总览：信用风险模块
权重 20%（80 题中约 16 题）
📚 三大 概览
考试比重提示
信用风险是 Part II 仅次于市场风险的重点。计算集中在：EL/UL、Merton 模型（距离违约/违约概率）、评级迁移矩阵、CVA/DVA、抵押品支持金额 CSA、证券化现金流；概念集中在：治理三线防御、TTC vs PIT、违约相关性、净额结算、中央清算、wrong-way risk。绝大多数是"概念辨析 + 一两个小题"结合的题型。
Q0. 信用风险区别于市场风险的核心特征？
1. 信用风险基础 Fundamentals of Credit Risk
要点：credit risk 定义与三类不履约形态 · 四种损失成因 · insolvency / default / bankruptcy 三分辨析 · 产生信用风险的七类交易（含损失类型对照）· 暴露主体：金融机构（银行 / 资管 / 对冲基金 / 保险 / 养老金）、企业五大来源、个人 · 管理或承担信用风险的动机（生存 / 盈利 / ROE）
本章是 Part II 信用风险模块的地基章：先把「什么算信用风险、它从哪些交易里长出来、谁在承担它」的边界讲清楚。后面第 3 章的 EL/UL 分解、第 5 章的评级评分、第 7–10 章的 PD 估计 / 信用 VaR / CVA，全都建立在本章的概念定义之上。
- ① 一条判据抓定义：只要交易是「现在交付价值、未来才收回报」，就产生信用风险。不履约分三种形态——无力还（inability）、不愿还（unwillingness，如对合同有效性有争议）、还得晚（nontimeliness）。第三种最容易被忽略：它伤害的是债权人的利息收入，而非本金。
- ② 三分辨析是本册最高频考点：insolvency＝经济事实（负债＞资产，即负权益）、default＝合同事实（未按约定履行义务）、bankruptcy＝法律程序（走法院，法院与管理层、债权人、其他利益方协商）。三者常相连，但互不推出：资不抵债的公司未必违约（还在按期付款），违约的公司未必破产。
- ③ 暴露具有普遍性：信用风险不只属于银行——资产管理人、对冲基金、保险公司、养老金、实体企业（应收账款 / 短期投资与存款 / 衍生品 / 供应商融资 / 供应链）乃至个人（预付房租或服务费、银行存款）都在承担。它来自日常经营，本身不是坏事；坏的是没有被度量与定价。
- 一句话主线：信用风险＝交易对手不履约给债权人带来损失的可能性；度量三问＝风险有多大、违约概率多高、能收回多少以及何时收回。
关键术语：credit risk信用风险、insolvency资不抵债、default违约、bankruptcy破产、counterparty risk交易对手风险、factoring应收账款保理（出售应收账款）、documentary credit跟单信用证、reinsurance recoverable再保险应收款、vendor financing供应商融资（厂商信贷）。
1.1 信用风险的定义与成因
定义：信用风险指一方（如债权人）因交易对手未能履行其财务义务而蒙受损失的可能性。注意定义里已经埋好了三个分支——不履约可以源于「无力偿付」「不愿偿付（例如对原合同有效性存在争议）」或「偿付不及时」。
术语对偶：谁欠钱、谁给钱
- 资金接收方（有偿还义务的一方）：borrower、obligor、counterparty、bond issuer —— 这几个词在教材语境里基本同义。
- 资金提供方（承担信用风险的一方）：lender、creditor、obligee —— 也就是本章定义的「债权人」。
- 一句话：信用风险永远站在「给了钱的那一边」。判断某笔交易里谁暴露于信用风险，先找「谁先交付了价值」。
四类损失成因
- ① 借入资金后无力偿还：典型是企业借债做资本扩张，到期却付不出本息；或产品被淘汰（教材举录像带、传真机）导致现金流断裂。
- ② 付款延迟：义务最终被履行、只是晚了——对债权人而言会损失利息收入，仍是信用风险。
- ③ 未预期且未保险的宏观事件：如疫情冲击下餐饮企业停业、对既有银行贷款违约。这类事件的共性是事前无法定价、事后集中爆发。
- ④ 蓄意的违约行为：最典型的是主权国家主动违约其国际债务，或强制把外币债务转换成本币——本币随之大幅贬值，债权人遭受重大损失（教材举 2002 年阿根廷「比索化 / pesification」）。
期限效应：一般地，合同期限越长，债权人承担的信用风险越大（暴露持续的时间更久、不确定性更多）。这也是为什么长期授信普遍要求更高的利差与更强的条款保护。
① the amount of credit risk 风险敞口有多大 → ② the probability of counterparty default 对手方违约概率多高 → ③ the recovery amount and timing of payment receipt 违约后能收回多少、何时收回
（后两项在后续章节里正式命名为 PD 与 LGD，并配上回收时间带来的贴现调整。）
1.2 Insolvency / Default / Bankruptcy：三分辨析⭐ 高频
交易对手「付不出钱」可能对应三种完全不同的状态。考试最爱考的就是把三者混用——记住各自站在哪个层面说话：会计 / 经济层面、合同层面、法律层面。
| 术语 | 判定标准（教材口径） | 层面 | 关键限定 |
|---|---|---|---|
| Insolvency 资不抵债 | 负债超过资产（即负权益 negative equity） | 经济 / 会计事实 | 资不抵债的实体未必破产；二者相关但不等同 |
| Default 违约 | 未能履行合同义务——常见原因是在义务到期时无力或不愿支付 | 合同事实 | 不必以资不抵债为前提，也未必进入法律程序 |
| Bankruptcy 破产 | 法律程序：实体（通常已违约）向法院寻求法律保护，由法院与其管理层、债权人及其他利益相关方协商 | 法律程序 | 两种形态：解散 / 清算（美国 Chapter 7）与 重组 / 重整（美国 Chapter 11） |
考场口径：三种「错法」
- 错法一：把 insolvency 当成 default。资不抵债是资产负债表状态，违约是合同状态；一家公司可以连续数月资不抵债却仍按期付息。
- 错法二：把 bankruptcy 当成经济条件。破产是法律动作——要有法院介入；「负权益」本身不会自动触发破产程序。
- 错法三：认为三者必然顺序发生。现实中常见「违约 → 破产」，也存在「资不抵债但从未违约、也从未申请破产（靠股东注资或展期维持）」。
1.3 产生信用风险的七类交易
信用风险并非只来自传统的放贷。凡涉及未来付款的贸易交易、衍生品交易、对抵押品的索偿以及或有负债，都会生成信用风险。就存量结构看：美国市场上企业债务（corporate obligations）是最大的信用暴露来源，且集中于本国金融公司；但若按名义金额衡量，全球最大的信用暴露来源是衍生品——教材给出的量级是 2020 年 6 月约 600 万亿美元，其中以利率衍生品为主。
- Lending 贷款：放款人承担借款人未来不还款的风险——最直接的一类。
- Leases 租赁：出租方（资产所有者，常以借入资金购置资产）承担承租方未来不按期支付全部租金的风险。
- Receivables 应收账款：先交货 / 先提供服务、买方在数日至数月后付款，卖方承担收不到款的风险。
- Prepayment 预付款：先付钱的一方承担对方未来不交货 / 不提供服务（例如公司破产）的风险。
- Deposits 存款：存款人承担银行不能及时兑付存款的风险。教材特别指出：多数个人客户并不评估银行的信用风险，而大型企业会对银行做详尽尽职调查以保护存款。
- Contingent claims 或有索偿：取决于未来事件是否发生的索偿。例如投保人承担保险公司未来不理赔的风险；养老金参与人承担发起人资产不足以覆盖计划负债的风险。
- Derivatives 衍生品：通过间接暴露于金融资产而产生信用风险——即便交易开始时没有现金流。远期或互换的每一方未来都可能需要付款，因此整个合约存续期内双方都互相暴露。货币互换暴露于两种货币的汇率波动；回购协议与期权同样产生信用风险。
| 交易类型 | 关键信用暴露 | 损失类型 |
|---|---|---|
| Loans 贷款 | 还款缓慢或不还 | 利息与面值；货币时间价值（TVM） |
| Leases 租赁 | 不付款 | 资产回收；营销成本 |
| Receivables 应收账款 | 不付款 | 面值 |
| Prepayments 预付款 | 交付缓慢或不交付资产 / 服务 | 重置成本；增量运营成本；摩擦成本 |
| Deposits 存款 | 不偿还 | 面值；TVM；摩擦成本 |
| Contingent claims 或有索偿 | 偿还缓慢或不偿还 | 面值；TVM；摩擦成本 |
| Derivatives 衍生品 | 因违约而不付款 | 重置成本（即按市值计价 MTM） |
一眼看出「损失类型」的规律
- 钱类交易（贷款 / 存款 / 或有索偿 / 应收账款）→ 损失是面值 + 时间价值 + 摩擦成本：收回本金只是第一步，资金被占用的时间与追讨成本同样是损失。
- 物类交易（租赁 / 预付款）→ 损失是资产回收 + 重置 / 运营成本：要重新获得资产或服务，得再花钱。
- 衍生品独一档 → 损失是重置成本（MTM）：违约后要在市场上重建同样的头寸，代价是当前市值。这也解释了为什么衍生品的暴露随市价波动，而非固定面值。
1.4 谁暴露于信用风险：金融机构 / 企业 / 个人
暴露于信用风险本身不是坏事：它来自企业、政府与其他实体的日常经营，也可能来自个人的行为——房东收取租客预付的一整年租金、商店赊销商品，都让收款方暴露了。就美国市场看，金融部门的信用暴露最多，主要来自存款类机构与共同基金，其后是保险公司、养老金计划与金融公司。
金融机构的五类暴露者
- Banks 银行：日常经营即暴露于个人与企业借款人的违约，以及自身的衍生品活动。银行通常是信用风险管理上最成熟的机构，但教材也指出该部门整体风险偏好近年明显下降。回购协议等抵押融资同样带来风险：抵押品可以变卖以缓释损失，但在快速变动的市场里抵押品价值可能下跌，不再足以覆盖银行的债权。教材给出的量级参照：2020 年 JPMorgan Chase 的衍生品应收款信用暴露超过 7,000 亿美元。
- Asset managers 资产管理人：代客户投资，因此代客户承担信用风险；其风险管理团队评估债券、股票等发行主体的信用状况，目标是把风险缓释在投资决策之前。
- Hedge funds 对冲基金：风险容忍度更高，授权更激进（私募股权与债权、另类投资），也会卖出针对借款人信用恶化的保护，或对困境证券做多空交易。与资管不同的是，对冲基金可能把违约当作投资机会而非必须回避的风险——例如卖空其判断将陷入困境或违约的公司债 / 股，或通过 CDS 等衍生品获取间接收益。反面案例：2021 年 Melvin Capital 卖空 GameStop，预期股价下跌，结果股价从 10–15 美元飙升至 350 美元，被迫以远高于卖出的价格买回，蒙受巨亏，最终靠其他对冲基金注资才避免违约。
- Insurance companies 保险公司：其暴露的独特之处在于同时来自三个环节——承保（收取保费、投资、日后理赔，需在「为股东赚取长期收益」与「为保单持有人最小化风险」之间平衡）、投资（如寿险以独立账户代客户管理大额资产，资产与公司隔离、损失不冲击股东回报，但会损害声誉与未来业务）、再保险（把理赔风险转移给 Swiss Re、Munich Re 等再保险公司，从保单持有人索赔到再保人核赔付款之间存在时间差，这就是信用风险；索赔越重大——如地震、飓风——风险越大；某些险种从收保费到结算可长达数十年）。这部分预计赔付在保险公司资产负债表上记为 reinsurance recoverable（再保险应收款），本质是对再保人的或有索偿。
- Pension funds 养老金：与资管类似，代计划成员投资；持有信用风险证券会直接给成员带来信用风险。近年来针对私立与公共养老金的监管趋严，已强制要求更严格的风险管理护栏以保护计划成员。
企业（corporations）的五大信用风险来源
- Account receivables 应收账款：先交货、后收款，客户可能无力或不愿付款。大而成熟的客户容易评估，小客户与个人则困难得多（常需依赖信用评分）；企业常在数据不完整的情况下做判断。三种缓释手段：① 为应收账款购买保险；② 把应收账款出售给另一家公司（即 factoring 保理）；③ 用 documentary credit 跟单信用证为涉外交易提供收款保证。
- Short-term investments and bank deposits 短期投资与银行存款：所持短期证券的发行人可能无法履行利息或本金义务；银行存款则可能因银行陷入流动性困境而无法提现。缓释手段：把存款分散到多家银行。
- Derivatives 衍生品：企业用商品远期与期货对冲原材料价格风险。其中商品期货的信用风险相对很小——因为要交保证金、且由清算所保证履约；而远期与互换是场外（OTC）非标准化合约，双方都承担信用风险。对手方违约可能迫使企业在公开市场以高价买入原材料。衍生品暴露大的企业通常设有成熟的风险管理职能。
- Vendor financing 供应商融资：企业设有金融子公司、帮助客户赊购或租赁自家产品时，承担客户违约或不付款的风险。
- Supply chain 供应链：产品某一部件依赖单一供应商时，供应商违约会给企业带来重大损失；依赖大量供应商发货的企业，也会因货物未到或灭失而受损。教材举的实例是 2021 年大型集装箱船在苏伊士运河搁浅，造成数十亿美元的海运损失。
个人（individuals）
个人同样会暴露：预付服务费或租金，承担对方日后不交付的风险；通过银行存款暴露于银行倒闭，通过资管投资暴露于管理人的投资标的。存款损失风险在部分国家（包括美国与加拿大）由存款保险缓释。
1.5 管理与承担信用风险的动机
信用风险源于公司与管理层的决策，因此它是一种可控的风险暴露（controllable risk exposure）——这是它与其他风险的重要区别：暴露多少、给谁授信、条款怎么设，都在自己手里。风险管理不当会给公司、管理层与股东带来高昂代价；成功的企业会维持足够的权益缓冲来吸收部分预期内与预期外的损失，并在三个目标间取舍：
三个目标：生存 → 盈利 → 股东回报
- Survival 生存：管理信用风险以避免重大损失，从而不陷入破产——这是底线目标。
- Profitability 盈利：控制暴露、避免损失，直接提升盈利能力。
- Return on equity 股本回报率：在债务与权益之间找到合适比例，以最大化 ROE（杠杆能放大 ROE，但过度杠杆会侵蚀生存能力——三个目标之间因此存在张力）。
另一面是主动承担：债权人之所以愿意暴露，是因为风险有价——信用利差、客户关系与业务本身（放贷是银行的本职）构成了承担风险的回报。把这两面合起来看，风险管理的目标不是消灭风险，而是在可承受范围内审慎承担并定价。
- credit risk — the probability that one party (e.g., a creditor) will lose money if a counterparty fails to honor its financial obligation due to (1) an inability to repay, (2) an unwillingness to repay (e.g., a dispute), or (3) nontimeliness in honoring the obligation. Borrower / obligor / counterparty / bond issuer = the party receiving funds; lender / creditor / obligee = the party providing credit.
