在不確定的時(shí)期，評(píng)估預(yù)期信用損失（expected credit losses, ECL）的傳統(tǒng)方法是根本行不通。然而，盡管在市場(chǎng)趨勢(shì)快速變化的時(shí)代，預(yù)測(cè)ECL是一項(xiàng)艱巨的任務(wù)，但仍有可能使用多情景方法來獲得信用尾部風(fēng)險(xiǎn)的實(shí)際范圍。
過去三年里，依賴歷史數(shù)據(jù)的信用損失預(yù)測(cè)方法的問題已經(jīng)突顯出來。事實(shí)上，基于回歸的信用風(fēng)險(xiǎn)模型一直在失靈，這主要是因?yàn)槭袌?chǎng)環(huán)境的波動(dòng)，從COVID-19大流行到地緣政治風(fēng)險(xiǎn)上升，再到通貨膨脹和利率上升等。
更復(fù)雜的是，在2023年伊始，所有主要的研究出版物都預(yù)測(cè)未來的經(jīng)濟(jì)形勢(shì)會(huì)很嚴(yán)峻。當(dāng)然，風(fēng)險(xiǎn)管理專業(yè)人士不能等到市場(chǎng)穩(wěn)定后再積累足夠的新數(shù)據(jù)來估算損失。相反，在一個(gè)永遠(yuǎn)存在不可預(yù)測(cè)性的世界里，人們必須以真實(shí)的概率識(shí)別尾部風(fēng)險(xiǎn)。
雖然有關(guān)經(jīng)濟(jì)的預(yù)測(cè)范圍廣泛，變化頻繁，但其共同的主題是，今年的宏觀環(huán)境將面臨重大障礙，滯脹和衰退可能即將到來。當(dāng)涉及信用風(fēng)險(xiǎn)時(shí)，根據(jù)CECL和IFRS 9預(yù)期信用損失報(bào)告標(biāo)準(zhǔn)（ECL）的要求，在選擇“合理且可支持”的預(yù)測(cè)情景時(shí)，這種前所未有的不確定性帶來了重大挑戰(zhàn)。
依靠經(jīng)濟(jì)預(yù)測(cè)與主觀判斷相結(jié)合來確定ECL的傳統(tǒng)方法可能會(huì)產(chǎn)生欺騙性的結(jié)果，而且在動(dòng)蕩時(shí)期已被證明是不充分的。風(fēng)險(xiǎn)經(jīng)理想要在波動(dòng)環(huán)境下更準(zhǔn)確地預(yù)測(cè)ECL應(yīng)該(1)估計(jì)未來各種情景下的潛在損失；(2)求出該分布的期望；(3)發(fā)現(xiàn)導(dǎo)致相關(guān)結(jié)果的情景。
這里的關(guān)鍵問題是如何使用多個(gè)情景來估計(jì)ECL。
首先，你需要理解信用風(fēng)險(xiǎn)的三個(gè)主要組成部分：違約概率（PD）、違約損失（LGD）和違約風(fēng)險(xiǎn)敞口（EAD）。它們都有自身的動(dòng)態(tài)，在正常和有壓力的條件下，它們的相關(guān)性有很大的不同。
例如，有強(qiáng)有力的經(jīng)驗(yàn)證據(jù)表明，當(dāng)PDs在經(jīng)濟(jì)衰退期間增加時(shí)，LGDs和EADs也會(huì)增加。為了捕捉這些組成部分的動(dòng)態(tài)變化，現(xiàn)在讓我們考慮如何將它們與不同情景的宏觀經(jīng)濟(jì)和市場(chǎng)變量聯(lián)系起來。
（1）預(yù)測(cè)違約概率
PDs主要受到貸款債務(wù)人或債券發(fā)行人信用評(píng)級(jí)的影響。因此，在情景中包括潛在的信用降級(jí)是很重要的。
