信用衍生工具文档格式.docx

1、未来资产价值的概率密度函数 未来资产价值的标准差 资产净预期增长率 资产价值的均值市 场值 由于气球式偿款方式导致的偿付要求的提高 从未来价值的均值 公司处于危机区域的 到违约点的距离 预期违约概率 概率密度曲线的形状现在 一年后 时间 所需清偿的债务 图19.2 KMV模型简图资料来源：KMV corporation （1993）。（二）CreditMetrics模型CreditMetrics模型最突出的特点就在于它把人们对信用风险的认识仅仅局限于违约情况的传统思想，转移到了包括信用等级变迁在内的新情形，第一次将信用等级的转移、违约率、回收率、违约相关性纳入了一个统一的框架，全面地考虑对信用

2、风险的度量。它认为企业信用等级的变化才是信用风险的直接来源，而违约仅仅是信用等级变迁的一个特例。因此，它主要根据信用评级转移矩阵所提供的信用工具信用等级变化的概率分布，以及不同信用等级下给定的贴现率，计算出该信用工具在各信用等级上的市场价值，从而得到该信用工具市场价值在不同信用风险状态下的概率分布。不仅可以用于单一资产信用风险的测量，而且可以用于多种资产组合信用风险状况的计算，其主要框架如图19.3所示：风险暴露 信用VaR 相关性图19.3 CreditMetrics分析框架J.P.Morgan （1997）, CreditMetrics - Technical Document。以一项金额

3、为1亿美元，年利率为6%的5年期BBB级固定利率贷款为例，简单说明一下Creditmetric模型的基本思想。详见表1。此外，CreditMetrics模型的一个重要特点就在于它是从资产组合而不是单一资产的角度来看待信用风险的，因此可以用于衡量组合的集中信用风险值。模型中整个投资组合的市场价值的期望和标准差可以表示为：表191 BBB级贷款的VaR的计算（基准点是贷款的均值）年末信用评级状态的概率（%）新贷款价值加利息/亿美元概率加权的价值/亿美元价值偏离均值的差异/亿美元概率加权差异的平方AAA0.021.09370.00020.02280.0010AA0.331.09190.00360.0

4、2100.0146A5.951.08660.06470.01570.1474BBB86.931.07550.93490.00460.1853BB5.301.02020.0541（0.0506）1.3592B1.170.98100.0115（0.0899）0.9446CCC0.120.83640.0110（0.2345）0.6598违约0.180.51130.0009（0.05596）5.63581.0709均值8.9477价值的方差标准差299万美元假设正态分布： 5%的VaR1.65493万美元 1%的VaR2.33697万美元假设实际的分布：5%的VaR实际分布的95%1.07091.02

5、020.05071%的VaR实际分布的99%1.07090.98100.0899注：5%的VaR近似地由6.77%的VaR给出（也就是5.3%1.17%0.12%0.18%），1%的VaR近似地由1.47%的VaR给出（也就是1.17%0.12%0.18%）。J.P. Morgan, CreditMetricsTechnical Document，April 2，1997，p.28。（三）CreditRisk模型CreditRisk方法是由瑞士信贷银行（Credit Suisse Financial Products，CSFP）于1996年推出的一个违约风险的统计模型。主要以保险精算科学为基础

6、，假定违约遵从泊松过程，而与公司的资本结构无关。利用违约率的波动性来估计客户信用等级变化的不确定性以及违约的相关性，并进一步生成债券和贷款投资组合的损失分布，以计算应提列的授信损失准备。其最主要的优势就在于只需要相当少的数据输入（比如主要输入数据仅为贷款违约率、违约率波动率和风险暴露，而不需要风险溢酬方面的数据），就可以计算出每位债务人的边际风险贡献度以及整个投资组合的违约损失分布。其主要局限也在于它不是充分估值的VaR 模型。（四）麦肯锡公司的Wilson模型麦肯锡公司的Wilson模型（1997）即信贷组合观点（Credit Portfolio View）是一种通过计量经济学和蒙特卡罗模拟