- sources of loss — borrowing for capital expansion then failing to repay; product obsolescence; inability to cover interest and principal; payment delay (lost interest income); unanticipated and uninsured macroeconomic events (e.g., COVID-19); deliberate actions such as a sovereign default or a forced conversion of foreign-currency debt into domestic currency (Argentina's 2002 "pesification").
- term effect — generally, the longer the term of the contract, the greater the credit risk to creditors.
- three questions — creditors assess (1) the amount of credit risk, (2) the probability of counterparty default, and (3) the recovery amount and timing of payment receipt.
- insolvency vs. default vs. bankruptcy — insolvency: liabilities exceed assets (negative equity), and insolvent entities are not necessarily bankrupt; default: failure to meet contractual obligations; bankruptcy: a legal procedure in which the entity (typically in default) seeks court protection, with two forms — dissolution / liquidation (Chapter 7) and restructuring / reorganization (Chapter 11).
- transactions generating credit risk — lending, leases, receivables, prepayment, deposits, contingent claims, and derivatives. Corporate obligations are the largest source of credit exposure in the United States; globally the largest source by notional value is derivatives — about $600 trillion as of June 2020, mostly interest rate derivatives.
- loss types by transaction — loans: interest and face value, TVM; leases: asset recovery, marketing costs; receivables: face value; prepayments: replacement costs, incremental operating costs, friction costs; deposits and contingent claims: face value, TVM, friction costs; derivatives: replacement costs (i.e., mark-to-market value).
- entities exposed — financial institutions (banks; asset managers, who are exposed on behalf of clients; hedge funds, which may treat default as an investment opportunity, e.g., shorting distressed securities or using CDSs; insurers, exposed through underwriting, investments, and reinsurance — the reinsurance recoverable is a contingent claim on the reinsurer; pension funds), corporations (receivables — mitigated by insurance, factoring, or documentary credit; short-term investments and bank deposits; derivatives, with commodity futures carrying little credit risk because of margin and clearinghouse guarantees, while OTC forwards and swaps create bilateral credit risk; vendor financing; supply chain), and individuals (prepayments, bank deposits, asset-manager investments — deposit insurance mitigates deposit risk in some countries).
- motivations — credit risk is a controllable risk exposure arising from company decisions; successful companies maintain an equity buffer for anticipated and some unanticipated losses while balancing survival, profitability, and return on equity.
📝 本章自测 · Self-Check
以下为自编练习题（非真题）：题干保留英文考试形态，解析为中文——先自己判断，再点开核对。共 4 题。
Q1. Which of the following statements about insolvency, default, and bankruptcy is most accurate?
资不抵债（insolvency）＝负债超过资产（负权益），是经济 / 会计事实；违约（default）＝未履行合同义务，是合同事实；破产（bankruptcy）＝向法院寻求保护的法律程序（美国 Chapter 7 清算 / Chapter 11 重整）。因此「资不抵债但仍在按期付款」完全可能（B）。A 错在「自动性」——资不抵债并不自动触发破产程序，两者相关但不等同；C 把定义对调（法律程序是破产、经济状况是资不抵债）；D 同样是把两个定义互换。
Q2. A corporation holds $10,000,000 of accounts receivable. It insures them under a policy that covers 85% of the invoice value in excess of a $500,000 deductible. If the customer defaults and pays nothing, the corporation's retained credit loss is closest to:
保险赔付＝85% ×（$10,000,000 − $500,000）＝85% × $9,500,000 ＝ $8,075,000；企业自留损失＝$10,000,000 − $8,075,000 ＝ $1,925,000（C）。也可直接算自留部分＝免赔额 + 15% × 超额部分＝$500,000 + $1,425,000＝$1,925,000。错法路径：A＝15% × $10,000,000（把共保比例套到全额发票、漏掉免赔额）；B＝15% × $9,500,000（只算了共保份额、漏加免赔额本身也要自留）；D 只记了免赔额、忽略共保。
Q3. A manufacturer must hedge the price of a raw material. Which of the following arrangements creates the greatest counterparty credit exposure for the manufacturer?
交易所期货有每日保证金 + 清算所保证履约，信用风险很小（A）；回购有政府债抵押且逐日追保，风险已被缓释（B）；场外远期是非标准化双边合约，没有抵押品，双方在整个存续期互相暴露，违约时要按市值重建头寸（重置成本），风险最大（D）。C 是易错项：30 天应付账款是企业自己的负债，信用暴露落在供应商头上而不是企业头上——把「欠别人的钱」当成自己的信用风险是典型错法。
Q4. Which of the following statements about how financial institutions approach credit risk is most accurate?
对冲基金风险容忍度最高，可能卖出针对借款人信用恶化的保护、对困境证券做多空，或通过 CDS 获取间接收益——把违约当投资机会（A）。B 错：资管是代客户承担信用风险，不是用自有资本承担；C 错：保险公司同时通过承保、投资、再保险三个环节暴露，再保险应收款本身就是对再保人的或有索偿；D 错：养老金持有信用风险证券会直接伤害计划成员，且监管已加设风险管理护栏。
2. 治理 Governance & 信用风险管理 Credit Risk Management
要点：三道防线（业务 / 风控合规法务 / 审计）· 风险承担三流程（发起 / 评估 / 审批）· 治理四原则：guidelines 制度、skills 技能与授权、limits 限额、oversight 监督 · 授权阶梯矩阵与信贷委员会 · 信贷政策要素与集中度 / 关联方限额 · 授信额度配置与降险措施 · 信贷资产五级分类 · 拨备与准备金、EL=PD×LGD×EAD 与 UL · IFRS 9 三阶段预期损失 · 损失资产 workout 与「保留 vs 核销」· 信贷风险分析与风险管理能力评估
本章由两篇源文合并而成：前一半讲治理（governance）——即「谁来定规矩、谁能批交易、谁盯着谁」；后一半讲信贷风险管理（credit risk management）——即「一家银行具体怎么管信贷：政策、分类、拨备、处置」。两者的关系是：治理是骨架，信贷管理是骨架上的作业流程。
- ① 三道防线是治理的骨架：第一道＝业务线（风险的所有者与管理者）；第二道＝企业风险管理、合规、法务（制定政策并监督第一道）；第三道＝内外部审计与审计委员会（独立监督与评估）。方向不能反：第二道监督第一道，审计独立于前两道。
- ② 四原则一句话记：Guidelines（制度要易懂、简洁、精确、可及）、Skills（把权限授给有技能的人）、Limits（限额＝绝对金额口径的最大可接受损失）、Oversight（独立、专业、贴近业务、心态开放）。
- ③ 风控「没有否决权」但也不是摆设：风险管理不批交易、不是利润中心，是顾问角色；异议通过书面备忘录上报信贷委员会。同时风控必须懂业务，否则无法与业务方建设性对话。
- ④ 信贷管理的两大主线：事前——政策与限额、五级分类、拨备；事后——workout 处置与「保留 vs 核销」。关键数字：信贷风险约占银行资产负债表的 70%（银行倒闭首要原因）；单一客户限额多为资本的 10%–25%；组合抽查覆盖 ≥75% 金额、≥30% 笔数、≥50% 外币贷款笔数、全部 1 年期以上贷款；分类的 90 / 180 天 / 1 年 三档时限。
- ⑤ EL 与 UL 的分工：EL＝PD × LGD × EAD（预期损失，靠拨备覆盖）；UL＝EL 公式抓不到的部分，通常视为尾部事件（99 分位），靠资本吸收。
关键术语：three lines of defense三道防线、guidelines / credit policies信贷政策（制度）、delegation of authority授权、credit line / limit信贷限额、credit committee信贷委员会、concentration limit集中度限额、related-party financing关联方融资、asset classification资产（五级）分类、loan loss provision / reserve贷款损失拨备 / 准备金、nonperforming loan (NPL)不良贷款、workout问题资产重组处置、vintage year放款年份（账龄分组）。
