论文部分内容阅读
信用风险管理一直是商业银行风险管理的重点,而管理的难点主要是贷款违约率的确定问题。信用风险管理已经从传统的定性分析转向了定量分析,国际上一些主要的金融机构陆续开发了各种信用风险管理模型,以提高对信用风险的管理和预测能力。传统的风险管理模型,如Credit Metrics、Credit Risk+以及KMV等模型都是从微观视角度量信用风险的,没有考虑宏观经济因素的变化对信用风险的影响,而CPV模型是唯一用宏观经济状态来模拟违约事件的信用风险模型,在众多的风险管理模型中具有其特有的优势。该模型假定违约和信用等级转移概率的联合条件分布随宏观经济因素如GDP增长率、利率等的变化而变化。因此,在以往信用风险管理模型的基础上引入宏观经济因素,会使得商业银行对信贷风险度量更加准确和全面。 本文在总结国内外研究经验的基础上,选择合适的宏观经济变量作为解释变量,使用不良贷款率替代贷款违约率,构造出了贷款违约率的宏观经济变量模型,并证明了宏观经济变量特别是国内生产总值是影响商业银行信贷违约率的显著性因素。本文在构建出CPV模型的具体表达形式后,运用经典的Monte Carlo模拟技术对未来一段时期的违约率进行了模拟,在此基础上,对模型进行了压力测试:当一国或地区在受到外部不利冲击后,贷款违约会随之调高,但是国内生产总值对违约率的不利影响要高于基准利率变动导致的违约率的波动,因此,商业银行应保留充足的准备金以应对经济周期低谷时期的不良贷款比率的上升。从本文的实证结果来看,CPV模型在度量商业银行贷款违约率方面具有较好的效果,将会对商业银行的全面风险管理提供有力的依据。