[摘 要]本文簡要介紹CreditMetrics模型，引入運(yùn)用CreditMetrics模型評估貸款信用等級的具體方法步驟，并詳細(xì)說明各步驟的實現(xiàn)方法及需要注意的問題。最后簡要說明數(shù)值計算及模擬方法。

[關(guān)鍵詞]CreditMetrics模型 貸款 信用風(fēng)險 資產(chǎn)組合 Monte Carlo模擬

一、Credit Metrics模型介紹

CreditMatrics模型由JP摩根公司于 1997 年推出，為市場提供一種可進(jìn)行在險價值（VaR）計算的框架，可以用于貸款等非交易性資產(chǎn)的估價和風(fēng)險計算。這一模型可以幫助我們探尋：“如果下一個年份是壞年份，在貸款和貸款組合上最大的損失是多大？”。由于貸款是在公開市場交易，因此無法獲得相應(yīng)的市場價值和波動率。而CreditMetrics模型則巧妙的以信用評級轉(zhuǎn)移概率為基礎(chǔ)，借助貸款的違約回收率，信用風(fēng)險價差和收益率等，共同計算出非交易類型貸款的在險價值（VaR）。

CreditMetrics模型認(rèn)為產(chǎn)生信用風(fēng)險的原因應(yīng)包括違約事件的發(fā)生和借款人的信用變化。為了捕獲所有的信貸質(zhì)量變化，CreditMetrics采取了盯市(Market to Market)的方法來計算信用風(fēng)險價值，構(gòu)造了一個模擬信貸資產(chǎn)所有潛在變化以及違約波動的組合計算框架。 經(jīng)過歸納，根據(jù)CreditMetrics模型進(jìn)行貸款（組合）在險價值測算時，將主要按照以下步驟進(jìn)行：

步驟一、收集貸款（組合）基本數(shù)據(jù)，包括貸款（組合）期限、貸款金額、貸款利率以及貸款目標(biāo)等級等。首先，要確定信用遷移的風(fēng)險時長和相應(yīng)的資產(chǎn)等級。

步驟二、構(gòu)建貸款信用等級轉(zhuǎn)移矩陣。在確定的風(fēng)險時長下，展示某資產(chǎn)A在期末各級別的可能性。在有相應(yīng)多期歷史數(shù)據(jù)的情況下，包括外部評級機(jī)構(gòu)的評級歷史數(shù)據(jù)或是內(nèi)部劃分的級別的變動，基于該組數(shù)據(jù)是符合Markov過程的假設(shè)，在不考慮自相關(guān)性的情況下，推演出相應(yīng)的轉(zhuǎn)移矩陣。

步驟三、測算各個等級下，資產(chǎn)的價值情況，確定不同等級貸款（資產(chǎn)）遠(yuǎn)期收益率曲線。對于可預(yù)期未來現(xiàn)金流的資產(chǎn)，如固定收益類資產(chǎn)，可以使用零息遠(yuǎn)期利率作為折現(xiàn)率（避免稅收政策不同的影響，同時還需要假設(shè)此無風(fēng)險利率與債券息差相互獨(dú)立，而違約與債券息差相關(guān)），將未來的預(yù)期現(xiàn)金流折現(xiàn)求得。如，在計算資產(chǎn)價值的時候，外幣計價資產(chǎn)將由于外匯變動而產(chǎn)生價值變化；在成熟市場，掉期、遠(yuǎn)期等的敞口因市場波動而產(chǎn)生的收益損失在評估時被考慮。也正是如此，我們在度量時要注意區(qū)分信用風(fēng)險和市場風(fēng)險。

基于上兩步，我們可以得到單個資產(chǎn)的期末價值及其可能性，從而獲得其對應(yīng)信用工具的價值分布曲線。

步驟四、計算貸款組合（資產(chǎn)組合）風(fēng)險價值。 假設(shè)加入另一個資產(chǎn)B，由于不同的相關(guān)性會構(gòu)造出不同的組合信用轉(zhuǎn)移可能性表，我們需要測算在不同情況下其相關(guān)性。主要有以下幾種手段：