2.1 治理框架：三道防线与风险承担流程
有效治理为组织实现目标提供框架，而卓越的风险管理是有效治理的关键组成——风险管理者要帮助组织在「业务需要」与「防止承担过度风险」之间取得平衡。治理框架下的风险控制由三道防线构成：
| 防线 | 承担者 | 职责 |
|---|---|---|
| 第一道 | 业务线负责人（business owners） | 拥有并管理风险——风险的真正承担者是业务本身 |
| 第二道 | 企业风险管理（ERM）、合规、法务 | 监测与监督风险，制定政策与流程；第二道监督第一道 |
| 第三道 | 内部审计、外部审计、审计委员会 | 提供独立的风险监测与评估 |
CEO 的责任：确保已建立充分的治理制度，并在员工的配合下创建与执行稳健的风险管理制度。
风险是怎么被「做出来」的：三个流程
- ① 信贷发起（credit origination）：交易的质量决定组织的盈利水平。一揽子质量差的交易若缺乏充分监测，会造成重大损失。
- ② 信贷风险评估（credit risk assessment）：发起人的激励是做大交易量与收益率 / 利差，这天然推动他们做风险更高的交易——因此必须由独立的风险评估来平衡。
- ③ 信贷审批（credit approval）：把风险评估的结论落到「批 / 不批 / 附加条件」上。
- 缺了治理会怎样：组织可能因个人判断失误、流程断裂，或暴露于内部 / 外部欺诈而蒙受损失。
2.2 治理四原则总览
| 原则 | 核心要求 | 一句话判据 |
|---|---|---|
| Guidelines 制度 / 政策 | 对「哪些交易可以批、怎么批」建立清晰制度，含审批权限 | 制度是否易懂、简洁、精确、可及 |
| Skills 技能 | 权限必须授予具备相应技能的人，并逐级授权 | 审批层级是否与交易风险匹配 |
| Limits 限额 | 设置足够的风险限额与交易限额（绝对金额口径） | 是否存在「总限额 + 分维度子限额」 |
| Oversight 监督 | 员工与职能须由合格且独立的人监督 | 风控是否独立于利润中心 |
2.3 Guidelines：制度文件怎么写、谁来批、怎么维护
Guidelines（即 credit policies / risk standards）是定义「交易必须如何开展」的规则文件，必须同时满足四个质量要求：
- Understandable 易懂：不要把法律文件的复杂措辞与行话搬进来，语言要清晰直白。
- Concise 简洁：篇幅合理——没人愿意读冗长的文件。
- Precise 精确：简洁不能以牺牲精确为代价；措辞要具体，并包含处理真实场景的示例。
- Accessible 可及：放在公司电子文档系统中随时可取；最佳实践是在内网放一份 1–2 页的摘要。
谁批、谁维护、多久看一次
- 最终责任在管理层；最佳实践是由 CFO 或 CRO 发起（sponsor）制度，最终由董事会（含其风险委员会之一）批准。
- CRO 拥有制度：CRO 办公室负责起草、批准与维护；起草人须具备足够资历与专业能力，并了解产品与市场。
- 定期复核：内容与准确性须定期检查、与当前实践和监管保持同步（2008 年后监管持续趋严）；一旦发生损失事件，应触发相关制度的复核；并购等重大事件期间制度可能大幅修改。
- 情景前瞻：风险管理者要设想「不太可能但有可能」的假设事件对组织的影响——教材举的例子是负利率与负商品价格（2020 年 4 月油价曾短暂跌入负值，令原油期货卖方高度紧张）。
- 利益冲突：制度会把风控与业务单位、发起人对立起来，必须由更资深的人以专业方式处理。
制度应覆盖的六个主题 + 违规处理
- 六个主题：① 制度目的；② 所用方法；③ 交易审批流程与授权；④ 新产品与新市场的处理流程；⑤ 制度的复核 / 更新流程；⑥ 违反制度的后果。
- 违规（breach）应极少发生，一旦发生可能导致解雇。但组织可以容忍、并为「非故意、自然发生」的违规设置豁免条款（carve-out）——教材举的例子是因汇率波动导致的限额突破。
- 技术性防线：组织通常维护一个交易敞口与信贷参数的中央数据库，发起人可做交易前检查（pretrade check）确认拟做交易是否被允许——系统要么直接拒绝该交易，要么把它标记为未授权。这构成对越权交易的自动防护。
2.4 Skills：风控的定位与授权机制
风控不是审批人，也不是利润中心
- 让 CRO 或董事会委员会批准每一笔交易不现实，因此权限要沿有经验的风险专业人员链条逐级下授。
- 业务方常把风险职能视为业务增长的障碍——所以风控人员必须懂业务、与发起人建立良好关系。
- 定位：风险管理没有审批权、不是利润中心，对业务是顾问角色；制度要写清「哪些环节必须征求风控意见」。
- 异议渠道：风控通常没有交易否决权，但可以表达不同意见——常见形式是书面备忘录上报信贷委员会。
授权（delegation of authority）分两步：① 为每笔交易指定风险参数；② 依据这些参数下授审批权限。即便对某些交易无法实际指派参数，制度也必须清晰规定审批与授权流程。
审批层级由交易风险决定：更简单、低风险的交易可由更低层级批准，常常是单人审批；交易风险越高，所需审批层级越高；高风险、期限很长或信用质量较低的交易通常需要高级管理层介入。整套授权升级过程常以「风险 / 审批流程」形式呈现——教材给出如下阈值矩阵：
| 对手方内部评级 | 档位 1 | 档位 2 | 档位 3 |
|---|---|---|---|
| R1 | 150 | 200 | 250 |
| R2 | 125 | 150 | 175 |
| R3 | 100 | 125 | 150 |
| R4 | 75 | 100 | 125 |
| R5 | 50 | 75 | 100 |
| R6 | 25 | 50 | 75 |
单位：敞口（百万美元）。读法：评级越好，同一金额所需的审批层级越低（R1 到 250 才触及最高档，R6 到 75 就已触及）；评级越差，同样的敞口要往上走。教材实例：一笔敞口 1.1 亿美元、对手方评级 R4 的交易，需要交易委员会（transaction committee）批准——因为该委员会对 R4 对手方的批准权限上限为 1.25 亿美元；同时还需要信贷风险评估单元出具建议，因为该单元负责审查超过 7,500 万美元的交易。
轻量口径注：源表「审批人」行在文本抽取中列位错位，此处仅保留可核的阈值矩阵与教材实例；审批阶梯顺序（交易主管 → 交易委员会 → 执行风险委员会，敞口越高越往上）依据教材文字与上述实例确定。
2.5 Limits：限额是「绝对金额」的最大可接受损失
限额（limits，常称 credit lines）＝组织愿意接受的以绝对金额表示的最大损失。例如一家公司可能设定总体绝对风险限额 7,500 万美元，再对单个交易对手、板块、行业甚至国家分配更小的限额。
- 绝对限额对多数交易类型都适用；但对动态信用敞口——例如实物商品的长期贸易协议、衍生品——敞口本身难以估计。
- 设定限额＝风险评估＋管理层的直觉（往往基于经验与「感觉」）；这种直觉又会受监管、评级机构、股东能接受什么影响。
- 限额既有组织层面的总量限额，也分配到具体业务条线；发起人偏好预先核准的限额，因为便于开展客户营销。
2.6 Oversight：有效监督的四个条件
| 条件 | 含义 | 落地做法 |
|---|---|---|
| 独立性 | 风控不能设在利润中心之内、也不能被指派给利润中心 | 风控薪酬独立于业务盈利；风控向 CRO 汇报而非业务条线负责人；CRO 多直接向 CEO 汇报，并常可直接接触董事会风险与审计委员会 |
| 资质过硬 | 风控人员须胜任其岗位 | 胜任才能与发起人就交易风险进行建设性讨论 |
| 贴近业务 | 理解业务单位、盈利动机与交易结构 | 必要时出席客户会议，以清晰表达本行风险立场（尤其当客户与发起人在期限、价格或限额上谈僵时） |
| 心态开放 | 不把发起人当对手 | 在守住绝对限额的前提下帮助业务把交易做成；但要注意别与业务走得太近——最终仍须保持独立的发声 |
出席客户会议的红线
风控参加客户会议时，必须带着基于绝对风险限额的明确最终立场，不被情绪或客户压力左右。这是「贴近业务」与「保持独立」之间最尖锐的取舍点。
2.7 信贷敏感交易的三大参数与信贷委员会
三大交易参数：金额、质量、期限
- 敞口金额（amount of exposure）：交易会让组织暴露于损失，度量潜在损失金额是关键。
- 信用质量（credit quality）：要评估与对手方交易带来的损失风险，因此评估对手方信用状况很重要。
- 敞口期限（length of exposure / tenor）：组织须清楚自己暴露于潜在损失的时间有多长——即对手方义务到期前的时间长度。
信贷委员会（credit committee）怎么运作
- 构成：通常由高级管理人员组成，负责重要或高风险交易的决策。
- 章程：须有明确章程，写清审批流程。
- 流程：对发起人提前准备好的交易包作审批决定，以便委员会有充分时间审阅；运作良好的委员会有既批又拒的业绩记录（只会批不会拒＝形式化）。
- 成员：须具备足够专业能力与对风险的深入理解，并覆盖关键职能——业务单位、风险管理、税务与会计、合规、法务；成员应是有决策权的人，转授权能力有限。
- 主席：征求意见、客观推动讨论；若无共识则由主席提请表决。会议纪要须记录并在会后尽快分发。
2.8 信贷政策与限额：监管关注的三个核心
信贷风险（即交易对手风险）是「借款人延迟付款或完全不付款」的可能性。管理不善会外溢影响银行流动性；信贷风险关联银行资产负债表的约 70%，这使它成为银行倒闭的首要原因。监管者与财务分析师都期望银行有正式的信贷风险管理政策。
一份有效的贷款 / 融资政策应包含什么
- 范围：明确银行信贷业务的范围，以及风险管理方式——发起、评估、内部监督、催收程序。
- 灵活性：适应变化的市场条件的能力至关重要。
- 直达董事会：遇到需要特别考虑的问题时，风险管理者应能接触董事会。
- 监管最低标准：识别现有（及潜在）风险、详细描述银行的风险管理理念、设定可接受的信贷风险参数。
- 政策三分类：① 限制或降低信贷风险；② 按信贷风险暴露与可收回性对资产分类；③ 为潜在损失计提拨备。
在限制信贷敞口上，监管聚焦三个核心领域：① 对单一客户的敞口；② 关联方融资；③ 对某经济板块或地理区域的过度暴露。
| 领域 | 规则要点 | 易错点 |
|---|---|---|
| 集中度限额 | 对单一客户 / 地区 / 板块的最大敞口；通常按银行准备金或资本的百分比设定；许多国家对单一客户设 资本的 10%–25% 上限 | 涉及间接授信（或有负债、担保、承兑、信用证）时更难判断；抵押品估值另论——实践中确定敞口规模时不应考虑抵押品；「单一客户」包含相互控制、需合并计算的关联集团 |
| 关联方融资 | 关联方＝母公司、子公司、主要股东、关联企业、董事、高管；多数监管按 一级资本（Tier 1）的百分比设限；若本地监管未设限，风控应自建可比政策 | 担心两点：信贷决策违反本行政策、贷款条件优于市场惯例 |
为什么大额敞口本身就要警惕
对单一客户的巨额敞口可能使风控在评估相关风险时产生偏差——本质上银行可能对「大客户的成败」形成既得利益。因此无论大客户当前是否履约，风控都必须独立监测影响它们的事件。
2.9 授信额度配置与降险措施
银行信贷额度的范围与配置应覆盖贷款如何发起、评估、监督、催收，并保持适应市场变化的灵活性。与降险直接相关的要素包括：
- 放款权限：为信贷员设定权限；经验更丰富 / 任职更久者可获更高权限。小银行常集中管理，大银行按地理区域、产品、客户类型分散授权。
- 贷款类型与分布：明确银行可使用哪些信用工具，依据是信贷员专长、存款结构与信贷需求；对各类别（商业、房地产、消费等）常设限额，任何偏离都须董事会批准。
- 评估流程：正式定义评估流程，包括按信用类型设评估上限、续贷与展期的重估流程、需要独立评估的情形，以及贷款 / 评估价值比率的可接受上限。
- 贷款定价：按类型结构化定价，考虑资金成本、贷款监督成本、行政费用，并计入损失概率与合理利润；定期复核以适配市场与竞争。
- 期限：为各类贷款设定清晰的最长期限，还款安排要现实——考虑还款资金来源与抵押品的使用寿命。
- 地理 / 板块集中度：重大风险因素；许多银行缺乏成熟的监测系统（区域银行与专业银行尤其突出）；涉足国际贷款还引入政治风险与汇率风险。
- 当期财务信息可得性：明确商业与消费贷款所需的财务信息，包含外部信用查询；判断企业财报是否需要审计；财务预测的期限应与贷款期限匹配。
- 催收监测：规定处理逾期的流程，包括向董事会报告、确定潜在损失、以及替代还款方案。
- 贷款总额上限：以资本、存款或总资产为基准表达；并计入存款波动性与已知信贷风险。
- 贷款 / 质押证券市值的最高比率：为所有证券类型设定清晰的保证金要求，并规定抵押品定期重估。
- 减值确认：定期、系统地识别并处理被认定为不可收回的贷款。
- 重组贷款（renegotiated debt）的处理：指为降低利率或本金而重组的贷款；单纯展期不算「重组」；重组可能引入新债务人、转移抵押品或债转股；重组数量庞大＝银行存在严重信贷风险问题。
