基于判别分析和期望违约率方法的信用风险度量及管理研究

摘要

信用风险是指由于借款人或市场交易对手不愿或无力履行合同条件而构成违约，导致银行、投资者或交易对方遭受损失的可能性，它包括由于借款人的信用评级的变动和履约能力的变化导致其资产的市场价值变动而引起损失的可能性。本文围绕2001年《巴塞尔协议》对商业银行信用风险管理的总体方针，在借鉴发达国家信用风险管理技术和方法的基础上，从财务预警切入，运用古典的多元判别分析(MDA)和现代的期望违约率(EDF)技术来研究信用风险度量及管理中的三个核心问题，即：企业的信用评级、评级转移概率和基于违约损失度量的商业银行内部经济资本配置。研究内容共分8章。 第一章介绍了研究的选题来源、学术背景、意义及国内外的研究动态。提出了本文的研究框架及技术路线。 第二章概述了信用风险的基本概念、管理理论和《巴塞尔协议》对信用风险管理的主要内容，并从商业银行的角度对信用风险管理的内部系统进行了设计。同时概述了专家分析方法(5C、5W)、基于财务数据的信用评分系统(Zeta模型、LPM、Logit、Probit)、神经网络方法、期限结构模型、死亡率模型、信用度量术(CreditMetricsTM)、KMV模型、信用风险附加值(CreditRisk+)、信贷组合观点(CreditPortfolioView)、风险敞口等值法(REE)等信用风险度量方法及应用现状。 第三章介绍了信用评级的基本内容与方法，分析了信用评级在信用风险管理中的作用以及中国信用评级存在的主要问题。 第四章从财务预警切入，运用古典的多元判别分析技术(MDA)，采用中国上市公司的财务数据构建了4-变量和7-变量Z值判别模型并应用于上市公司的信用评级。结果显示，模型均具有超前4年的预测能力，能有效地识别企业的信用风险及其变化。中国上市公司的整体资信较好，但波动性较大，且呈下降趋势。论文通过观察5年(1998-2002)Z值评级的变化，构建出中国上市公司信用等级转移概率矩阵，发现某一信用等级维持原级别不变的概率最大；较高的信用级别转移为违约级的概率极小；当评级分类变得越来越大时，转移概率将变得越来越小。与国外的信用等级转移矩阵相比，本文构建的中国上市公司信用等级转移概率矩阵表现出波动性大、不太稳定的特点。特别是信用级别处于两端的企业，其信用评级维持原级别不变的比例较小。 第五章根据中国的实际情况，对期望违约率模型(KMV模型)的股权价值、违约点(DPT)等参数进行了修订，并应用参数调整后的KMV模型于中国上市公司信用评级。结果显示模型可以提前4年识别上市公司信用风险整体上的变化趋势；可以提前2年识别出上市公司个体上的信用风险差异。在三种不同违约点(DPT)的方案下，ST公司与非ST公司的违约距离(DD)均值差距，随着ST年份的临近逐渐扩大。ROC曲线检验表明：上市公司在被ST的前2年，KMV模型便可明显地分辨出其信用风险差异，在上市公司被ST的前1年模型分辨的能力达到最强。 第六章对Z值判别模型和KMV模型在信用风险识别应用中进行了比较研究。结果发现：(1)两种模型对上市公司信用风险的评估具有较大的一致性，但两极公司的评级分歧较大。(2)理论期望违约概率(TEDF)与Z值之间存在显著的负相关关系，即：Z值大的公司，财务越健康，其TEDF越小，信用风险就越小。(3)公司Z值与新华远东资信评级有明显的线性正相关关系，二者的相关系数达66％，(4)参数调整后的KMV模型输出的违约距离(DD)与新华远东资信评级结果之间也呈现出明显的正相关性。 第七章将第4、5、6章的研究成果应用于麻业银行贷款的信用风险损失度量及经济资本的配置。论文以湖南岳阳工行为研究案例，对其104笔贷款从债务人及债项的信用评级、违约概率估算、损失度量直至银行内部的风险资本配置进行了系统的实证研究。 论文的创新性体现在：(1)论文从财务预警切入，运用上市公司财务数据及股票交易信息，将自主开发的Z值判别模型和修正的期望违约率模型(KMV模型)对企业进行了资信评级。(2)通过观察5年(1998-2002)Z值评级的变化，构建出基于Z值的中国上市公司信用等级转移概率矩阵并应用于贷款信用风险损失度量。(3)在应用KMV模型计算公司价值中，结合中国实际情况对非流通国有股的价值计算和违约点(DPT)等参数作了调整并应用于企业评级和信用风险评价中。(4)以真实银行为研究案例，对其104笔贷款从债务人及债项的信用评级、违约概率估算、损失度量直至银行内部的风险资本配置进行了系统的实证研究。 研究成果对商业银行等金融机构、投资者、证券发行者、证券市场及金融市场监管部门在度量和管理信用风险方面提供了重要的思路和方法。其应用价值具体体现在：(1)银行机构可应用开发的模型对贷款客户进行资信评级、贷款定价、贷款跟踪和监督管理。(2)金融机构管理高层可依据VaR重新评价风险价值变动绝对量最大的债务人，重新评价那些敞口大且风险度高的“双高”债务人，建立起责、权、利相联系的信贷政策、贷款定价、投资决策机制。(3)有利于确定信用风险基本限额标准，有效的配置银行经济资本，满足监管部门的要求。(4)企业或投资者通过观察Z值或违约距离(DD)的变化趋势，进行财务预警，及早采取有效的前瞻性措施，防范危机。(5)政府监管机构可根据Z值和违约距离(DD)指标有的放矢、改善资源的宏观配置计划，实现资源的优化配置。(6)本研究的预警模型可帮助审计部门迅速锁定可疑公司，对其进行跟踪调查。

