scenarioanalysis)或應用風險系數(shù)來估測衍生工具價值。其中Delta用于衡量衍生工具證券價格對其標的資產(chǎn)價格變動的敏感度;Gamme是衡量該衍生證券的Delta值對標的資產(chǎn)價格變化的敏感度;它等于衍生證券價格對標的資產(chǎn)價格的二階偏導數(shù),也等于衍生證券的Delta 對標的資產(chǎn)價格的一階偏導數(shù)。Vega用來衡量衍生證券的價值對標的資產(chǎn)價格波動率的敏感度;Theta用于衡量衍生證券的價值對時間變化的敏感度。敏感度分析法最終目的仍是估算出風險敞口等同價值(REE)。只是估算中采用的系數(shù)不同。如Ong(1996)主要采用Delta和Gamme來估算 REE,Mark(1995)則使用上述所有的系數(shù),并運用方案分析以獲得衍生工具的新價值。