- 书面内部制度：所有政策都必须正式成文，不能靠口头理解。
组合复核的抽样红线（必背数字）
- 随机抽样须覆盖：≥75% 的贷款组合（按金额）、≥30% 的贷款笔数、≥50% 的外币贷款笔数，以及全部期限超过 1 年的贷款。
- 此外还须逐笔覆盖：单一客户合计敞口超过银行资本 5% 的全部贷款；对关联方与股东的全部贷款；条款自放款以来被修改过的全部贷款；逾期超过 30 天的全部贷款；以及被划为次级 / 可疑 / 损失的全部贷款。
- 单笔复核应包含：客户资料、贷款条款、资金用途、抵押品结构、逾期记录、借款人财务状况、已做监测工作的明细。若借款金额超过银行资本的 5%，还须评估其商业计划与偿债能力；复核应有主办信贷员参与。
- 拨备政策复核五项：现有拨备政策概览、资产分类流程概述、可能导致损失的当期风险因素（重点是与历史不同的因素）、历史损失趋势分析、现行政策充分性声明。同业存款与表外承诺同样须纳入信贷风险考量。
2.10 信贷资产五级分类⭐ 高频
资产分类＝按还款可能性把银行资产归入信用风险等级，是信贷风险管理的核心工具。资产应在放款时即分类，之后定期复核、按需重分类；复核要考虑客户财务状况、还本付息表现、经济趋势与市场变化。监管口径分五类：
| 类别 | 判定标准 | 关键限定 |
|---|---|---|
| 1. Standard（pass） 正常 | 逾期不成问题 | 以现金或现金等价物（如存单）全额担保的贷款，通常无论其他不利因素都维持该标签 |
| 2. Specially mentioned（watch） 关注 | 存在可能影响借款人还款能力的潜在弱点（原因各异） | 仅是潜在弱点，尚未形成明确缺陷 |
| 3. Substandard 次级 | 存在界定明确的信用缺陷，可能危及还款；主要还款来源常已失效，银行已在寻求第二还款来源（抵押品） | 逾期超过 90 天的不良贷款通常归此；部分重组贷款若重组前已欠息也归此；持续履约后可被上调出该档 |
| 4. Doubtful 可疑 | 关注点与次级相同，但损失预期更明确 | 逾期超过 180 天的不良贷款归此，除非担保充分；仍保有一定还款希望 |
| 5. Loss 损失 | 无法收回已相对确定 | 不等于收回概率为零，而是再推迟核销已不现实；逾期超过 1 年的不良贷款归此，除非担保充分 |
不良贷款（NPL）与四项分析维度
- NPL 定义（教材口径）：不给放款人带来任何收入；通常在利息或本金 90 天未付时启用该标签。
- 但分类不止看有没有收到钱——还要看借款人的现金流与（即便适度延迟的）预期还款能力。
- 分析 NPL 的四个维度：账龄（age）（逾期已持续多久：30 天 / 90 天 / 180 天 / 1 年）、原因（reasons，找根因）（可能银行能帮借款人重回正轨）、逐案评估（不能只看汇总，个案可能有渐进改善）、设定拨备档位（结合银行整体稳健性为各分类设阈值）。
2.11 拨备、准备金与 EL / UL
贷款损失拨备（loan loss provisions）是为抵补未来潜在损失而预留的资源；贷款损失准备金（loan loss reserves）是多年累计的拨备，记录在银行财务报表上。拨备与准备金通常都计入二级资本（Tier 2 capital）。确定适当准备金水平时应考虑：信贷质量政策与流程、以往损失暴露、贷款规模增长、放贷管理层的质量、贷款催收与回收政策、经济环境与商业条件的变化。
PD＝违约概率（度量「借给了谁」）· LGD＝违约损失率（度量「用了什么产品」）· EAD＝违约时的敞口金额（度量「贷款已放了多久」）
| 借款人 | 评级 | 贷款 | PD | LGD | EAD | EL |
|---|---|---|---|---|---|---|
| 1 | AAA | $1,000,000 | 0.09% | 30.0% | $550,000 | $148.50 |
| 2 | B+ | $1,000,000 | 3.78% | 45.0% | $785,000 | $13,352.85 |
| 3 | D（已违约） | $1,000,000 | 100.00% | 100.0% | $1,000,000 | $1,000,000 |
验算：0.09% × 30% × $550,000 = $148.50；3.78% × 45% × $785,000 = $13,352.85。三档对比说明 EL 的驱动来自三个乘数同时恶化：评级降到 B+ 后 PD 放大 42 倍、LGD 从 30% 升到 45%、EAD 也从 $550,000 升到 $785,000；一旦违约（评级 D），三个乘数同时取 100%，EL 就等于全部敞口。
EL 与 UL 的分工
- EL（预期损失）：借款人违约时的预期美元损失，本质上是对交易对手风险的定量度量——用于定价与拨备。
- UL（非预期损失）：EL 公式抓不到的那部分损失，通常被视为尾部风险事件（例如 99 分位事件）——靠资本而非拨备吸收。
2.12 IFRS 9 三阶段预期损失模型
2018 年之前，国际会计准则 IAS 39 要求已发生损失模型（incurred loss）；自 2018 年 1 月 1 日起，IFRS 9 改为三阶段预期损失模型：
| 阶段 | 适用资产 | 损失计量 | 实际利率基础 |
|---|---|---|---|
| Stage 1 | 全部正常履约资产（无逾期） | 12 个月预期损失 | 按总额（gross）计算实际利率 |
| Stage 2 | 存在任何程度逾期的资产 | 存续期（lifetime）预期损失 | 按总额（gross）计算实际利率 |
| Stage 3 | 不良资产 | 存续期（lifetime）预期损失 | 按净额（账面 / carrying）计算实际利率 |
一句话记住 Stage 2 与 Stage 3 的差别：两者的计量口径都是「存续期」，区别只在实际利率的基数——Stage 2 用总额（利息仍按未扣减减值前的金额确认），Stage 3 用净额（已扣除减值后的账面金额）。
2.13 损失资产处置：workout 与「保留 vs 核销」
贷款 workout（问题贷款处置）是银行降险的重要环节：应回顾历史催收尝试及其成功率，每个借款人都要单独考虑。常见 workout 程序含四步，且顺序可任意调整：
- 降低本行信贷风险敞口：追加收取资本、抵押品或担保。
- 与借款人共同寻找改善空间：提供建议、制定降本增收计划、出售资产或重组贷款——这一步接近咨询。
- 引入第三方：作为合资伙伴或收购方。
- 通过庭外和解实现清算：包括取消赎回权（foreclosure）、变卖抵押品、或向担保人追偿。
资产负债表口径：保留（retention）vs 核销（write-off）
- 保留损失资产：常见于英式传统的机构。思路是留出时间尝试催收。效果是资产负债表上的损失准备金显得更大。
- 核销损失资产：常见于美式模式的机构。会立即核销损失，从而把这些损失从贷款损失准备金账户中移除。效果是准备金相对贷款组合规模显得更小。
- 判别口径：看到「准备金相对贷款组合偏小」＝可能采用美式立即核销；「偏大」＝可能采用英式保留。
2.14 信贷风险分析与风险管理能力评估
信贷风险分析要回答三件事：用了哪些贷款产品、客户是谁、资金借出多久。应包含五个组成部分：① 主要贷款类型汇总（客户数、平均期限、平均利率）；② 贷款组合的分布（笔数、金额、细分信息：币种、短 / 长期、所处经济板块；并识别借款人类型：国有、民营、公司、零售）；③ 所有有政府或其他实体担保的贷款清单；④ 按风险分类的全面复核；⑤ 结合放款年份（vintage year）分析不良贷款。
信贷风险管理能力（capacity）复核：三块内容
- 放贷流程：流程组织良好、政策清晰，目标是在可接受风险水平下取得与预期回报相称的贷款；覆盖发起、评估、审批、监测、催收；考察过去 6–12 个月「评估 vs 批准」的申请量；须访谈全部中层管理者；并检查样本贷款申请、内部信贷摘要表、贷款档案、内部信贷手册、审批标准、各层级放款限额、抵押品复核（含重估）、负责贷后管理与监测的人员（含合规与控制）、以及例外处理流程。
- 人员配置：列出参与发起、评估、监督与信贷风险监测的人员——人数、年龄、经验（资质）与具体职责；培训是必备项，包括培训频次与充分性评估。
- 信息流：贷款信息散布在银行各处，须弄清信息如何到达高级管理层、董事会、特别是风险委员会；信息必须及时，并自问：是否可获取？是否高质量？是否成本有效？
董事会应当追问的问题（教材清单）
- 本行的贷款与存款定价是否有竞争力？利息收入来源是否充分分散？贷款组合收入的安全性如何？投资收益是否反映了所承担的风险水平？
- 本行流动性在压力情景下能否存活？使用了哪些内部评级模型？PD / LGD / EAD 的估计在历史上是否准确？
- 本行如何处理逾期贷款？贷款组合多久做一次压力测试？所有集中度风险是否已充分披露？
- 本行是否掌握所需信息——敞口趋势、集中度趋势、损失拨备、限额与突破情况、减值费用、逾期趋势、压力测试结果？
- three lines of defense — first line: business owners who own and manage risks; second line: enterprise risk management, compliance, and legal functions that monitor and oversee risks and establish policies and procedures (the second line oversees the first); third line: internal and external auditors and audit committees providing independent risk monitoring and assessment. The CEO is responsible for ensuring adequate governance guidelines have been established.
- processes leading to risk taking — credit origination, credit risk assessment, and credit approval. Originators are driven to increase volume and returns/margins, which can lead to higher-risk transactions.
- four principles — Guidelines (credit policies or risk standards; understandable, concise, precise, accessible), Skills (authority delegated to those with proper skills), Limits (adequate risk and transaction limits), Oversight (oversight by qualified and independent people).
- guidelines mechanics — sponsored by the CFO or CRO and approved by the board including one of its risk committees; the CRO's office drafts, approves, and maintains them; six topics: purpose, methodology, transaction approval flow and delegation of authority, new products and markets, review/update process, and consequences for breaches. Breaches should be infrequent and may lead to termination, but carve-outs are tolerated for naturally occurring breaches such as those caused by foreign exchange rate fluctuations. A central database of transaction exposure and credit parameters enables pretrade checks that automatically reject or document unauthorized trades.
- risk management's role — advisory, not an approval authority and not a profit center; risk managers typically have no transaction veto rights, and dissent is expressed through written memos escalated to credit committees.