1.直接基于級別變動的歷史數(shù)據(jù)，推演出兩個資產(chǎn)在期末時，各自在不同等級下的可能性。這種方法最為直接，但對數(shù)據(jù)的質(zhì)量有一定要求。

2.對于公司債產(chǎn)品，可以使用息差變化的歷史數(shù)據(jù)，因為其內(nèi)涵了公司信用質(zhì)量變化的信息。此方法在建立起信用變化與債券價值變化的模型后應(yīng)用比較方便，且與其他的風(fēng)險資產(chǎn)的模型有一定的相容性，但適用范圍有限，且公司債的息差數(shù)據(jù)相當(dāng)有限。

3.運(yùn)用公司的資產(chǎn)價值建立模型，至于如何將債務(wù)公司的資產(chǎn)與評級相聯(lián)系，基于Merton和Kealhofer+的期權(quán)理論模型的構(gòu)想，可以將債務(wù)人的資產(chǎn)水平分為幾個等級，每個等級的門檻值都是相應(yīng)等級調(diào)整的觸發(fā)值，以積分為數(shù)學(xué)手段，展現(xiàn)債務(wù)人的資產(chǎn)變動將影響評級。而以何種變量作為資產(chǎn)的統(tǒng)計口徑，可以根據(jù)實際情況，選取可獲得的且可被理解認(rèn)知的變量進(jìn)行操作，比如債務(wù)人的固定資產(chǎn)總量，資產(chǎn)回報率水平等，此方法對數(shù)據(jù)的數(shù)量要求不高，實際操作性較強(qiáng)。

結(jié)合兩資產(chǎn)的期末價值的測算，我們便可得出資產(chǎn)組合價值的分布。通過實證檢驗，無論是從標(biāo)準(zhǔn)差還是置信水平的測量口徑看，新加入組合的資產(chǎn)所產(chǎn)生的邊際風(fēng)險，總小于其本身獨(dú)立的風(fēng)險值，這便證明了兩個資產(chǎn)之間具有相關(guān)性，同時說明了組合具有分散風(fēng)險的作用。

當(dāng)組合內(nèi)的資產(chǎn)數(shù)量愈發(fā)增加的情況下，這樣的數(shù)據(jù)處理方法的有效性出現(xiàn)局限，即便是僅含有三個資產(chǎn)的組合的組合信用轉(zhuǎn)移可能性表（例：8×8×8=512）已經(jīng)令人望而卻步。因此，為了提高數(shù)據(jù)處理的效率，使用蒙特卡洛模擬方法，以模擬所有可能出現(xiàn)的信用變化而得到資產(chǎn)組合價值，并作出其分布曲線。蒙特卡洛模擬是通過對歷史數(shù)據(jù)的分析計算，確定預(yù)期變量在以往的均值、方差、相關(guān)系數(shù)等統(tǒng)計特征，并生成符合這類統(tǒng)計特征的隨機(jī)數(shù)，以這些構(gòu)造的數(shù)據(jù)模擬相應(yīng)情形，以此獲得不同情形的出現(xiàn)概率水平，以及對應(yīng)的觀察值（如資產(chǎn)組合價值）的分布。之后，根據(jù)給定的時長和置信度水平，獲得VaR。

最后，通過該分布曲線，確定其置信水平，或者標(biāo)準(zhǔn)差，以衡量風(fēng)險水平。其中，標(biāo)準(zhǔn)差具有計算速度快的優(yōu)勢，而置信水平需要通過蒙特卡羅模擬，較為費(fèi)時，但在確定資本金的指導(dǎo)上，更加直觀。

二、模擬計算過程的實現(xiàn)

我們將運(yùn)用Credit Metrics和Monte Carlo模擬對某銀行的貸款組合進(jìn)行價值度量。測算過程如下：

1.確定貸款（組合）期限、貸款金額、貸款利率及貸款目標(biāo)等級

2.構(gòu)建貸款信用等級轉(zhuǎn)移矩陣

3.確定不同等級貸款元?dú)馐找媲€

4.計算貸款（組合）違約損失

5.最后用Monte Carlo進(jìn)行數(shù)值模擬。