1.违约相关性
违约的发生主要基于以下原因：债务人自身因素，如经营管理不善、出现重大项目失败等；债务人所在行业或区域因素，如整个行业受到原材料价格上涨的冲击，或某一地区发生重大事件；宏观经济因素，如GDP增长放缓、贷款利率上升、货币升值等。其中，行业或区域因素将同时影响同一行业或地区所有债务人违约的可能性，而宏观经济因素将导致不同行业之间的违约相关性。因此在计量单个债务人的违约概率和违约损失率之后，还应当在组合层面计量不同债务人或不同债项之间的相关性。
2.信用风险组合计量模型
由于存在风险分散化效应，投资组合的整体风险小于等于其所包含的单一资产风险的简单加总。尽管市场风险组合模型的广泛应用推动了信用风险组合模型的发展，但由于信用风险的收益分布与正态分布（市场风险管理的假设基础）相差甚远，信用风险组合模型的开发过程变得相当复杂。
目前，国际上应用比较广泛的信用风险组合模型包括Credit Metrics模型、Credit Portfolio View模型、Credit Risk+模型等。
（1）Credit Metrics模型。Credit Metrics模型本质上是一个VaR模型，目的是为了计算出在一定的置信水平下，一个信用资产组合在持有期限内可能发生的最大损失。通常，非交易性资产组合（如贷款以及一些私募债券）的价格不能够像交易性资产组合（如股票）的价格一样容易获得，因此，非交易性资产组合的价格波动率（标准差）也同样难以获得。Credit Metrics模型的创新之处正是在于解决了计算非交易性资产组合VaR这一难题。
（2）Credit Portfolio View模型。Credit Portfolio View模型直接将转移概率与宏观因素的关系模型化，然后通过不断加入宏观因素冲击来模拟转移概率的变化，得出模型中的一系列参数值。Credit Portfolio View模型可以看做是Credit-Metrics模型的一个补充，因为该模型虽然在违约率计算上不使用历史数据，而是根据现实宏观经济因素通过蒙特卡罗模拟计算出来，但对于那些非违约的转移概率则还需要根据历史数据来计算，只不过将这些基于历史数据的转移概率进行了调整而已。Credit Portfolio View模型比较适用于投机类型的借款人，因为该类借款人对宏观经济因素的变化更敏感。
（3）Credit Risk+模型。Credit Risk+模型是根据针对火险的财险精算原理，对贷款组合违约率进行分析，并假设在组合中，每笔贷款只有违约和不违约两种状态。火险财险精算原理认为，投保火险的众多家庭同时发生火灾的概率是很小的，而且是相互独立的。与此相类似，Credit Risk+模型认为，贷款组合中不同类型的贷款同时违约的概率是很小的且相互独立，因此贷款组合的违约率服从泊松分布。组合的损失分布会随组合中贷款笔数的增加而更加接近于正态分布。在计算过程中，模型假设每一组的平均违约率都是固定不变的，而实际上，平均违约率会受宏观经济状况等因素影响而发生变化。在这种情况下，贷款组合的损失分布会出现更加严重的“肥尾”现象。
3.信用风险组合的压力测试
压力测试用于评估资产或投资组合在极端不利的条件下可能遭受的重大损失。作为商业银行日常风险管理的重要补充，压力测试有助于：
（1）估计商业银行在压力条件下的风险暴露，并帮助商业银行制定或选择适当的战略转移类风险（如重组头寸、制订适当的应急计划）；
（2）提高商业银行对其自身风险特征的理解，推动其对风险因素的监控；
（3）帮助董事会和高级管理层确定该商业银行的风险暴露是否与其风险偏好一致；
（4）帮助量化“肥尾”（Fat Tail）风险和重估模型假设；
（5）评估商业银行在盈利性和资本充足性两方面承受压力的能力。
实践中，对众多的风险因素进行不同幅度的压力测试，工作量很大。而且，由于每次压力测试往往只能说明事件的影响程度，并不能说明事件发生的可能性，使得管理者对众多的压力测试结果要进行补充分析。在日常的风险管理活动中，压力测试只有与其他风险计量方法同时使用、互为补充，才能发挥最大效力。对于商业银行而言，进行压力测试更大的意义在于通过压力测试过程促进各部门之间的交流，并了解自身风险管理所存在的问题和薄弱环节，以推动风险管理体系和制度建设。
京公网安备：11010802023422号