- delegation of authority — (1) assign risk parameters to each transaction and (2) delegate authority based on those parameters; parameters are the amount of exposure, credit quality, and tenor. The riskier the transaction, the higher the approval level; e.g., an R4 counterparty with $110 million of exposure requires transaction-committee approval (R4 approval up to $125 million) plus a recommendation from the credit risk assessment unit, which reviews transactions exceeding $75 million.
- limits — credit lines are the maximum loss acceptable in absolute dollar terms; an aggregate limit plus smaller limits by counterparty, sector, industry, or country; setting them combines exposure assessment with management's intuition and is influenced by regulators, rating agencies, and shareholders.
- oversight — independence (not in or assigned to a profit center, compensation independent of business profitability, reporting to the CRO rather than business unit heads; CROs report to the CEO and have direct access to the board's risk and audit committees), strong qualifications, closeness to the business, and an open mind; in client meetings risk managers must hold a clear final position based on absolute risk limits.
- credit committee — senior executives deciding important or high-risk transactions, governed by a charter, with packages prepared well in advance, a track record of approving and declining, members from business units, risk management, tax and accounting, compliance, and legal, a chair who solicits opinions and calls a vote if there is no consensus, and minutes distributed shortly after the meeting.
- credit risk policies — credit risk is linked to approximately 70% of a bank's balance sheet and is the primary cause of bank failure; policies fall into three categories: limiting/reducing credit risk, classifying assets by credit risk exposure and collectability, and creating provisions for potential losses. Regulators focus on exposure to a single customer, related-party financing, and overexposure to a sector or geographic area; many countries cap single-client exposure at 10%–25% of capital; collateral should not be considered when sizing risk exposures; related-party limits are typically a percentage of Tier 1 capital.
- loan portfolio reviews — random sample covering at least 75% of the portfolio by dollar amount, at least 30% of the number of loans, at least 50% of the number of foreign loans, and all loans with a maturity greater than one year; plus all loans to single clients exceeding 5% of bank capital, all related-party and shareholder loans, all loans whose terms have changed since inception, all loans delinquent beyond 30 days, and all loans classified substandard, doubtful, or loss.
- asset classification — standard (pass), specially mentioned (watch), substandard (over 90 days delinquent), doubtful (over 180 days delinquent unless sufficiently secured), and loss (over one year delinquent unless sufficiently secured); nonperforming loans produce no income and are typically those with no interest or principal payments after 90 days.
- provisions and reserves — loan loss provisions are resources set aside for potential losses; loan loss reserves are accumulated provisions recorded on the financial statements; both normally count as Tier 2 capital.
- expected loss — EL = PD × LGD × EAD; PD considers who the bank lent to, LGD considers the product used, and EAD considers how long it has been since the loan was initiated. Unexpected loss is the loss not captured by the EL formula, typically a tail event (99th percentile).
- IFRS 9 — effective January 1, 2018, replacing the IAS 39 incurred loss model with a three-stage expected loss model: Stage 1 performing assets, 12-month expected loss, effective interest on the gross amount; Stage 2 assets with any level of delinquency, lifetime expected loss, effective interest on the gross amount; Stage 3 nonperforming assets, lifetime expected loss, effective interest on the net (carrying) amount.
- workout and loss assets — four steps applicable in any order: collect additional capital, collateral, or guarantees; work with the borrower on improvements; introduce a third party as a joint-venture partner or takeover; liquidate through an out-of-court settlement. Retention (British tradition) allows time for collection and makes loss reserves appear larger; write-off (U.S. model) removes losses from the reserves account immediately and makes reserves appear smaller relative to the portfolio.
- capacity review — the board is ultimately responsible; reviews cover the lending process (including interviews with all midlevel managers and the volume of applications appraised versus approved over the previous 6–12 months), staffing (numbers, ages, experience, responsibilities, and training), and information flows (timely, accessible, high quality, cost effective).
📝 本章自测 · Self-Check
以下为自编练习题（非真题）：题干保留英文考试形态，解析为中文——先自己判断，再点开核对。共 4 题。
Q1. Which of the following best describes the three lines of defense in an effective risk governance framework?
第一道＝业务负责人（风险的拥有者与管理者）；第二道＝企业风险管理、合规、法务（制定政策流程并监督第一道）；第三道＝内外部审计与审计委员会（提供独立监测评估）（B）。A 把第一道与第三道对调；C 错——CRO 属于风险职能（第二道体系），CEO 的职责是确保治理制度建立，二者都不是第一道；D 错——审计是第三道，而监管机构不在三道防线框架之内。
Q2. A bank has extended a $2,500,000 committed facility to a corporate borrower. Its internal model estimates a 1.6% probability of default, a 40% loss given default, and an exposure at default of $1,800,000. The expected loss on this exposure is closest to:
EL＝1.6% × 40% × $1,800,000 ＝ 0.64% × $1,800,000 ＝ $11,520（C）。错法路径：D＝1.6% × 40% × $2,500,000——把承诺额度当成 EAD，忽略了 EAD 是「违约时的敞口」而非「可动用的总额度」；B＝1.6% × $1,800,000——漏乘 LGD；A＝40% × $1,800,000——漏乘 PD，把「违约后损失率」当成了预期损失。
Q3. Which of the following statements about the three-stage expected loss model is most accurate?
Stage 1＝正常履约资产 → 12 个月预期损失、实际利率按总额（A）。B 错：Stage 2 的门槛是任何程度的逾期（尚未不良）；C 错：Stage 3 用存续期预期损失（不是 12 个月），只是利率基数换成净额；D 错：Stage 1 用的是 12 个月，只有 Stage 2 与 Stage 3 才是存续期口径。
Q4. Bank A retains loss assets on its balance sheet and continues collection efforts, whereas Bank B writes off loss assets immediately. Relative to Bank B, Bank A's loan loss reserves will most likely appear:
保留（英式传统）把损失资产留在准备金账户里、留出时间催收，因此准备金相对贷款组合显得更大（D）；核销（美式模式）立即把损失从准备金账户中移除，准备金因此显得更小。A 把两种方法的效果说反；B 错——教材正是把两者的报表差异作为判别点；C 是臆造规则：保留不等于「把资产减记后又调回面值」。
3. 银行资本结构与 EL/UL：经济资本 Capital Structure in Banks
要点：三个风险因子 PD / EA(EAD) / LR(LGD) 与 EA 的取数口径 · 预期损失 EL = EA×PD×LR · 非预期损失 UL 与两状态二项方差 σ_PD²=PD(1−PD) · 组合 EL 可加 vs 组合 UL 不可加（含相关系数交叉项）· 风险贡献 RC 与 RC₁+RC₂=UL_P 校验 · 可分散 / 不可分散风险 · 相关性对组合 UL 的影响与相关对数 n(n−1)/2 · 准备金管 EL、经济资本管 UL：economic capital = UL_P × CM（置信水平 99.97%）· 损失分布：贝塔分布与尾部蒙特卡洛 · 自下而上量化信用风险的三项局限
本章是本模块的计算地基：把「预期损失」与「非预期损失」从概念变成能算的公式，再推到银行真正要拿多少钱出来兜底——经济资本。第 2 章已经给出 EL = PD×LGD×EAD 的口径，本章补上它的波动项（UL），并解释为什么组合风险远小于单笔风险的简单加总。
- ① 一条主线：EL 是「平均会亏多少」——可定价（写进利率）、可用准备金覆盖；UL 是「围绕平均值的波动」——无法靠定价覆盖，必须用资本兜。银行算经济资本，本质就是算组合 UL 再乘一个从损失分布里读出来的乘数。
- ② EL 可加、UL 不可加：组合 EL = 各资产 EL 之和（线性相加）；组合 UL 却含相关系数交叉项，多数情况下显著小于各资产 UL 之和——这就是分散化效应，也是「风险贡献 RC」存在的原因：单笔资产对组合风险的边际增量，远小于它自身的 UL。
- ③ UL 只是敞口的一个「分数」：UL 公式根号里每一项都 ≤ 1，所以 UL/EA 通常只是个小百分比（教材例是 5%）。极端情形——违约与回收都确定（σ 全为 0）——UL = 0，此时 EL 变成确定值。
- 一句话主线：EL = EA×PD×LR（管定价与准备金）；UL = EA×√(PD·σ_LR² + LR²·σ_PD²)（管资本）；经济资本 = UL_P × CM。
关键术语：probability of default (PD)违约概率（又称 EDF）、exposure amount (EA)敞口金额（= EAD）、loss rate (LR)损失率（= LGD）、expected loss (EL)预期损失、unexpected loss (UL)非预期损失、credit migration信用迁移、risk contribution (RC)风险贡献（= ULC）、economic capital经济资本、capital multiplier (CM)资本乘数、beta distribution贝塔分布。
3.1 计算经济资本的三个风险因子：PD / EA / LR
算一笔信用资产的资本占用，输入只有三个量。注意三者的分工：PD 回答「会不会违约」、EA 回答「违约时欠多少」、LR 回答「违约时亏掉多少比例」。
| 因子 | 别名 | 含义 | 单位 / 口径 |
|---|---|---|---|
| PD 违约概率 | expected default frequency (EDF) | 借款人发生违约的可能性 | 百分比 |
| EA 敞口金额 | exposure at default (EAD) | 以金额表示的损失敞口（例如未偿贷款余额） | 美元金额；也可表示为贷款名义额的百分比，或信贷额度最大可用额的百分比 |
