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(biāo)】 信用風(fēng)險(xiǎn)是金融市場(chǎng)上最為基本、最為古老，也是危害最大的一類風(fēng)險(xiǎn)，而信用衍生產(chǎn) 品則是20世紀(jì)90年代信用風(fēng)險(xiǎn)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(xiǎn)的定義、特點(diǎn)、以及信用風(fēng)險(xiǎn)度量模型的發(fā)展和衍生工具信用風(fēng)險(xiǎn)的衡量方法； 第二節(jié)簡(jiǎn)要說明了信用衍生產(chǎn)品的定義、發(fā)展和作用，并詳細(xì)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(duì)信用風(fēng)險(xiǎn)和信用衍生產(chǎn)品有個(gè)基本的了解 。 第一節(jié) 信用風(fēng)險(xiǎn) 一、信用風(fēng)險(xiǎn)的概念與特點(diǎn) 信用風(fēng)險(xiǎn)（Credit Risk）是金融市場(chǎng)上最為基本、最為古老，也是危害最大的一類風(fēng)險(xiǎn)。傳統(tǒng)意義上的信 用風(fēng)險(xiǎn)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(xiǎn)?，F(xiàn)代意義上的信用風(fēng) 險(xiǎn)則包括了由于交易對(duì)手直接違約或交易對(duì)手信用水平、履約能力的變化而使投資組合 中資產(chǎn)價(jià)格下降進(jìn)而造成損失的風(fēng)險(xiǎn)。 信息不對(duì)稱是信用風(fēng)險(xiǎn)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(duì)稱性，造成了信用風(fēng)險(xiǎn)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(shí)，與市場(chǎng)風(fēng)險(xiǎn)不同，信用風(fēng)險(xiǎn)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(cái)務(wù)狀況、經(jīng)營(yíng)能力 、還款意愿等。此外，由于貸款等信用產(chǎn)品缺乏二級(jí)交易市場(chǎng)，流動(dòng)性差，信用資料的 全面性和時(shí)效性均不如市場(chǎng)風(fēng)險(xiǎn)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(zhǎng)，即使到期出現(xiàn)違約，其頻率也遠(yuǎn)比市場(chǎng)風(fēng)險(xiǎn)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(yùn)用VaR方法來(lái)衡量信用風(fēng)險(xiǎn)，以及對(duì)信用風(fēng)險(xiǎn)定價(jià)模型進(jìn)行有效性檢驗(yàn)都相 當(dāng)困難，嚴(yán)重阻礙了實(shí)證研究的發(fā)展。 [pic] 圖19.1　信用風(fēng)險(xiǎn)收益分布的特征[1] 二、信用風(fēng)險(xiǎn)度量及管理模型的發(fā)展 長(zhǎng)期以來(lái)，信用風(fēng)險(xiǎn)都是銀行業(yè)，乃至整個(gè)金融業(yè)最主要的風(fēng)險(xiǎn)形式。尤其是20世紀(jì) 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(xiǎn)程度都呈指數(shù)式增長(zhǎng)。而且，融資的脫媒效應(yīng)，銀行間競(jìng)爭(zhēng)的 加劇以及抵押品價(jià)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(xiǎn)，使得信用風(fēng)險(xiǎn)再度 引起普遍的關(guān)注，成為銀行內(nèi)部的風(fēng)險(xiǎn)管理者和銀行監(jiān)管者共同面對(duì)的一個(gè)重要課題。 同時(shí)，貸款出售和貸款證券化的使用，組合投資原理在風(fēng)險(xiǎn)管理中的實(shí)踐，以及衍生工 具市場(chǎng)的顯著擴(kuò)張和各種信用衍生產(chǎn)品的出現(xiàn)，也對(duì)信用風(fēng)險(xiǎn)的測(cè)量和控制提出了更高 的要求。 