阿尔特曼研究的债券违约模型(Mortalityratmodel)[7]和Asquith、Mullins(1989)的期限方法(Ag-ingapproach)[8]是按穆迪和标准普尔的信用等级和债券到期年限,采用债券实际违约的历史数据建立的违约概率经验值。对各类信用等级和期限债券的违约风险的衡量。美国穆迪(1990)和标准普尔(1991)两家著名评级公司修正了这一模型并作为他们的常规金融分析工具。此类模型有望扩展到贷款违约风险分析中。但目前的障碍是银行无法收集到足够的贷款违约历史数据供建立一个非常稳定的违约概率数据库。因此美国许多大型银行正致力于建立一个全国贷款违约和违约损失率的共享数据库。
5.3 神经网络分析系统
虽然神经网络的理论可追溯到40年代,但在信用风险分析中的应用还是90年代的新生事物。神经网络是从神经心理学和认识科学研究成果出发,应用数学方法发展起来的一种并行分布模式处理系统,具有高度并行计算能力、自学能力和容错能力。神经网络的结构是由一个输入层、若干个中间隐含层和一个输出层组成。国外研究者如Altman,Marco和Varetto(1995)对意大利公司财务危机预测中应用了神经网络分析法[9]。Coats,Fant(1993)、Trippi和Turban,Kevin、KarYanTan和MdodyY.Kiang(1992)[10]采用了神经网络分析法分别对美国公司和银行财务危机进行了预测,取得了一定的效果。我国学者杨保安、王春峰等(1998)[11]也在此领域进行了初探。然而神经网络的最大缺点是其工作的随机性较强。因为要得到一个较好的神经网络结构,需要人为地去调试,非常耗费人力与时间,因此应用受到了限制。Altman(1995)在对神经网络法和判别分析法的比较研究中得出结论“神经网络分析方法在信用风险识别和预测中的应用,并没有实质性的优于线性判别模型”。另外,Chatfield(1993)在《国际预测杂志》发表的题为“神经网络:预测的突破还是时髦”一文中对神经网络方法也只作了一般性的评述[12]。但神经网络作为一门崭新的信息处理科学仍然吸引着众多领域的研究者。
6、衍生工具信用风险的衡量方法
衍生工具是指其价值依赖于基本标的资产价格的金融工具,如远期、期货、期权、互换等。80年代以来,金融市场风起云涌、变幻莫测、市场风险与日俱增。衍生工具因其在金融、投资、套期保值和利率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能减少利率风险,但却要承担互换对方的违约风险。如果银行只是作为互换的中间人和担保人介入互换业务,互换中的任何一方违约都将由银行承担。另外,场外市场的期权交易,其违约风险也日益增加。因此,衍生工具的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,前面讨论的方法对衍生工具信用风险的预测仍有用武之地。因为,引起合同违约的一个重要因素,仍通常是对方陷入财务困境。尽管如此,在贷款、场外交易和表外衍生工具的违约风险上仍存有许多细微的区别。首先,即使对方陷入财务困境,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)。其次,在任一违约概率水准上,衍生工具违约遭受的损失往往低于贷款违约的损失。鉴于此,研究者相继提出许多其他方法,不过主要集中在期权和互换两类衍生工具上,最具代表性的有下列三种。
6.1 风险敞口等值法(Riskequivalentexposure,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。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。
6.2 模拟法
【