| LR 损失率 | loss given default (LGD) | 借款人违约时预计损失的比例 | 百分比；恒有 LR = 1 − 回收率 RR |
考场口径：PD 不是债权人唯一关心的事
- PD 单独不够用：借款人可能短暂违约后迅速补正——补付款项，或支付利息与罚息。债权人因此必须在 PD 之外再看别的度量。
- 严重程度与可能性同等重要：「违约只是短暂且无损失」与「违约永久且损失惨重」，对债权人的含义完全不同——这就是 LR 存在的理由。
- LR 与 RR 一体两面：既然 LR = 1 − RR，那么任何影响 LR 的因素，必然反向影响回收率。
- EA 取数要当心：承诺额度（commitment）≠ 当前未偿额（outstanding）。算 EL / UL 用的是风险敞口，通常取未偿余额——教材例里承诺 $2,000,000、实际未偿 $1,800,000，代入的是 $1,800,000。
3.2 预期损失 EL：可定价的那一部分 ⭐ 必背
定义：预期损失是银行已计入资产负债表的风险资产价值的预期恶化——即「平均而言会亏掉多少」。
EA = 敞口金额（违约时的风险敞口）；PD = 违约概率；LR = 损失率（= 1 − 回收率）。三者相乘即该资产的平均损失。
EL 描述资产的平均行为：资产价值会围绕这个平均值上下波动。到期时多数情形并不违约，但少数情形一旦违约就带来大幅贬值——EL 本身并不刻画这种波动。波动被单独定义为非预期损失（UL）。
非预期损失的两个来源
- ① 违约的发生（incidence of default）：即便是最安全的借款人，违约概率也严格为正。它可用历史数据估计（评级机构走的就是这条路），也可用基于「公司期权观」的模型估计——把股权看作以债务为行权价的看涨期权（Merton 模型，见第 4 章）。
- ② 信用迁移（credit migration）：借款人信用状况可能恶化——未必立即违约，但违约概率上升；也可能反向改善。迁移本身就会改变资产价值，从而产生非预期损失。
教材例：单笔贷款的 EL
| 项目 | 数值 |
|---|---|
| 总承诺额度 total commitment | $2,000,000 |
| 当前未偿额 currently outstanding（= EA） | $1,800,000 |
| 违约概率 PD | 1% |
| 损失率 LR | 40% |
| PD 的标准差 σ_PD | 10% |
| LR 的标准差 σ_LR | 30% |
EL = $1,800,000 × 0.01 × 0.40 = $7,200。注意 σ_PD 与 σ_LR 是给定输入，不是从 PD、LR 推出来的——它们是算 UL 用的第二个维度。
3.3 非预期损失 UL 与两状态二项方差 ⭐ 必算
定义：UL 是预期损失的波动——即风险资产价值在 H 时点上的标准差。既然 UL 刻画的是「潜在损失的变异性」，直接套标准差的定义即可：UL_H ≡ √var(V_H)，其中 V_H 是 H 时点的资产价值。
σ_LR = 损失率的标准差；σ_PD = 违约概率的标准差。公式最外层的 EA 明确表示：只有资产的风险部分才暴露于违约。
假定违约只有「违约 / 不违约」两状态，则违约概率就是二项随机变量，其方差即 PD(1−PD)。
两个必须记住的观察
- ① UL 只是敞口的一个分数：根号里每一项都 ≤ 1，因此 UL 必然只是总敞口金额的一部分，不会等于、更不会超过 EA。
- ② 极端情形 UL = 0：若违约（σ_PD = 0）与回收（σ_LR = 0）都确定已知，UL 就等于 0——这同时反证了此时 EL 是常数且确定已知的。换句话说：EL 的不确定性才是 UL 的来源。
续教材例：UL = $1,800,000 × √(0.01 × 0.30² + 0.40² × 0.10²) = $1,800,000 × √(0.0009 + 0.0016) = $1,800,000 × 0.05 = $90,000，即敞口金额的 5%（$90,000 / $1,800,000）。
3.4 组合 EL 可加，组合 UL 不可加 ⭐ 核心
把单笔资产放进组合，两件事立刻不对称：EL 线性可加，UL 不能直接加。
ρ_ij = 资产 i 与资产 j 的违约相关系数；对角线 ρ_ii = 1。特例：当所有 ρ_ij = 1（i ≠ j）时，UL_P 才等于各资产 UL 之和；多数情况下 UL_P 显著小于各 UL 之和。
单笔资产对组合风险的贡献，要用 UL_P 对 ULᵢ 的偏导数刻画——这就是风险贡献（risk contribution, RC），也叫非预期损失贡献（ULC）：
微分后的结果：RCᵢ 隔离出「把资产 i 加进现有组合」所增加的增量风险。
RC₂ = UL₂ × ( UL₂ + ρ₁₂ × UL₁ ) / UL_P
恒等式：RC₁ + RC₂ = UL_P。这是校验算错的最后一道关——两个 RC 加不回 UL_P，就一定有地方错了。
教材例：两资产组合（相关性 ρ = 0.3）
| 项目 | 资产 A | 资产 B |
|---|---|---|
| 敞口 EA | $8,250,000 | $1,800,000 |
| PD | 0.50% | 1.00% |
| LR | 50.00% | 40.00% |
| σ_PD | 7.05% | 10% |
| σ_LR | 25.00% | 30.00% |
五步走（每一步都可单独被考）：
| 步骤 | 计算 | 结果 |
|---|---|---|
| ① EL | EL_A = 8,250,000 × 0.005 × 0.50；EL_B = 1,800,000 × 0.01 × 0.40 | $20,625；$7,200 |
| ② UL | UL_A = 8,250,000 × √(0.005×0.25² + 0.50²×0.0705²)；UL_B = 1,800,000 × √(0.01×0.30² + 0.40²×0.10²) | $325,333；$90,000 |
| ③ EL_P | 20,625 + 7,200 | $27,825 |
| ④ UL_P | √(325,333² + 90,000² + 2 × 0.3 × 325,333 × 90,000) | $362,642 |
| ⑤ RC | RC_A = 325,333 × (325,333 + 0.3×90,000)/362,642；RC_B = 90,000 × (90,000 + 0.3×325,333)/362,642 | $316,084；$46,558（合计 = $362,642 ✓） |
相关性一变，只动 UL，不动 EL
把 ρ 从 0.3 降到 0.1：EL_P 仍为 $27,825（相关性不影响单个资产，自然不影响可加的 EL）；但 UL_P 降到 $346,118。
口径要点：相关性只作用于波动项。组合越分散（相关性越低），同样的 EL 需要越少的资本去兜底——这就是分散化的经济价值。
3.5 可分散风险、不可分散风险与相关性
一笔资产单独持有时，同时承担两种风险：可分散风险（公司特有 firm-specific）与不可分散风险（市场 market）。放进组合后，前者在大组合里被有效降到零——各资产的特有风险有好有坏、互相抵消；剩下的不可分散风险就是残余信用风险，也正是上面算出来的风险贡献。
相关性为什么是关键
- 相关性上升 = 集中度风险上升：资产间相关性越高，一笔资产违约（比如源于共同的行业因素）就越会溢出到其他资产，把问题放大。
- 可靠的违约相关性极难得到，原因有两个：① 无关借款人之间的违约相关性极难评估；② 即便对估计有信心，计算量也大到不可管理。
- 算量有多大：20 笔资产的组合要算 190 对相关性；100 笔资产要算 4,950 对——即 n(n−1)/2 个协方差。
教材用两资产组合演示相关性对 EL / UL 的影响，并特意提示：即便只有两笔资产，完整流程也已经相当冗长——这正是实务中必须依赖模型与模拟、而不是手工逐对计算的原因。
3.6 经济资本与资本乘数 ⭐ 结论落点
EL 是风险资产贬值的最佳估计；但前面的例子已经显示，UL 可以远超 EL（$90,000 对 $7,200，相差 12.5 倍）。若准备金不足，银行就可能陷入受损状态。因此银行必须持有资本储备来缓冲非预期损失，才能在大额损失后继续经营。
准备金管 EL，资本管 UL
- EL → 信用准备金（credit reserves）：银行为预期损失计提准备金。
- UL → 经济资本（economic capital）：银行为非预期损失估计所需的超额资本储备；这个「超额资本」就是经济资本。
这个数怎么定？吸收信用损失所需的经济资本 = 在给定置信水平下，「非预期（负向）结果」与「预期结果」之间的距离。知道损失分布的形状、EL_P 与 UL_P，就能估计预期结果与置信水平（实务通常取 99.97%）之间的差；这个差可以表示为组合 UL 的倍数——即资本乘数（capital multiplier, CM）。
CM 由损失分布在目标置信水平处的尾部形状决定；UL_P 由 3.4 的公式给出。两者相乘即该组合需要的经济资本。
3.7 损失分布怎么建模：贝塔分布与尾部模拟
估经济资本时，我们真正关心的是损失分布的尾部。而信用风险不服从正态分布，它高度偏斜：收益上限被锁定在「收到承诺付款」，而极端损失虽然罕见、一旦发生却极大。
为什么用 beta 分布
- 取值域天然匹配：beta 分布的质量落在 0 与 1 之间，正好用来建模「损失占敞口的比例」——损失定义在 0% 到 100%。
- 形状极灵活：由两个形状参数决定，可对称也可偏斜；当两个形状参数相等时分布对称，其均值与方差分别就是 EL_P 与 UL_P。
- 尾部最难：实务上拟合尾部，常把 beta 分布与蒙特卡洛模拟结合使用。
3.8 自下而上量化信用风险的三项局限
这套「自下而上」的风险计量框架并非没有代价，教材明确列出三项局限：
- 信用被假定为不流动资产：在自下而上框架里，信用损失按其对信用组合的风险贡献度量，不像流动市场那样受风险因子之间的相关性影响。
- 估计期通常只有一年：实务模型大多采用一年估计期；理想上应纳入借款人信用质量在多年间的预期与非预期变化，但实务上非常困难。
- 风险被部门化拆分：操作风险、市场风险与信用风险被分开处理，由银行不同部门分别管理与度量——这使跨风险的综合视角变得困难。
三项局限合起来指向一个结论：自下而上的信用风险计量是近似，不是精确解；它的价值在于把「需要多少资本」变成可比较、可加总、可分解到单笔资产的语言。
- three risk factors — probability of default (PD, also called expected default frequency); exposure amount (EA, also called exposure at default, stated as a dollar amount or as a percentage of the nominal loan or the maximum amount available on a credit line); and loss rate (LR, also called loss given default), where LR = 1 − recovery rate. PD alone is not sufficient: a borrower may default briefly and then cure the default by paying interest or penalties.
- expected loss — EL = EA × PD × LR, the anticipated deterioration in the value of a risky asset. EL describes the average behavior of the asset; it does not capture the variation in value, which is the unexpected loss.
- sources of unanticipated loss — the incidence of default (positive for even the safest borrowers; estimable from historical data or from option-theoretic models such as the Merton model) and credit migration (deterioration, or improvement, in the borrower's creditworthiness).
- unexpected loss — UL = EA × √(PD × σ_LR² + LR² × σ_PD²), where UL_H ≡ √var(V_H). Assuming a two-state model, σ_PD² = PD × (1 − PD). Because each term under the radical is at most one, UL is only a fraction of the exposure amount; when default and recovery are known with certainty (σ_PD² = σ_LR² = 0), UL equals zero and EL is constant and known.
- portfolio measures — EL_P = Σ EL_i is additive. UL_P = √(Σ_i Σ_j ρ_ij UL_i UL_j) is not; UL_P is usually significantly less than the sum of individual ULs, and equals the sum only when every ρ_ij = 1 (i ≠ j). Risk contribution: RC_i = UL_i × (Σ_j UL_j ρ_ij) / UL_P; for two assets, RC₁ + RC₂ = UL_P.
- diversifiable vs. undiversifiable risk — an asset held in isolation bears both firm-specific (diversifiable) and market (undiversifiable) risk; in a large portfolio the diversifiable portion is reduced effectively to zero, leaving the residual credit risk (the risk contribution). Default correlations are hard to estimate between unrelated obligors, and the number of required calculations is unmanageable: 190 pairs for 20 assets and 4,950 pairs for 100 assets, i.e., n(n − 1)/2.
- economic capital — banks hold credit reserves against expected losses and economic capital against unexpected losses. Economic capital is the distance between the unexpected (negative) outcome and the expected outcome at a given confidence level (typically 99.97%), expressed as a multiple of portfolio UL: economic capital_P = UL_P × CM, where CM is the capital multiplier.
- loss distribution — credit risks are not normally distributed but highly skewed; in practice a beta distribution is commonly applied, with losses defined between 0% and 100%. When its shape parameters are equal the distribution is symmetric, with mean and variance equal to EL_P and UL_P. Fitting the tail often combines the beta distribution with Monte Carlo simulation.
- challenges — credits are presumed illiquid (losses measured by risk contribution, not influenced by risk-factor correlations as in liquid markets); models typically rely on a one-year estimation horizon although multi-year credit-quality changes would be preferable; and operational, market, and credit risk are separated and managed in different departments.
📝 本章自测 · Self-Check
以下为自编练习题（非真题）：题干保留英文考试形态，解析为中文——先自己判断，再点开核对。共 4 题。
Q1. Which of the following statements about expected loss (EL) and unexpected loss (UL) is most accurate?