然而傳統(tǒng)的信用風(fēng)險(xiǎn)衡量方法（主要包括專家法、信用評(píng)級(jí)法和信用評(píng)分法等），由 于其主要依賴于評(píng)估者的專業(yè)技能、主觀判斷和對(duì)某些決定違約概率的關(guān)鍵因素的簡(jiǎn)單 加權(quán)計(jì)算，難以對(duì)信用風(fēng)險(xiǎn)做出精確的測(cè)量，因此，近年來(lái)以KMV、CreditMetrics、Cr editRisk＋及Credit Portfolio View為代表的信用風(fēng)險(xiǎn)量化管理模型的開發(fā)得到了理論界和實(shí)務(wù)界越來(lái)越高的重視。 （一）KMV模型 KMV模型以Black－Scholes的期權(quán)定價(jià)理論為依據(jù)，認(rèn)為公司的破產(chǎn)概率在很大程度 上取決于公司資產(chǎn)價(jià)值與其負(fù)債大小的相對(duì)關(guān)系以及公司資產(chǎn)市價(jià)的波動(dòng)率，當(dāng)公司的 市場(chǎng)價(jià)值下降到一定水平以下時(shí)公司就會(huì)對(duì)其債務(wù)違約。它將股票價(jià)值看作是建立在公 司資產(chǎn)價(jià)值上的一個(gè)看漲期權(quán)，用公司股價(jià)的波動(dòng)率來(lái)估算公司資產(chǎn)價(jià)值的波動(dòng)率，主 要通過計(jì)算預(yù)期違約頻率EDF(Expected Default Frequency)，即借款者在正常的市場(chǎng)條件下在計(jì)劃期內(nèi)違約的概率，來(lái)衡量信用風(fēng)險(xiǎn)的 大小。詳見圖19.2。 未來(lái)資產(chǎn)價(jià)值的概率密度函數(shù) 未來(lái)資產(chǎn)價(jià)值的標(biāo)準(zhǔn)差 資產(chǎn)凈預(yù)期增長(zhǎng)率 資產(chǎn)價(jià)值的均值 市 場(chǎng) 值 由于氣球式償款方式導(dǎo)致 的償付要求的提高 從未來(lái)價(jià)值的均值 公司處于危機(jī)區(qū)域的 到違約點(diǎn)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(shí)間 所需清償?shù)膫鶆?wù) 圖19.2 KMV模型簡(jiǎn)圖 資料來(lái)源：KMV corporation (1993)。 (二)CreditMetrics模型 CreditMetrics模型最突出的特點(diǎn)就在于它把人們對(duì)信用風(fēng)險(xiǎn)的認(rèn)識(shí)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(jí)變遷在內(nèi)的新情形，第一次將信用等級(jí)的轉(zhuǎn)移 、違約率、回收率、違約相關(guān)性納入了一個(gè)統(tǒng)一的框架，全面地考慮對(duì)信用風(fēng)險(xiǎn)的度量 。它認(rèn)為企業(yè)信用等級(jí)的變化才是信用風(fēng)險(xiǎn)的直接來(lái)源，而違約僅僅是信用等級(jí)變遷的 一個(gè)特例。因此，它主要根據(jù)信用評(píng)級(jí)轉(zhuǎn)移矩陣所提供的信用工具信用等級(jí)變化的概率 分布，以及不同信用等級(jí)下給定的貼現(xiàn)率，計(jì)算出該信用工具在各信用等級(jí)上的市場(chǎng)價(jià) 值，從而得到該信用工具市場(chǎng)價(jià)值在不同信用風(fēng)險(xiǎn)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(xiǎn)的測(cè)量，而且可以用于多種資產(chǎn)組合信用風(fēng)險(xiǎn)狀況的計(jì)算，其主要框架 如圖19.3所示： 風(fēng)險(xiǎn)暴露 信用VaR 相關(guān)性 圖19.3 CreditMetrics分析框架 資料來(lái)源：J.P.Morgan (1997), CreditMetrics - Technical Document。 以一項(xiàng)金額為1億美元，年利率為6%的5年期BBB級(jí)固定利率貸款為例，簡(jiǎn)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(gè)重要特點(diǎn)就在于它是從資產(chǎn)組合而不是單一資產(chǎn)的 角度來(lái)看待信用風(fēng)險(xiǎn)的，因此可以用于衡量組合的集中信用風(fēng)險(xiǎn)值。