银行信用风险度量新思路.doc

银行信用风险度量新思路
内容摘要:本文通过对我国银行业信用风险度量的现状分析,提出了应用蒙特卡洛模拟技术进行银行信用风险度量的新思路。笔者在借鉴国外信用风险度量模型建模思想的基础上,采用银行不良贷款率作为反映信用风险的指标,应用时间序列模型,尝试采用蒙特卡洛模拟实现对不良贷款率的信用价值计算。
关键词:信用风险蒙特卡洛模拟银行不良贷款率
信用风险是银行面临的最重要也是最棘手的风险,如何对信用风险进行度量,以提高信用风险管理水平,是全世界银行界面临的难题,更是我国银行业加入WTO之后的最大难题。我国各商业银行在长期发展过程中建立了自己的一套风险管理方法,主要强调的是贷款投向的政策性、合法性、贷款运行的安全性以及“审贷分离”原则等。而在风险识别和度量方面不精确,定量分析不足,缺乏风险管理的量化手段。银行在信用风险度量方面关注的仅是某一笔贷款的信用风险,并没有从组合管理的角度对信用风险进行度量与管理。
目前,国际上常用的度量信用风险高级模型主要有四个,分别为:由美国J•P•Morgan公司开发的CreditMetrics模型,该模型的基础是在给定的时间段内估计贷款及债券产品资产组合将来价值变化的分布状况;以计算预期违约概率而见长的KMV模型,对所有股权公开交易的主要公司和银行的违约可能性做出预测并实时更新;由瑞士信贷银行金融产品部(CSFP)开发的CreditRisk+模型,采用保险精算学的分析框架来推导信贷组合的损失分布,模型具有非常规整的数学形式;麦肯锡公司开发研制的CreditPortfolioView模型,提出了联系宏观经济变量和违约及转移概率的方法。
在目前条件下,我国的商业银行还不可能建立类似于CreditMetrics模型的高级银行内部风险度量模型。由于高级信用风险模型的建立需要进行大量的风险因子数据,例如违约概率、违约回收率等,这些参数的估计是以历史经验数据为基础的。而我国商业银行目前都不能提供此类数据,也没有统一可信的外部评级机构提供相关数据。所以,目前我国商业银行要想利用现有模型或建立自己的高级信用风险度量模型,并利用这些模型对信用风险进行管理的条件还未成熟,还需等待数据的积累和内部体制的建立。
蒙特卡洛模拟在银行信用风险度量模型中的应用
蒙特卡洛(Monte Carlo)模拟方法又名随机模拟法或统计试验法,其解决问题的基本思想是首先构造与描述该类问题有相似性的概率分布模型,使分布模型的某些特征(如随机事件或随机变量的均值等)与问题的解答联系起来,然后通过对分布模型进行随机模拟或抽样实验来计算这些特征的统计值,最后给出所求解的近似值。这种方法具有思想新颖、直观性强、简便易行的优点,由于计算机的普及而在许多领域得到了广泛的应用。
蒙特卡洛模拟技术作为一种计算方法,在对银行信用风险度量模型中的应用可归纳为三个方面,对应模型实施的三个阶段:首先,产生风险因子的随机估计,作为模型的输入变量。其次,模拟组合损失的分布与计算VaR(信用风险价值),作为模型的输出。基于蒙特卡洛模拟则可以进一步估计资产的价值分布,计算VaR,其输出结果可应用于经济资本计算、业绩评估、限额设定以及风险对冲等,也可以由蒙特卡洛模拟生成宏观经济变量的取值,来模拟宏观经济状态,进而得到调整后的违约概率。最后,用蒙特卡洛模拟检验由参数化