UL 是预期损失的波动（标准差）：公式根号里每项 ≤ 1，所以 UL 只是敞口金额的一个分数；若违约与回收都确定已知（σ_PD = σ_LR = 0），UL 就等于 0，此时 EL 是常数且确定。错法路径：A 把两个定义对调（「围绕均值的波动」是 UL、「平均贬值」是 EL）；C 错在方向——UL 通常大于 EL（教材例：EL $7,200、UL $90,000），且分散化降低的是组合 UL，不会让单笔资产的 UL 低于其 EL；D 错在输入集——UL 额外含 σ_LR、σ_PD 两个波动项，EL 只有 EA×PD×LR，二者不是同一组参数。
Q2. ABC Bank holds a loan with a total commitment of $5,000,000, of which $4,000,000 is currently outstanding. The bank estimates a 2% probability of default, a 50% loss rate, a standard deviation of the loss rate of 25%, and a standard deviation of the probability of default of 14%. The loan's unexpected loss is closest to:
UL = EA × √(PD × σ_LR² + LR² × σ_PD²)，其中 EA 取当前未偿额 $4,000,000（不是承诺额度）：√(0.02 × 0.25² + 0.50² × 0.14²) = √(0.00125 + 0.0049) = √0.00615 = 0.0784219，× $4,000,000 = $313,688。错法路径：A = $4,000,000 × √(0.02 × 0.25²)（漏掉 LR²·σ_PD² 这一项）；B = $4,000,000 × √(0.50² × 0.14²)（漏掉 PD·σ_LR² 这一项）；D 用承诺额度 $5,000,000 代替未偿额。
附带核对：EL = $4,000,000 × 0.02 × 0.50 = $40,000（若误用承诺额度会算成 $50,000）；σ_PD = 14% 与两状态二项假设一致——√(0.02 × 0.98) = 0.14。
Q3. A two-loan portfolio has an unexpected loss of $500,000 on loan A and $300,000 on loan B, and the default correlation between the two loans is 0.5. The portfolio's unexpected loss is closest to:
UL_P = √(UL_A² + UL_B² + 2ρ × UL_A × UL_B) = √(500,000² + 300,000² + 2 × 0.5 × 500,000 × 300,000) = √(250 + 90 + 150)×10⁹ = √490×10⁹ = $700,000。错法路径：A 把两个 UL 直接平均（(500,000 + 300,000)/2）——没有任何公式依据；B 漏掉相关系数交叉项、按 ρ = 0 计算（√(250 + 90)×10⁹ = $583,095）；C 直接相加、按 ρ = 1 计算——那只是完全相关的特例，仅当 ρ = 1 时才成立。
延伸校验：RC_A = 500,000 × (500,000 + 0.5 × 300,000)/700,000 = $464,286；RC_B = 300,000 × (300,000 + 0.5 × 500,000)/700,000 = $235,714；两者相加 = $700,000 ✓。
Q4. Which of the following statements about a bank's economic capital for credit risk is most accurate?
经济资本 = UL_P × CM；CM 是把「预期结果与目标置信水平（实务通常 99.97%）之间的差距」表示为组合 UL 倍数的结果（A）。错法路径：B 把分工说反——信用准备金管预期损失、经济资本管非预期损失；C 错在分布假设——信用损失高度偏斜、并非正态，实务常用 beta 分布、尾部再配蒙特卡洛模拟；D 错在把局限当优点——一年估计期是实务惯例，恰恰是本章列出的三项局限之一，理想上应纳入借款人信用质量在多年间的变化。
4. 信用风险建模与评估 Introduction to Credit Risk Modeling
要点：CAMEL 五要素评估体系（资本 / 资产质量 / 管理 / 盈利 / 流动性）· 信用风险量化因子 PD（90 天违约口径）/ EAD / LGD 与 RR = 100% − LGD% · 资本充足率 CAR = 资本 / 风险加权资产 ≥ α · 两条 RWA 推导路径：标准化法 vs 内部评级法（IRB）与渐进单因子 ASFR 模型 · IRB 资本函数 K、资产相关系数 R、期限调整 β = [0.11852 − 0.05478·ln(PD)]² · 巴塞尔 III 的六项强化 · 预测违约的三条路径：判断法（5C）/ 实证模型 / 财务模型（结构化 vs 简化式）· Merton 模型：以资产为标的的看涨期权、E = A·N(d₁) − L·e^(−rT)·N(d₂)、风险中性 PD = N(−d₂)、真实 PD 与违约距离 DD · 四模型分工：Merton / Moody's KMV / CreditMetrics / CreditRisk+ · RAROC：贷款收入、资本在险与未预期贷款损失
本章是本模块的工具箱章：三条线回答三个不同的问题——监管视角（CAMEL、CAR/RWA）回答「这家银行健不健康」；模型视角（判断 / 实证 / 财务三路，以及 Merton 与三个商用模型）回答「违约概率怎么估」；绩效视角（RAROC）回答「这笔贷款到底赚不赚」。
- ① 三种评估路径的边界是最高频考点：判断法靠专家经验（个人与企业贷款都能用）、实证模型靠历史数据（也都能用）、财务模型靠金融市场数据（只能用于企业借款人）。记住这条分界线，一大类题就能秒杀。
- ② 四个模型各修一块短板：Merton 用期权定价但只看短期债务；KMV 补上「一半长期债务」并用历史数据自建违约频率分布；CreditMetrics 走评级转移矩阵 + 同伴比较、本质是市值计价模型；CreditRisk+ 不建评级、只算违约事件，数据需求最小（泊松分布）。
- ③ 三个公式三条用途：EL = PD × EAD × LGD 是模型的输出；CAR = 资本 / RWA ≥ α 是监管的约束；RAROC = 贷款收入 / 资本在险 是定价的裁决——RAROC 高于银行自身资金成本，贷款才值得做。
- 一句话主线：CAMEL 看健康 → EL 三要素定量 → CAR 约束资本 → 三条路径估 PD → 四个模型选工具 → RAROC 定取舍。
关键术语：CAMEL资本充足 / 资产质量 / 管理 / 盈利 / 流动性五要素、capital adequacy ratio (CAR)资本充足率、risk-weighted assets (RWA)风险加权资产、internal ratings-based (IRB)内部评级法、asymptotic risk factor (ASFR)渐进单因子模型、5C analysis品格 / 能力 / 资本 / 抵押品 / 条件、structural model结构化模型（违约内生）、reduced-form model简化式模型（违约外生随机）、distance to default (DD)违约距离、rating transition matrix评级转移矩阵、risk-adjusted return on capital (RAROC)风险调整后资本回报率、capital at risk资本在险。
4.1 银行财务健康评估：CAMEL 五要素
信用风险管理的分析工具很多，最常用的一套叫 CAMEL——用五个维度给银行打分，从而看出它的信用风险暴露。
| 字母 | 要素 | 看什么（教材口径） |
|---|---|---|
| C | Capital adequacy 资本充足 | 监管设定的最低资本储备，所有银行都必须维持；分析要同时看历史与当前的头寸。 |
| A | Asset quality 资产质量 | 贷款是否正常履约、有无逾期迹象；并结合银行资产看利率风险与流动性风险。 |
| M | Management 管理 | 银行风险管理架构的质量：业务战略、财务表现、内部控制与政策。 |
| E | Earnings 盈利 | 复核核心盈利：盈利的稳定性、净息差、资产回报率、未来盈利潜力，并留意压力经济事件的预期冲击。 |
| L | Liquidity 流动性 | 利率风险对银行投资的影响 + 流动性风险的影响；目标是判断银行是否存在短期流动性事件危及存续。 |
易错点：五要素的边界
- 「逾期贷款」归 A，不归 L：资产质量看的是贷款履约状态与逾期迹象；流动性看的是短期流动性风险（虽然也考虑利率风险）。
- 「盈利稳定性 / 净息差 / ROA」归 E，不要与 M（管理架构质量）混为一谈。
- CAMEL 是五个字母：capital、assets、management、earnings、liquidity——management 不能被漏掉。
4.2 信用风险量化因子与预期损失
信用风险模型的主要输出，是「在给定期间（通常一年）内的预期损失估计」。EL 仍是三要素之积：
| 因子 | 含义 | 本读口径 |
|---|---|---|
| PD 违约概率 | 借款人不按计划还款的可能性 | 此处「违约」定义为付款延迟 90 天或以上；以百分比表示 |
| EAD 违约敞口 | 违约时点的风险敞口 | 以美元金额表示，受贷款特征影响：有的贷款本金稳定，有的（如信用卡贷款）本金会波动 |
| LGD 违约损失率 | 完全违约时预计损失的比例 | 互补概念：回收率 RR = 100% − LGD%；可由借款人特征辅助估计——企业贷款受借款人规模、所属行业、整体财务状况影响 |
4.3 资本充足率 CAR 与风险加权资产 RWA ⭐ 必算
银行必须始终持有足够资本去匹配其资产的风险。衡量口径就是资本充足率：
「资本」含 Tier 1 与 Tier 2 资本；RWA 是银行资产按风险水平加权后的加权平均；α 为监管最低值（例如巴塞尔 II 下 8%、巴塞尔 III 下 10.5%）。
推导 RWA 的两条路
| 方法 | 做法 | 优点 / 代价 |
|---|---|---|
| 标准化法 standardized approach | 监管当局为各类资产预设权重 | 易于落地；但基于银行外部数据，权重为对冲方法本身的不确定性而设得偏高 → 对银行而言成本更高 |
| 内部评级法 internal ratings-based (IRB) | 为每家银行定制，需要基于历史数据的复杂建模；把内部信用评分与历史数据结合来估计 PD 与 LGD | 更贴合自身资产；RWA 用渐进单因子（ASFR）模型计算——假定信用组合已充分分散，不留任何特异性风险，只剩系统性风险 |
在 IRB 下，ASFR 模型允许逐笔计算资本要求，再汇总到组合层面。单笔公司借款人的 RWA：
N = 标准正态累积分布函数，N⁻¹ 为其反函数。K 是 PD、LGD、贷款期限 M、资产相关系数 R 与期限调整 β 的函数。
R 与 β 的方向性（只记方向）
- 资产相关系数 R（由巴塞尔委员会设定，反映借款人对总体经济状态的依赖）：PD 上升 → R 下降（意味着高 PD 伴随更高的特异性风险潜力）；企业规模上升 → R 上升（大企业更受总体经济影响，小企业更可能因特异性原因违约）。
- 期限参数 β 同时受贷款期限与 PD 影响：长期借款人风险更高（更可能被降级）→ 资本要求应随期限上升；低 PD 借款人的降级潜力高于高 PD 借款人 → 期限调整对低 PD 借款人应更高。
巴塞尔 III 的强化：把 CAR 门槛从巴塞尔 II 的 8% 提高到 10.5%；新增流动性与杠杆要求；专门强调衍生品与证券化产品的交易对手风险；并引入新的风险管理框架，包括针对极端市场波动的压力测试、模型验证，以及在波动环境中提升现实预期的测试方案。
4.4 预测违约的三条路径：判断法 / 实证模型 / 财务模型 ⭐ 高频
评估违约可能性有三条主要路径：判断法、数据驱动的实证模型、理论驱动的财务模型。三者的差异在于所需输入数据、适用范围与可应用广度。
| 路径 | 别名 | 输入 | 适用范围 |
|---|---|---|---|
| 判断法 judgmental | 定性法 / 专家系统 | 专家（如信贷风险官）提供的定性数据；公开财报、商业计划、行业与地区、市场与总体经济 | 个人与企业贷款均可 |
| 实证模型 empirical | 数据驱动 | 历史数据（已接受 / 已拒绝 / 正常履约 / 已违约的贷款），在违约概率与风险因子之间寻找非平凡关系；可来自内部数据库，也可来自信用评级机构与外部数据商；可借助机器学习挖掘高度复杂的非线性关系 | 个人与企业贷款均可 |
| 财务模型 financial | 市场模型 | 金融市场数据（信用衍生品与债券的市场数据）；基于规范的经济与金融理论 | 只能用于企业借款人 |
判断法的 5C 分析
- Character 品格：借款人的个性 / 品性。
- Capacity 能力：借款人及时还款的能力。
- Capital 资本：借款人自有资本在该交易中承担风险的数量。
- Collateral 抵押品：为贷款提供担保的次级来源。
- Conditions 条件：经营环境与贷款特有的特征。
判断法的适用场景与代价
- 什么时候最有价值：缺乏足够历史数据时——典型是项目融资。很多项目独一无二，很难找到可比的历史样本，此时信贷分析师的经验能增加分析价值。
- 代价：虽然流程通常结构良好且系统化，但它依赖专家判断而非实证理论；因此难以验证输出质量、难以快速随条件变化更新、也难以评估单个借款人对整个信用组合的影响。它既不透明也不一致——但对高度独特的贷款类型仍可能是好选择。
实证模型的优势与弱点
- 优势：相比判断法，增加了透明度与一致性；模型结构本身与预测力都可被实证验证；可解析地探索假设关系；市场数据可实时更新以适应条件变化；可针对特定市场板块做调整；数据输入的广度使其个人与企业贷款都能用。
- 弱点：依赖历史数据，可能无法正确预测未来结果——在高不确定性与高波动时期尤其如此；即便市场数据能实时更新，并非所有输入都能——财务报表数据可能只有季度频率，这种复核频率不如判断法及时。
财务模型基于规范的经济与金融理论，因依赖市场数据而被称为「市场模型」，也因此只能用于企业借款人。它分两类：结构化模型——违约是内生过程，由企业自身结构特征驱动（如 Merton 模型）；简化式模型——违约由外生的随机事件驱动（如泊松跳跃过程），主要输入来自信用衍生品与债券的市场数据。
4.5 Merton 模型：把股权看成以资产为标的的看涨期权 ⭐ 核心
Merton 模型是一个期权定价模型：它把借款人的资本结构看作以企业资产为标的的看涨期权——股东是期权的买方，债权人是期权的卖方。债权人暂时「拥有」公司的一部分，而股东有权通过还清或再融资把贷款「买回来」。
极简设定
- 企业只有一笔面值 L、在 T 时刻到期的贷款。
- 只有当企业资产的市场价值 A_T > L 时，股东才有经济动机还债；否则企业净值为负。
- 股东净值 = max(A_T − L, 0) —— 这正是行权价为 L、到期标的价格为 A_T 的看涨期权的到期支付函数。
d₂ = d₁ − σ_A × √T
A = 企业资产的当前市场价值；r = 无风险利率；N(·) = 标准正态累积分布函数；σ_A = 资产收益率的波动率。
未知量与已知量
- 未知（要求解）：资产当前价值 A 与资产收益波动率 σ_A。
- 已知：股权市场价值 E（借款人的市值）、股权波动率 σ_E（用历史市场数据估计）、到贷款全部偿还的时间 T、债务面值 L（实务中常取借款人资产负债表上的短期债务）、无风险利率 r（当前国库券收益率）。
- 解题思路：用历史市场数据解出 E 与 σ_E，再据此反解 A 与 σ_A。
本质上就是「股东不会行使还款期权」的概率。该分析假定企业资产按无风险利率增长。
把无风险利率 r 换成企业资产的预期收益率 μ（常用资产价值的历史变化率定义），即得真实世界口径的 PD。
违约距离＝企业资产距离债务面值 L 还有多少个标准差。它正是真实 PD 公式里方括号内的内容——DD 越大，PD 越小。
Merton 模型的软肋
它给出了一个非常有用的计算框架，但只着眼于企业的短期债务——这是它最值得记住的局限（也正是下一个模型要修补的地方）。
4.6 四个模型怎么分工：Merton / KMV / CreditMetrics / CreditRisk+ ⭐ 高频
| 模型 | PD 怎么来 | 关键设定 | 记住它的理由 |