模型中整個(gè)投資組 合的市場(chǎng)價(jià)值的期望和標(biāo)準(zhǔn)差可以表示為： [pic] 表19－1 BBB級(jí)貸款的VaR的計(jì)算(基準(zhǔn)點(diǎn)是貸款的均值) |年末信用|狀態(tài)的 |新貸款價(jià)值 |概率加權(quán)的 |價(jià)值偏離均 |概率加權(quán) | |評(píng)級(jí) |概率(%)|加利息/億美|價(jià)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(jià)值的方差| |σ＝標(biāo)準(zhǔn)差＝299萬(wàn)美元 | |假設(shè)正態(tài)分布： 5%的VaR＝1.65×σ＝493萬(wàn)美元 | |1%的VaR＝2.33×σ＝697萬(wàn)美元 | |假設(shè)實(shí)際的分布：5%的VaR＝實(shí)際分布的95%＝1.0709－1.0202＝0.0507 | |1%的VaR＝實(shí)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(lái)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(gè)違約風(fēng)險(xiǎn)的統(tǒng)計(jì)模型。主要以保險(xiǎn)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(wú)關(guān)。利用違約率的波動(dòng)性來(lái)估計(jì)客戶 信用等級(jí)變化的不確定性以及違約的相關(guān)性，并進(jìn)一步生成債券和貸款投資組合的損失 分布，以計(jì)算應(yīng)提列的授信損失準(zhǔn)備。其最主要的優(yōu)勢(shì)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(dòng)率和風(fēng)險(xiǎn)暴露，而不需要風(fēng)險(xiǎn)溢酬方面 的數(shù)據(jù))，就可以計(jì)算出每位債務(wù)人的邊際風(fēng)險(xiǎn)貢獻(xiàn)度以及整個(gè)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(diǎn)(Credit Portfolio View)是一種通過計(jì)量經(jīng)濟(jì)學(xué)和蒙特卡羅模擬來(lái)分析組合風(fēng)險(xiǎn)和回報(bào)的方法。與CreditM etrics相比，其最大的改進(jìn)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(zhǎng)率、長(zhǎng)期利率水平、匯率、政府支出和儲(chǔ)蓄水平等)對(duì)于違約概率和相關(guān)聯(lián)的評(píng)級(jí)轉(zhuǎn) 移的影響納入了模型，通過模擬宏觀因素對(duì)于模型的沖擊來(lái)測(cè)定轉(zhuǎn)移概率的跨時(shí)演變， 這樣可以得到未來(lái)每一年的不同的轉(zhuǎn)移矩陣，在此基礎(chǔ)上運(yùn)用CreditMetrics的方法計(jì)算 出于不同經(jīng)濟(jì)周期的VaR，從而克服了CreditMetrics模型中由于假定不同時(shí)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(duì)CreditMetrics的一種補(bǔ)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(yàn)觀察，即違約和轉(zhuǎn)移概率都隨時(shí)間變化。但 KMV模型主要是從微觀經(jīng)濟(jì)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(yùn)用宏觀經(jīng)濟(jì)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(gè)關(guān)鍵維度上的異同點(diǎn)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(xiǎn)的定義 |違約模型 |盯市模型 |違約模型 |盯市模型 | |2.