歷史評(píng)級(jí)轉(zhuǎn)移矩陣是估計(jì)PD的良好開端。但正如我們所了解的，評(píng)級(jí)機(jī)構(gòu)所發(fā)布的評(píng)級(jí)下調(diào)通常滯后于一家公司信用質(zhì)量的實(shí)際惡化。這同樣適用于銀行的內(nèi)部貸款評(píng)級(jí)和私營企業(yè)的評(píng)級(jí)。(對(duì)于上市公司來說，通常只有在交易信用利差擴(kuò)大后才會(huì)被下調(diào)評(píng)級(jí)。)
歷史評(píng)級(jí)轉(zhuǎn)移矩陣應(yīng)根據(jù)當(dāng)前宏觀經(jīng)濟(jì)和市場(chǎng)變量對(duì)每種情景進(jìn)行調(diào)整。如果某個(gè)情景遭遇宏觀經(jīng)濟(jì)、地緣政治或特定行業(yè)的沖擊，信用息差的飆升可能會(huì)導(dǎo)致評(píng)級(jí)的加速轉(zhuǎn)變。
出現(xiàn)降級(jí)概率增加的情景可以作為PD即將發(fā)生變化的預(yù)警。當(dāng)多個(gè)債務(wù)人因系統(tǒng)性沖擊而被降級(jí)時(shí)，其違約與降級(jí)之間的相關(guān)性會(huì)上升，從而影響整個(gè)投資組合。
因此，預(yù)測(cè)情景中的PD需要兩個(gè)步驟。
首先，應(yīng)使用歷史平均轉(zhuǎn)移矩陣對(duì)穩(wěn)定的市場(chǎng)動(dòng)態(tài)進(jìn)行建模，它反映了債務(wù)人信用質(zhì)量的特殊變化。
其次，如果某個(gè)特定情景在某個(gè)時(shí)間點(diǎn)經(jīng)歷了宏觀經(jīng)濟(jì)、地緣政治和/或特定行業(yè)的沖擊，則必須根據(jù)其行為模式調(diào)整信貸利差。
根據(jù)沖擊事件、行業(yè)部門和評(píng)級(jí)的不同，這些沖擊可能會(huì)導(dǎo)致大規(guī)模的額外降級(jí)，或?qū)⑿庞美钔葡蚋咏`約的邊界。
（2）LGD和EAD 指導(dǎo)意見
與情景一致的LGD建模應(yīng)該反映LGD的三個(gè)主要驅(qū)動(dòng)因素: 債務(wù)人的資歷、抵押品質(zhì)量和資產(chǎn)價(jià)值。
LGD反映了資產(chǎn)和其它抵押品在回收中的市場(chǎng)價(jià)值。當(dāng)一家公司違約時(shí)，其債務(wù)人應(yīng)該獲得控制權(quán)。然而，在實(shí)務(wù)中，優(yōu)先權(quán)界定了在違約情況下債權(quán)人可能有權(quán)獲得的公司資產(chǎn)的部分。
在有壓力的環(huán)境中，違約后的追討貸款價(jià)值可能會(huì)大大低于最初的假設(shè)，因此LGD可能會(huì)大幅提高。例如，即使通貨膨脹沖擊(加上經(jīng)濟(jì)停滯或即將到來的衰退)推高了資產(chǎn)的價(jià)值，流動(dòng)性枯竭和需求不足可能意味著沒有買家會(huì)支付更高的價(jià)格。
生成的情景應(yīng)包括在發(fā)生違約時(shí)影響追討貸款價(jià)值的所有變量。因此，對(duì)于發(fā)生壓力沖擊的情景（已經(jīng)導(dǎo)致降級(jí)和違約的增加），LGD將隨著追討貸款預(yù)測(cè)價(jià)值的下降而上升。
與此同時(shí)，初始EAD可以用貸款的當(dāng)前融資水平來衡量。隨著情景的發(fā)展，循環(huán)貸款和信貸額度的資金水平應(yīng)根據(jù)觀察到的行為進(jìn)行調(diào)整。