7、来分析组合风险和回报的方法。与CreditMetrics相比，其最大的改进就在于把宏观因素（包括系统的和非系统的，如失业率、GDP增长率、长期利率水平、汇率、政府支出和储蓄水平等）对于违约概率和相关联的评级转移的影响纳入了模型，通过模拟宏观因素对于模型的冲击来测定转移概率的跨时演变，这样可以得到未来每一年的不同的转移矩阵，在此基础上运用CreditMetrics的方法计算出于不同经济周期的VaR，从而克服了CreditMetrics模型中由于假定不同时期的转移概率是静态的和固定的而引起的偏差，可以说是对CreditMetrics的一种补充。与KMV模型相比，两者所应用的方法同样都是基于经验观察

8、，即违约和转移概率都随时间变化。但KMV模型主要是从微观经济角度研究债务人的违约概率和相关资产市值，而Credit Portfolio View模型则主要运用宏观经济中的因素与违约和转移概率相联系。现将以上四大模型在6个关键维度上的异同点归纳为表192。表192 四大模型的比较比较的维度KMV模型CreditMetricsCeditRiskWilson模型1.风险的定义违约模型盯市模型2.风险趋动因素资产价值预期违约率宏观因素3.信用事件的波动性可变不变4.信用事件的相关性多变量正态独立假定或与预期违约率的相关性因素负载factor loadings5.挽回率不变或随机随机在频段内不变6.计算

9、方法解析法模拟法或解析法模拟法迄今为止，从实证角度对各个信用风险模型进行系统比较分析的文章还很少。Gordy（2000）和Crouhy（2000）在对各模型进行模拟的基础上分别在各自的文章中指出，各种不同的模型对在同一时点的相同资产组合进行评估时得出的结果是相近的。Nickell（1998）等人将信用风险模型应用于对实际资产组合风险损失估计的研究，发现结果与实际情况大相径庭。看来根据本国实际研究适用的信用风险模型还路途遥远。至于在实践中该选择运用哪一个模型则主要取决于信用风险资产组合的性质，风险管理的范围和要求，以及数据的可获得性。对于主要依赖于公司特有数据的异质资产组合（Heterogono

10、us Portfolios），则结构性模型比较适合；对于具有潜在流动性债券市场的资产组合，则简约式模型具有较大的优势；对于同质资产组合（Homogenous Portfolios）的风险管理者，如果不关注评级转移风险，则计算相对简便的以保险精算为基础的信用风险模型就足够了；对于高度依赖于经济状况的同质资产组合，则宏观经济类模型是最优的选择。三、衍生工具信用风险的测量80年代以来，随着金融市场上市场风险的与日俱增，衍生工具因其在金融投资、套期保值行为中的巨大作用而获得了飞速的发展，尤其充实拓展了银行的表外业务。然而这些旨在规避市场风险应运而生的衍生工具又蕴藏着新的信用风险。如利率互换和货币互换虽

11、能减少利率风险，但却要承担互换对方的违约风险。此外，随着场外市场期权交易的发展，其违约风险也日益增加。因此，衍生工具信用风险的管理也日益受到各国金融监管当局的重视。原则上，以上这些模型对衍生工具信用风险的测量仍有一定的用武之地，因为交易对手陷入财务困境始终都是引起合同违约的最重要的一个原因。但衍生工具的信用风险与表内业务仍存在着许多不同之处，主要在于：首先， 即使交易对手陷入财务困境，也只可能对虚值合同（履约带来负价值的合同）违约而会力求履行所有的实值合约（履约带来正价值的合同），因此衍生工具合约的无违约价值对交易对手而言必须为负值；其次，在任一违约概率水平上，衍生工具结算一般采取轧差方式，其