風(fēng)險(xiǎn)趨動(dòng)因 |資產(chǎn)價(jià)值 |資產(chǎn)價(jià)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(dòng)性 | | | | | |4.信用事件 |多變量正態(tài)|多變量正態(tài) |獨(dú)立假定或與預(yù)|因素負(fù)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(jī)|隨機(jī) |在頻段內(nèi)不變 |隨機(jī) | |6.計(jì)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(shí)證角度對(duì)各個(gè)信用風(fēng)險(xiǎn)模型進(jìn)行系統(tǒng)比較分析的文章還很少。Gordy (2000)和Crouhy(2000)在對(duì)各模型進(jìn)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(duì)在同一時(shí)點(diǎn)的相同資產(chǎn)組合進(jìn)行評(píng)估時(shí)得出的結(jié)果是相近的。Nickell(1998 )等人將信用風(fēng)險(xiǎn)模型應(yīng)用于對(duì)實(shí)際資產(chǎn)組合風(fēng)險(xiǎn)損失估計(jì)的研究，發(fā)現(xiàn)結(jié)果與實(shí)際情況 大相徑庭?？磥?lái)根據(jù)本國(guó)實(shí)際研究適用的信用風(fēng)險(xiǎn)模型還路途遙遠(yuǎn)。 至于在實(shí)踐中該選擇運(yùn)用哪一個(gè)模型則主要取決于信用風(fēng)險(xiǎn)資產(chǎn)組合的性質(zhì)，風(fēng)險(xiǎn)管 理的范圍和要求，以及數(shù)據(jù)的可獲得性。對(duì)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(duì)于具有潛在流動(dòng)性債券市場(chǎng)的資產(chǎn)組合，則 簡(jiǎn)約式模型具有較大的優(yōu)勢(shì)；對(duì)于同質(zhì)資產(chǎn)組合（Homogenous Portfolios）的風(fēng)險(xiǎn)管理者，如果不關(guān)注評(píng)級(jí)轉(zhuǎn)移風(fēng)險(xiǎn)，則計(jì)算相對(duì)簡(jiǎn)便的以保險(xiǎn)精算 為基礎(chǔ)的信用風(fēng)險(xiǎn)模型就足夠了；對(duì)于高度依賴于經(jīng)濟(jì)狀況的同質(zhì)資產(chǎn)組合，則宏觀經(jīng) 濟(jì)類模型是最優(yōu)的選擇。 三、衍生工具信用風(fēng)險(xiǎn)的測(cè)量 80年代以來(lái)，隨著金融市場(chǎng)上市場(chǎng)風(fēng)險(xiǎn)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(shí)拓展了銀行的表外業(yè)務(wù)。然而這 些旨在規(guī)避市場(chǎng)風(fēng)險(xiǎn)應(yīng)運(yùn)而生的衍生工具又蘊(yùn)藏著新的信用風(fēng)險(xiǎn)。如利率互換和貨幣互 換雖能減少利率風(fēng)險(xiǎn)，但卻要承擔(dān)互換對(duì)方的違約風(fēng)險(xiǎn)。此外，隨著場(chǎng)外市場(chǎng)期權(quán)交易 的發(fā)展，其違約風(fēng)險(xiǎn)也日益增加。因此，衍生工具信用風(fēng)險(xiǎn)的管理也日益受到各國(guó)金融 監(jiān)管當(dāng)局的重視。 原則上，以上這些模型對(duì)衍生工具信用風(fēng)險(xiǎn)的測(cè)量仍有一定的用武之地，因?yàn)榻灰讓?duì) 手陷入財(cái)務(wù)困境始終都是引起合同違約的最重要的一個(gè)原因。但衍生工具的信用風(fēng)險(xiǎn)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(duì)手陷入財(cái)務(wù)困境，也只可能對(duì)虛值合同（履約帶來(lái)負(fù)價(jià)值的合同）違約而會(huì) 力求履行所有的實(shí)值合約（履約帶來(lái)正價(jià)值的合同），因此衍生工具合約的無(wú)違約價(jià)值 對(duì)交易對(duì)手而言必須為負(fù)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