目录

文摘

英文文摘

论文说明：插图索引及附表索引

湖南大学学位论文原创性声明及学位版权使用授权书

第1章绪论

1.1研究的学术背景及意义

1.1.1选题来源

1.1.2研究意义

1.1.3研究动态

1.2研究内容及框架

1.2.1研究内容

1.2.2研究框架

1.3研究的创新期望

第2章信用风险管理理论与度量方法综述

2.1信用风险的含义、产生及其特点

2.1.1信用与信用风险

2.1.2信用风险的产生

2.1.3信用风险的特点

2.1.4信用风险管理理论

2.2信用风险管理框架分析

2.2.1信用风险管理的意义

2.2.2信用风险管理原则

2.2.3信用风险管理的内部系统设计

2.3《巴塞尔协议》的主要内容

2.3.1计量信用风险的标准法

2.3.2信用风险资本计算的IRB法

2.4信用风险度量方法综述

2.4.1专家分析方法

2.4.2基于财务数据的信用评分系统

2.4.3神经网络方法

2.4.4基于资本市场信息的信用风险模型

2.4.5信用风险内部模型

2.5衍生工具信用风险的衡量方法

第3章信用评级在信用风险管理中的作用

3.1信用评级概述

3.1.1信用评级的含义

3.1.2信用评级分析内容

3.1.3信用评级的功能和作用

3.2国外信用评级的发展及现状

3.2.1国外信用评级的发展模式

3.2.2信用评级方法

3.3我国信用评级的发展及现状

3.3.1我国信用评级业的现状

3.3.2我国信用评级业存在的问题

第4章 判别分析模型的构建及其在信用风险度量中的应用研究

4.1 4变量判别分析模型构建

4.1.1数据、样本的采集和统计描述

4.1.2模型的构建及其有效性检验

4.1.3 临界值的确定

4.1.4超前预测的准确性

4.2 7变量判别分析模型构建

4.2.1样本及数据来源

4.2.2建模分析

4.3基于4变量判别分析模型的上市公司信用评级

4.3.1样本及数据来源

4.3.2评级方法

4.3.3上市公司信用评级结果分析

4.3.4 ST公司的信用评级分析

4.4基于7变量判别分析模型的上市公司信用评级

4.4.1样本及数据来源

4.4.2评级方法

4.4.3上市公司信用评级基本特征分析

4.4.4新上市公司信用评级特征分析

4.5上市公司信用等级转移矩阵的构建

4.5.1信用等级转移矩阵概述

4.5.2上市公司信用等级转移矩阵

4.5.3上市公司信用等级转移矩阵实证分析结论

第5章期望违约率模型及其在信用风险评价中的应用

5.1期望违约率模型的理论基础

5.1.1默顿的风险负债模型

5.1.2 KMV模型

5.2本研究参数设计与计算

5.2.1上市公司的股权市场价值计算

5.2.2上市公司股权市场价值波动率

5.2.3债务面值、债务期限和无风险利率的确定

5.2.4违约点(DPT)的设定

5.3 KMV模型识别上市公司信用风险能力的研究

5.3.1样本与数据来源

5.3.2实证分析

5.4基于理论期望违约率(TEDF)的上市公司信用评级

5.4.1样本选取及数据来源

5.4.2信用评级

第6章判别模型与期望违约率模型的应用比较研究

6.1论期望违约率(TEDF)与Z值的相关性分析

6.2两种模型在信用评级中的鲁棒性比较

6.2.1信用评级整体比较

6.2.2评级个体比较

6.3理论期望违约率(TEDF)与Z值的横向有效性比较

6.3.1 Z值与新华远东评级之间的映射关系

6.3.2违约距离(DD)与新华远东评级之间的映射关系

6.4 比较结论

第7章贷款信用风险损失度量与经济资本的配置应用研究

7.1信用风险损失度量的基本概念及计算方法

7.1.1风险债务的价值

7.1.2信用风险损失度量参数

7.2资本配置概述

7.2.1资本配置方法

7.2.2监管资本的配置(Regulatory Capital,RC)

7.2.3经济资本的配置(Economic capital,EC)

7.3贷款客户的信用评级

7.3.1样本银行及数据来源

7.3.2评级方法及评级结果

7.4贷款项目信用评级

7.4.1影响贷款项目信用级别的因素分析

7.4.2贷款信用级别的确定

7.5贷款信用风险损失度量

7.5.1参数(EAD、PD、LGD)的估算

7.5.2贷款的预期损失

7.5.3贷款信用受险值(VaR)计算

7.5.4贷款的非预期损失

7.6贷款的经济资本与监管资本的配置

7.7对岳阳工行信用风险管理的意义

结论与后续拓展研究

参考文献

致谢

附录B攻读博士期间的获奖

附录C32个变量相关矩阵

附录D2002年配对样本违约距离表