12、违约遭受的损失往往低于同等金额的贷款违约的损失。鉴于此，研究者相继提出许多计量模型，但主要集中在互换和期权两类衍生工具上，最具代表性的有下列三种。（一）风险敞口等值法（ Risk Equivalent Exposure，REE ） 风险敞口等值法（REE）是贯穿于衍生工具信用风险衡量的核心方法。这类方法是以估测信用风险敞口价值为目标，考虑了衍生工具的内在价值和时间价值，并以特殊方法处理的风险系数建立了一系列REE计算模型。既有以衍生工具交易的名义本金和合同价值为基础的REE模型，也有以衍生工具类别和组合策略为基础的REE模型。其中风险系数是衍生工具交易的名义本金转化为风险敞口等同值的核心工具。

13、依据投资者的风险偏好，可计算4种概念的风险敞口等同值；即到期风险敞口等同值、平均风险敞口等同值、最坏情况风险敞口等同值和期望风险敞口等同值以度量信用风险的高低。国际清算银行（BIS）为保证银行的资本反映它所承担的风险，在区分交易所衍生合约（由于存在结构化的清算中枢使得合约的信用风险近似为零）和柜台合约（OTC）的基础上，通过以下模型来计算信用风险的敞口等值：（1）加总潜在风险敞口数量和现行风险敞口数量得到合约的信用等价数量，其中潜在风险敞口数量用名义面值乘以转换因子得到，转换因子按合约期限分为利率合约和外汇合约两类，现行风险敞口数量即为合约的盯市价值（MTM）与0中的较大者。（2）将上述信用等

14、价数量乘以合适的风险权重（现行为50%）就得到衍生合约按风险调整之后的资产数量。（3）该资产数量乘以8%得到衍生合约的最低监管资本要求。（二）模拟法模拟法是一种计算机集约型的统计方法。根据CreditMetrics的风险价值模型，理论上，衍生合约的价值可以看作是没有违约风险的交易对手之间的净现值与由于信用风险而导致的预期损失之差。在CreditMetrics中预期损失等于平均的风险敞口数量乘以累计的违约概率再乘以给定违约概率下的损失。为测定未来每年的风险敞口数量，通常是利用蒙特卡罗模拟过程模拟出影响衍生工具价值的关键随机变量的可能路径和交易过程中各时点或到期时的衍生工具价值。经过成百上千次的反

15、复计算得出一个均值。衍生工具的初始价值与模拟平均值之差就是对未来任一时点和到期信用风险敞口值的一个度量。通过模拟各种可能条件下的衍生工具的价值得到其价值分布，从而就可以计算衍生工具的在险价值（VaR）。（三）敏感度分析法衍生工具交易者通常采用衍生工具价值模型中的一些比较系数，如Delta， Gamme， Vega和Theta来衡量和管理头寸及交易策略的风险。敏感度分析法就是利用这些比较值通过情景分析（Scenario Analysis）或应用风险系数来估测衍生工具价值。其最终目的仍是估算出风险敞口等值（REE），只是估算中采用的系数不同。如Ong（1996）主要采用Delta和Gamme来估算

16、REE， Mark（1995）则使用上述所有系数，并运用情景分析获得衍生工具的新价值。第二节 信用衍生产品概述一、信用衍生产品的概念信用衍生产品（Credit Derivatives）是20世纪90年代信用风险管理的最新发展，是国际金融市场金融创新的最新代表。根据国际互换和衍生产品协会（International Swaps and Derivatives Association, ISDA）的定义，信用衍生产品是用来分离和转移信用风险的各种工具和技术的统称，主要指以贷款或债券的信用状况为基础资产的衍生金融工具。其实质是对传统金融衍生工具的再造，赋予其管理信用风险的新功能。二、信用衍生产品市场

