1.違約相關(guān)性及其計量

　　相關(guān)性是描述兩個聯(lián)合事件之間的相互關(guān)系，而不僅僅是指兩個事件概率的簡單乘積。違約相關(guān)性的計量包括相關(guān)系數(shù)和連接函數(shù)兩種方法。

　　(1)相關(guān)系數(shù)

　　線性相關(guān)是最常見的一種相關(guān)，可用統(tǒng)計學(xué)中最常見的簡單相關(guān)系數(shù)來計量。

　　【單選】X、Y分別表示兩種不同類型借款人的違約損失，其協(xié)方差為0.08，X的標(biāo)準(zhǔn)差為0.90，Y的標(biāo)準(zhǔn)差為0.70，則其相關(guān)系數(shù)為( )。

　　A.0.630

　　B.0.072

　　C.0.127

　　D.0.056

　　答案：C

　　對于非線性相關(guān)，可通過秩相關(guān)系數(shù)(Spearman)和坎德爾系數(shù)(Kendall)進行計量。

　　上述相關(guān)性計量在數(shù)學(xué)上都具有良好的性質(zhì)，目前在金融工程領(lǐng)域也得到了廣泛的應(yīng)用，但它們共同的缺點是只能刻畫兩個變量之間的相關(guān)程度，卻無法通過各變量的邊緣分布刻畫出兩個變量的聯(lián)合分布。希望通過單比債項的不同損失分布來計算組合的損失分布，可以采用連接函數(shù)。

　　(2)連接函數(shù)

　　連接函數(shù)是一個把單變量概率密度函數(shù)連接成聯(lián)合分布函數(shù)的函數(shù)。

　　2.信用風(fēng)險組合模型

　　根據(jù)原理上的差異，信用風(fēng)險組合模型可以分為兩類：

　　解析模型。通過一些簡化假設(shè)，對信貸資產(chǎn)組合給出一個“準(zhǔn)確”的解。解析模型能夠快速得到結(jié)果，但缺點是需要建立在對違約風(fēng)險因素諸多苛刻的假定基礎(chǔ)上。

　　仿真模型。用大量仿真試驗(情景模擬)所產(chǎn)生的經(jīng)驗分布來近似代替真實分布。仿真模型具有很大的靈活性，但是對信息系統(tǒng)的計算能力要求很高。

　　(1)CreditMetrics模型

　　CreditMetrics模型本質(zhì)上是一個VaR模型，目的是為了計算出在一定的置信水平下，一個信用資產(chǎn)組合在持有期限內(nèi)可能發(fā)生的最大損失。CreditMetrics模型的創(chuàng)新之處正是在于解決了計算非交易性資產(chǎn)組合VaR這一難題。

　　①信用風(fēng)險取決于債務(wù)人的信用狀況，爾債務(wù)人的信用狀況則用信用等級表示。

　　②信用工具(包括貸款、私募債券等)的市場價值取決于借款人的信用等級，即不同信用等級的信用工具有不同的市場價值，因此，信用等級的變化會帶來信用工具價值的相應(yīng)變化。

　　③CreditMetrics模型的一個基本特點就是從資產(chǎn)組合而并不是單一資產(chǎn)的角度來看待信用風(fēng)險。

　　④由于CreditMetrics模型將單一的信用工具放入資產(chǎn)組合中衡量其對整個組合風(fēng)險狀況的作用，而不是孤立地衡量某一信用工具自身的風(fēng)險，因而，該模型使用了信用工具邊際風(fēng)險貢獻(Marginal Risk Contribution)這樣的概念來反映單一信用工具對整個組合風(fēng)險狀況的作用。邊際風(fēng)險貢獻是指因增加某一信用工具在組合中的持有量而增加的整個組合的風(fēng)險。

　　【單選】CreditMetrics模型使用了( )這一概念來反映單一信用工具對真?zhèn)�組合風(fēng)險狀況的作用。

　　A.秩相關(guān)系數(shù)

　　B.連接函數(shù)

　　C.信用工具邊際風(fēng)險貢獻

　　D.違約概率

　　答案：C

　　(2)Credit Portfolio View模型

　　麥肯錫公司提出的Credit Portfolio View模型直接將將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移概率的變化，得出模型中的一系列參數(shù)值。Credit Portfolio View模型可以看做是CreditMetrics模型的一個補充，因為該模型雖然在違約計量上不使用歷史數(shù)據(jù)，而是根據(jù)現(xiàn)實宏觀經(jīng)濟因素通過蒙特卡洛模擬計算出來，但對于那些非違約的轉(zhuǎn)移概率則還需要歷史數(shù)據(jù)來計算，只不過將這些基于歷史數(shù)據(jù)的轉(zhuǎn)移概率進行了調(diào)整而已。該模型本身并不能計量出完整的等級轉(zhuǎn)移矩陣。

　　【單選】多重信用風(fēng)險組合模型被廣泛應(yīng)用于國際銀行業(yè)中，其中( )直接將轉(zhuǎn)移概率與宏觀因素的關(guān)系模型化，然后通過不斷加入宏觀因素沖擊來模擬轉(zhuǎn)移概率的變化，得出模型的一系列參數(shù)值。

　　A.CreditMetric模型

　　B.Credit Portfolio模型

　　C.Credit Risk + 模型

　　D.KMV模型

　　答案：B

　　(3)Credit Risk+模型

　　Credit Risk+模型是根據(jù)針對火災(zāi)險的財險精算原理，對貸款組合違約率進行分析的，并假設(shè)在組合中，每筆貸款只有違約和不違約兩種狀態(tài)。Credit Risk+模型認為，貸款組合中不同類型的貸款同時違約的概率是很小的且相互獨立，因此，貸款組合的違約率服從泊松分布。

　　3. 組合損失的壓力測試

　　根據(jù)巴塞爾委員會2005年的定義，壓力測試是一種風(fēng)險管理技術(shù)，用于評估特定事件或特定金融變量的變化對金融機構(gòu)財務(wù)狀況的潛在影響。

　　作為商業(yè)銀行日常風(fēng)險管理手段的有效補充，壓力測試早期主要用于市場風(fēng)險管理，但隨著時間的推移，業(yè)界也逐漸開始利用壓力測試來補充信用風(fēng)險模型的不足。

　　壓力測試主要采用敏感性分析的情景分析方法。敏感性分析用來測試單個風(fēng)險因素或一小組密切相關(guān)的風(fēng)險因素的假定運動(如收益曲線的平移)對組合價值的影響;情景分析模擬一組風(fēng)險因素(如股權(quán)價格、匯率和利率)的多種情景對組合價值的影響。敏感度測試著重分析特定風(fēng)險因素對組合或業(yè)務(wù)單元的影響，而情景分析評估所有風(fēng)險因素變化的整體效應(yīng)，更頻繁地用于機構(gòu)范圍內(nèi)的壓力測試。

　　盡管壓力測試并不困難，但過多的壓力測試并不意味著抓住了風(fēng)險管理的實質(zhì)和要害，也不意味著高水平的風(fēng)險管理。而且，由于每次壓力測試只能說明時間的影響程度，卻并不能說明事件發(fā)生的可能性，使得管理者對眾多的壓力測試結(jié)果難以分清主次，因而對決策的幫助并不大。此外，壓力測試只是對組合短期風(fēng)險狀況的一種衡量，因此屬于一種戰(zhàn)術(shù)性的風(fēng)險管理方法