在不確定的時期，評估預期信用損失（expected credit losses, ECL）的傳統(tǒng)方法是根本行不通。然而，盡管在市場趨勢快速變化的時代，預測ECL是一項艱巨的任務，但仍有可能使用多情景方法來獲得信用尾部風險的實際范圍。

過去三年里，依賴歷史數(shù)據(jù)的信用損失預測方法的問題已經(jīng)突顯出來。事實上，基于回歸的信用風險模型一直在失靈，這主要是因為市場環(huán)境的波動，從COVID-19大流行到地緣政治風險上升，再到通貨膨脹和利率上升等。

更復雜的是，在2023年伊始，所有主要的研究出版物都預測未來的經(jīng)濟形勢會很嚴峻。當然，風險管理專業(yè)人士不能等到市場穩(wěn)定后再積累足夠的新數(shù)據(jù)來估算損失。相反，在一個永遠存在不可預測性的世界里，人們必須以真實的概率識別尾部風險。

雖然有關(guān)經(jīng)濟的預測范圍廣泛，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。當涉及信用風險時，根據(jù)CECL和IFRS 9預期信用損失報告標準（ECL）的要求，在選擇“合理且可支持”的預測情景時，這種前所未有的不確定性帶來了重大挑戰(zhàn)。

依靠經(jīng)濟預測與主觀判斷相結(jié)合來確定ECL的傳統(tǒng)方法可能會產(chǎn)生欺騙性的結(jié)果，而且在動蕩時期已被證明是不充分的。風險經(jīng)理想要在波動環(huán)境下更準確地預測ECL應該(1)估計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)導致相關(guān)結(jié)果的情景。

》》》點我咨詢FRM 考試內(nèi)容

這里的關(guān)鍵問題是如何使用多個情景來估計ECL。

首先，你需要理解信用風險的三個主要組成部分：違約概率（PD）、違約損失（LGD）和違約風險敞口（EAD）。它們都有自身的動態(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，有強有力的經(jīng)驗證據(jù)表明，當PDs在經(jīng)濟衰退期間增加時，LGDs和EADs也會增加。為了捕捉這些組成部分的動態(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)濟和市場變量聯(lián)系起來。

（1）預測違約概率

PDs主要受到貸款債務人或債券發(fā)行人信用評級的影響。因此，在情景中包括潛在的信用降級是很重要的。

歷史評級轉(zhuǎn)移矩陣是估計PD的良好開端。但正如我們所了解的，評級機構(gòu)所發(fā)布的評級下調(diào)通常滯后于一家公司信用質(zhì)量的實際惡化。這同樣適用于銀行的內(nèi)部貸款評級和私營企業(yè)的評級。(對于上市公司來說，通常只有在交易信用利差擴大后才會被下調(diào)評級。)

歷史評級轉(zhuǎn)移矩陣應根據(jù)當前宏觀經(jīng)濟和市場變量對每種情景進行調(diào)整。如果某個情景遭遇宏觀經(jīng)濟、地緣政治或特定行業(yè)的沖擊，信用息差的飆升可能會導致評級的加速轉(zhuǎn)變。

出現(xiàn)降級概率增加的情景可以作為PD即將發(fā)生變化的預警。當多個債務人因系統(tǒng)性沖擊而被降級時，其違約與降級之間的相關(guān)性會上升，從而影響整個投資組合。

因此，預測情景中的PD需要兩個步驟。

首先，應使用歷史平均轉(zhuǎn)移矩陣對穩(wěn)定的市場動態(tài)進行建模，它反映了債務人信用質(zhì)量的特殊變化。

其次，如果某個特定情景在某個時間點經(jīng)歷了宏觀經(jīng)濟、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)部門和評級的不同，這些沖擊可能會導致大規(guī)模的額外降級，或?qū)⑿庞美钔葡蚋咏`約的邊界。

（2）LGD和EAD 指導意見

與情景一致的LGD建模應該反映LGD的三個主要驅(qū)動因素: 債務人的資歷、抵押品質(zhì)量和資產(chǎn)價值。

LGD反映了資產(chǎn)和其它抵押品在回收中的市場價值。當一家公司違約時，其債務人應該獲得控制權(quán)。然而，在實務中，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值可能會大大低于最初的假設，因此LGD可能會大幅提高。例如，即使通貨膨脹沖擊(加上經(jīng)濟停滯或即將到來的衰退)推高了資產(chǎn)的價值，流動性枯竭和需求不足可能意味著沒有買家會支付更高的價格。

生成的情景應包括在發(fā)生違約時影響追討貸款價值的所有變量。因此，對于發(fā)生壓力沖擊的情景（已經(jīng)導致降級和違約的增加），LGD將隨著追討貸款預測價值的下降而上升。

與此同時，初始EAD可以用貸款的當前融資水平來衡量。隨著情景的發(fā)展，循環(huán)貸款和信貸額度的資金水平應根據(jù)觀察到的行為進行調(diào)整。

債務人可能會根據(jù)他們的貸款類型而表現(xiàn)出不同的行為。例如，在有利的市場條件下，即當債務人有機會獲得新的低息貸款時，他們會提前償還貸款。另一方面，在不利的條件下，當信貸質(zhì)量惡化時（無論是受整體經(jīng)濟形勢的影響，還是由于特定行業(yè)的原因），債務人通常會選擇采用尚未實施的貸款承諾。

在發(fā)生違約的情況下，債務人將盡可能多地利用合同所允許的尚未實施的貸款承諾。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，風險經(jīng)理可以像在現(xiàn)實生活中一樣預測信用風險。這種方法結(jié)合了沖擊對信用利差以及股票、商品、房地產(chǎn)和其它市場變量的影響。此外，它允許對 PD、LGD 和 EAD 進行動態(tài)建模，并顯示它們對資本和流動性的影響——即使是在前所未有的情景下也是如此。

》》》點我咨詢FRM 考試相關(guān)信息

（3）進一步的想法

為了以真實的概率估計潛在的信用損失，并分析與其余分布一致的極端事件，需要進行全方位情景分析。

在一個動態(tài)的市場環(huán)境中，已實現(xiàn)的未來趨勢可能與預測的趨勢相差甚遠。由于尾部結(jié)果會影響到投資組合的預期價值，因此衡量信用投資組合風險的整個分布是很重要的。

即將到來的經(jīng)濟衰退可能會為我們提供新的數(shù)據(jù)來估計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)濟崩潰才去收集新數(shù)據(jù)。

由全方位情景分析驅(qū)動的模型不僅可以從過去吸取教訓，還可以讓風險經(jīng)理更好地為未來前所未有的情景做好準備。

本文編譯自GARP風險智庫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)劃和風險管理提供獨特的情景分析工具。在成立Straterix公司之前，Gil是高盛集團、花旗集團和野村集團戰(zhàn)略咨詢部的全球負責人，她在壓力測試、經(jīng)濟資本、ALM、長期風險預測和最佳資本分配方面為金融機構(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險模型了嗎？

以上就是【FRM考試：如何建立具有前瞻性的信貸風險模型？】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報名、考試費用、考試動態(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。如有侵權(quán)請立即與我們聯(lián)系（4007009596），我們將及時處理！

更多FRM相關(guān)內(nèi)容：

返回首頁