17、的发展信用衍生产品市场起源于美国，J.P.摩根、摩根斯坦利、美林公司、莱曼兄弟、花旗银行、信孚银行等都是信用衍生产品市场的早期参与者和建设者。自1991年首次面世以来，1995年全球信用衍生交易未平仓合约就增至100亿美元，1996年更增加到500亿美元，1997年底又剧增至1700亿美元；1998年信用衍生产品正式进入场内交易；1999年该市场开始根据标准化的定义（ISDA制订）进行交易，2000年全球信用衍生产品交易合约的名义本金余额达到8100亿美元。在短短十年间，信用衍生产品交易就从北美扩展到欧洲并在拉美和亚洲也形成市场；市场参与者也从最初的银行，扩展到固定收益投资者、保险公司、高收益

18、市场基金及非金融机构。三、信用衍生产品的作用作为盈利性的金融机构，商业银行主要是通过发放贷款并提供相关的其他配套服务来获取利润的，这就使它不可避免地处于信用风险集中持有者的地位。而传统的商业银行信用风险管理手段（主要包括分散投资、防止授信集中化、加强对借款人的信用审查，要求其提供抵押或担保等）需要大量人力物力的投入，并且只能在一定程度上降低信用风险水平，而很难使投资者完全摆脱信用风险，无法适应现代信用风险管理发展的需要，因此，近年来信用衍生产品的出现则为商业银行管理信用风险带来了新的手段和工具。其最大的特点是银行可以通过它将信用风险从其他风险中剥离出来并转移出去，从而较好地解决风险管理实践中的

19、“信用悖论”问题，即从理论上讲，当银行管理存在信用风险时应将投资分散化、多样化，防止信用风险集中。然而在实践中，由于客户信用关系，区域行业信息优势以及银行贷款业务的规模效应等原因，使得银行信用风险很难分散化。信用衍生产品在信用风险管理中的作用集中表现在以下几方面：1、提供了新的分散和转移信用风险的手段：信用衍生产品可以将组合的信用风险从市场风险中剥离出来，单独进行管理，极大方便了银行对复杂资产组合的风险管理。而且信用衍生产品有效克服了传统信用风险管理工具效率及流动性不足的缺陷，使得银行不必过度依赖多样化授信来降低信用风险，在一定程度上避免了由于分散手段的过度运用而导致的银行业务小型化和运作成本

20、的增加。此外，银行通过信用衍生产品将贷款的信用风险剥离出来转让给外部投资者并没有改变其与原贷款客户的业务关系，因此可以在不必告知债务人的情况下获得抵御违约的保护，避免了出售贷款给客户关系带来的不利影响，大大增强了银行调节和管理信用风险的灵活性，从而在降低信用风险与维持客户关系之间取得较好的平衡。2、有利于信用风险市场定价的形成：信用衍生产品的出现，首次使得银行贷款的纯粹信用风险可以上市交易，为信用风险的定价提供了直接的市场参考。信用衍生产品的市场交易价格实质上就是在既定信息披露下投资者对基础资产信用风险的直接定价，从而大大增加了信用风险定价的透明度和准确性。3、信用衍生产品为一些投资者提供了进

21、入新兴市场和贷款市场的便捷渠道：现实生活中，直接投资于新兴市场往往会受到各种复杂的监管因素和投资机制的制约，而通过参与信用衍生产品交易间接投资新兴市场，便可以轻松绕过有关障碍。此外，那些原本受法规或能力限制无法进入银行贷款市场的机构投资者，也可以通过出售信用保护的形式参与贷款市场，获得新的利润增长点。4、信用衍生产品可以大大提高银行资本的报酬率：根据1988年巴塞尔协议的规定,银行信贷资产的资本要求为贷款本金风险权重8%，其中风险权重视交易对手而定。因此，通过信用衍生产品交易，银行就可以巧妙地实现交易对手的转换，利用风险权重的差异来节约资本金，从而提高资本收益率，获得显著的财务杠杆效应。综上可