債務(wù)人可能會(huì)根據(jù)他們的貸款類型而表現(xiàn)出不同的行為。例如，在有利的市場(chǎng)條件下，即當(dāng)債務(wù)人有機(jī)會(huì)獲得新的低息貸款時(shí)，他們會(huì)提前償還貸款。另一方面，在不利的條件下，當(dāng)信貸質(zhì)量惡化時(shí)（無論是受整體經(jīng)濟(jì)形勢(shì)的影響，還是由于特定行業(yè)的原因），債務(wù)人通常會(huì)選擇采用尚未實(shí)施的貸款承諾。
在發(fā)生違約的情況下，債務(wù)人將盡可能多地利用合同所允許的尚未實(shí)施的貸款承諾。因此，在壓力情景下，EAD與PD和LGD一起增加。
通過使用全方位情景分析，風(fēng)險(xiǎn)經(jīng)理可以像在現(xiàn)實(shí)生活中一樣預(yù)測(cè)信用風(fēng)險(xiǎn)。這種方法結(jié)合了沖擊對(duì)信用利差以及股票、商品、房地產(chǎn)和其它市場(chǎng)變量的影響。此外，它允許對(duì) PD、LGD 和 EAD 進(jìn)行動(dòng)態(tài)建模，并顯示它們對(duì)資本和流動(dòng)性的影響——即使是在前所未有的情景下也是如此。
（3）進(jìn)一步的想法
為了以真實(shí)的概率估計(jì)潛在的信用損失，并分析與其余分布一致的極端事件，需要進(jìn)行全方位情景分析。
在一個(gè)動(dòng)態(tài)的市場(chǎng)環(huán)境中，已實(shí)現(xiàn)的未來趨勢(shì)可能與預(yù)測(cè)的趨勢(shì)相差甚遠(yuǎn)。由于尾部結(jié)果會(huì)影響到投資組合的預(yù)期價(jià)值，因此衡量信用投資組合風(fēng)險(xiǎn)的整個(gè)分布是很重要的。
即將到來的經(jīng)濟(jì)衰退可能會(huì)為我們提供新的數(shù)據(jù)來估計(jì)不斷變化的行為模式。但我們不能讓未來給我們帶來驚喜，我們也不能等到經(jīng)濟(jì)崩潰才去收集新數(shù)據(jù)。
由全方位情景分析驅(qū)動(dòng)的模型不僅可以從過去吸取教訓(xùn)，還可以讓風(fēng)險(xiǎn)經(jīng)理更好地為未來前所未有的情景做好準(zhǔn)備。
本文編譯自GARP風(fēng)險(xiǎn)智庫FRM Corner 主題博客“How to Model Forward-Looking Credit Risk”一文。作者為Alla Gil, Straterix公司的聯(lián)合創(chuàng)始人和首席執(zhí)行官，該公司為戰(zhàn)略規(guī)劃和風(fēng)險(xiǎn)管理提供獨(dú)特的情景分析工具。在成立Straterix公司之前，Gil是高盛集團(tuán)、花旗集團(tuán)和野村集團(tuán)戰(zhàn)略咨詢部的全球負(fù)責(zé)人，她在壓力測(cè)試、經(jīng)濟(jì)資本、ALM、長期風(fēng)險(xiǎn)預(yù)測(cè)和最佳資本分配方面為金融機(jī)構(gòu)和企業(yè)提供建議。
通過上述內(nèi)容，你知道如何建立具有前瞻性的信貸風(fēng)險(xiǎn)模型了嗎？
以上就是【FRM考試：如何建立具有前瞻性的信貸風(fēng)險(xiǎn)模型？】的全部內(nèi)容，想要了解更多關(guān)于FRM相關(guān)內(nèi)容，可咨詢FRM老師，帶你全面了解FRM報(bào)名、考試費(fèi)用、考試動(dòng)態(tài)、證書等信息！
聲明|本文來源金程網(wǎng)校。我們尊重原創(chuàng)，重在分享。部分文字和圖片來自網(wǎng)絡(luò)。如有侵權(quán)請(qǐng)立即與我們聯(lián)系（4007009596），我們將及時(shí)處理！
更多FRM相關(guān)內(nèi)容：