22、见，信用衍生产品以其可以单独分离并交易信用风险、显著增强信用风险流动性、提高资本回报率等优点，受到了广大投资者尤其是银行等金融机构的热烈欢迎。因此，90年代以来，信用衍生产品市场获得了长足的发展。利用信用衍生产品进行信用风险对冲的新型管理手段也开始走到了风险管理的最前沿，必将促进对信用风险定价、资产组合集中度和信用风险管理的进一步研究，引发信用风险管理领域和银行业的重大变革，进而对资本市场产生积极而深远的影响。此外，值得注意的是，虽然信用衍生产品市场增长潜力巨大，但其存在的一些深层次矛盾也不容忽视。信用衍生产品交易过程中信息的严重不对称、对某些术语（如“信用事件”）理解的分歧、标准违约风险模型

23、和定价公式的缺乏、以及会计和税收方面的模糊性问题等，都成为当前信用衍生产品市场发展的隐忧。而且，某些信用衍生产品本身也会给银行带来特殊的风险，即交易对手风险。当一家银行把风险暴露通过信用衍生产品转移给另外一家银行时，实际上只是把标的资产的违约风险变换成了交易对手和标的资产的联合违约风险。因此，如何加强对信用衍生产品的内部控制以及外部监管都是目前理论界和实务界亟待解决的问题。四、信用衍生产品的种类所谓衍生产品，是指其价值依赖于基本标的资产价格的金融产品， 大致可以分为利率衍生产品和信用衍生产品。前者按其风险收益特征可以分为对称性衍生工具（如远期、期货和互换）和非对称性衍生工具（如期权）；后者主要

24、通过采用分解和组合技术改变资产的整体风险特征，如信用互换、信用期权以及信用远期等。常见的信用衍生产品主要有四类，按照其价值的决定因素可以分为：一类是基本的信用衍生工具，它的价值主要取决于违约概率的期限结构，如总收益互换（Total Return Swap， TRS），信用违约互换（Credit Default Swap， CDS）；第二类是一揽子信用互换（Basket Default Swap， BDS），它的价值与纳入篮子中的信用体的相关性有关；第三类是信用价差期权（Credit Spread Option， CSO），它的价值取决于信用价差的波动性；第四类是信用联系票据（Credit-Li

25、nked Notes，CLN），其价值主要取决于所约定的参考资产的信用状况。据英国银行家协会的统计资料，仅TRS、CDS、CSO和CLN这四种衍生工具的交易量就已占到整个信用衍生产品市场规模的90%以上（见表192）：193 信用衍生产品市场份额表（%）时间信用违约互换总收益互换信用价差期权信用联系票据其他19963517152762000341912269英国银行家协会（British Bankers Association）（一）总收益互换总收益互换，有时也称“贷款互换”（loan swaps）或“信用互换”（credit swaps），是指针对非流动性的基础资产（如商业贷款等），按照特定

26、的固定或浮动利率互换支付利息的合约。风险的出售者即互换的出售者将基础资产的全部收益（包括基础资产的利息、手续费加减基础资产价值的变化）支付给风险的购买者，而风险的购买者即互换的购买者则支付给出售方以LIBOR利率为基础的收益率（通常为LIBOR加减一定的息差）。可见，总收益互换与一般互换的不同之处就在于，交易双方除了要交换在互换期内的所有现金流外，在基础资产（如贷款）到期或出现违约时，还要结算基础资产的价差，计算公式事先在签约时确定。也就是说，如果到期时，贷款或债券的市场价格出现升值，风险出售方将向风险购买者支付价差；反之，如果出现减值，则由风险购买者向出售方支付价差。总收益互换的基本结构如图19.1所示：图19.4 总收益互换示意图通过总收益互换，银行无须在公开市场上出售资产，就可以有效地将该资产的信用风险转移给互换的购买者；而投资者也不必在公开市场上直接购买该资产，就可以获得该资产的经济利益。而且在实践中，总收益互换的有效期通常大大短于基础资产的有效期，如投资者可以购买一份15年期贷款的2年期的总收益互换。用这种方式，投资者只需筹措2年期限的资金，