|---|---|---|---|
| Merton | 期权定价（结构化模型） | 用标准正态分布；违约点 L = 仅短期债务 | 把股权当看涨期权；能算出 PD 与违约距离 |
| Moody's KMV（EDF） | 在 Merton 基础上改造 | ① 用历史数据构造违约频率分布（而非标准正态）；② 违约点 L = 全部短期债务 + 一半长期债务 | 把部分长期债务纳入，更贴近借款人真实的债务义务 |
| CreditMetrics | 同伴集合分析（与同类借款人的违约记录比较） | 用评级转移矩阵刻画违约率随时间的变化；本质是市值计价（mark-to-market）模型 | 输入含借款人信用评级、评级转移矩阵与违约率、历史回收率、债券市场收益率价差 |
| CreditRisk+ | 只估计违约事件（不建评级） | 不考虑借款人资本结构（与 KMV 相反）；只看破产或信用恶化情形下的贷款；违约频率是连续随机变量，PD 很小且独立于其他信用事件 | 用泊松分布（均值＝方差）最合适；数据需求最小是它的关键优势 |
CreditMetrics 的三阶段与两处争议
- 三阶段：① 报告剖面——可整合定息债券、浮息债券、不良贷款、无息贷款、信用证、互换等市场工具；② 评级变动与违约带来的波动——转移矩阵显式考虑升级、降级与违约，每次评级迁移都会调整假定的风险溢价，从而改变每笔贷款的估值；③ 相关性——把单笔贷款估值汇总到组合层面，再估计组合价值波动与资产价格波动之间的简单相关性。
- 争议一：假定信用等级是同质的。
- 争议二：回收率按固定利率计算，未能反映这一关键变量自身的历史波动。
- 时点：分析期通常为一年，也有分析师用到 10 年。
- 定位澄清：CreditMetrics 不是评级工具——它通过提供能刻画单笔资产间关系的风险度量，让信用风险管理更系统化。
计算信用等级 i 下债券的价值：CF_it = 现金流（票息）；r_t = 无风险利率；s_it = 信用等级 i 的贷款在 t 时刻的年度风险溢价。本质上是调整后的现值公式。
4.7 RAROC：这笔贷款到底赚不赚 ⭐ 必算
银行必须权衡所接受贷款的风险—回报关系，这与传统信用风险分析互补。最常用的指标是风险调整后资本回报率（RAROC）——贷款收入与取得该贷款所需资本之比：
判据：RAROC 高于银行自身的资金成本，这笔贷款才被视为有利可图。
分子是贷款带来的收入（利息与本金偿还），显式考虑五项因素：利差 s（贷款利率与银行资金成本之差）、费用 f、估计的贷款损失 l、相关运营成本 c、相关税负 x。可形式化为：
l = 估计的贷款损失率；正常履约、无违约风险的贷款取 l = 0。
分母是资本在险（覆盖该笔贷款违约风险所需资本）。一种量化方法是取贷款价值在一个观察期（常为一年）内的变化——用意是捕捉利率变动的影响，这也是久期登场的理由：
L = 贷款价值；D = 久期；i = 当前利率；Δi = 利率的估计变化。
教材例：XYZ Bank 的一笔贷款
| 输入 | 数值 |
|---|---|
| 贷款价值 L | $1,000,000 |
| 手续费 / 佣金 f | 0.1% |
| 利差 s | 0.65% |
| 运营成本 c | 0.2% |
| 税率 x | 11.1% |
| 久期 D | 3.75 |
| 当前利率 i | 10.5% |
| 预期利率变化 Δi | +1.5% |
贷款收入 = $1,000,000 × (0.0065 + 0.001 − 0 − 0.002) × (1 − 0.111) = $4,889.50；资本在险（以价值变化近似）= −$1,000,000 × 3.75 × (0.015 / 1.105) = −$50,904.98；RAROC = 4,889.50 / 50,904.98 = 9.61%。只要银行自身的资金成本低于 9.61%，这笔贷款就是赚钱的。
分母的第二种算法：未预期贷款损失
- 用历史值而非市场型指标（如预期利率变化）来估资本在险：unexpected loan loss = α × LGD × EAD。
- α 是针对未预期违约率的调整系数，由历史违约率的分布推出。
- 若假定违约率分布为正态，则 99.5% 置信水平下应取 α = 2.6σ。
- 但多数贷款分布存在偏斜，因此更常见的是按贷款特征取更高的值（如 5 或 6）。
- CAMEL — capital adequacy (regulatory minimum capital reserve; consider historical and current positioning), asset quality (performing loans and signs of delinquency, along with interest rate and liquidity risk in relation to assets), management (quality of the risk management structure: business strategy, financial performance, internal controls and policies), earnings (core earnings: stability, net interest margin, return on assets, future earnings potential under stressed economic events), and liquidity (impact of interest rate risk on investments plus liquidity risk; potential for short-term liquidity events that could jeopardize viability).
- credit risk factors — the primary model output is expected loss over a set period, usually one year: EL = PD × EAD × LGD. PD is the likelihood that a borrower will not make scheduled payments, with default defined here as a payment delayed by 90 days or more. EAD is the risk exposure at the time of default, expressed as a dollar amount and influenced by loan characteristics (some principal levels are stable, others fluctuate, e.g., credit card loans). LGD is the percentage of the loan expected to be lost in the event of total default, with recovery rate RR = 100% − LGD%.
- capital adequacy ratio — CAR = capital / risk-weighted assets ≥ α, where capital comprises Tier 1 and Tier 2 capital and α is the regulatory minimum (e.g., 8% under Basel II and 10.5% under Basel III). Two methods derive RWA: the standardized approach prescribes predetermined supervisory weights (easy to deploy but based on external data, with high weights making it costlier for the bank), and the internal ratings-based approach is customized to each bank and requires sophisticated modeling using historical data, computing RWA with an asymptotic risk factor (ASFR) model that assumes the portfolio is diversified so that only systematic risk remains.
- IRB parameters — RWA = K × 12.5 × EAD, where K is the capital required as a function of PD, LGD, maturity (M), the asset correlation parameter (R), and the maturity adjustment (β) = [0.11852 − 0.05478 log(PD)]². Asset correlations decrease as PD increases (higher PD implies higher idiosyncratic risk potential) and increase with firm size (larger firms are more influenced by the broad economy; smaller firms default for idiosyncratic reasons). Capital requirements should increase with maturity, and maturity adjustments should be higher for low-PD borrowers.
- Basel III — raised the CAR threshold from 8% to 10.5%, added liquidity and leverage requirements, emphasized counterparty risk for derivatives and securitized products, and introduced stress tests for extreme market volatility, model validation, and a testing program.
- three approaches to default — judgmental (qualitative / expert system; relies on expert judgment and qualitative data; 5C analysis: character, capacity, capital, collateral, conditions; can be used for both consumer and corporate loans; most valuable when historical data is scarce, e.g., project finance; but neither transparent nor consistent, and hard to validate, update quickly, or assess single-borrower portfolio impact); empirical (uses historical data on accepted, rejected, performing, and defaulted loans, potentially with machine learning; adds transparency and consistency, can be empirically validated, updated in real time, and applied to specific sectors; but reliance on historical data may fail to predict the future, and some inputs such as financial statements are available only quarterly); and financial (based on normative economic and financial theory, hence "market models" using financial market data, and therefore usable only for corporate borrowers; split into structural models, where default is endogenous, e.g., the Merton model, and reduced-form models, where default is driven by a random exogenous event such as a Poisson jump process).
- Merton model — an option pricing model viewing the borrower's capital structure as a call option on the firm's assets, with shareholders as buyers and creditors as writers. Payoff = max(A_T − L, 0); equity value E = A N(d₁) − L e^(−rT) N(d₂), with d₁ = [ln(A/L) + (r + σ_A²/2)T] / (σ_A√T) and d₂ = d₁ − σ_A√T; equity volatility σ_E = σ_A A N(d₁)/E. The unknowns are asset value (A) and asset volatility (σ_A); known inputs include market value of equity (E), equity volatility (σ_E), time to repayment (T), face value of debt (L, often short-term debt in practice), and the risk-free rate (r). The risk-neutral probability of default is N(−d₂); substituting the expected return on assets (μ) for the risk-free rate gives the real-world PD, and the distance to default (DD) is the number of standard deviations the firm's assets are away from the face value of debt.
- model comparison — Moody's KMV Expected Default Frequency model differs from Merton in two ways: it uses historical data to develop the distribution of default frequencies rather than the standard normal distribution, and it defines the default point as all short-term debt plus half of long-term debt. CreditMetrics computes PD through peer set analysis, uses a rating transition matrix, and is effectively a mark-to-market model with inputs including the borrower's credit rating, the transition matrix, historical recovery rates, and bond market yield margins; its controversies are the assumption of homogeneous credit grades and recovery rates calculated using fixed interest rates, and it is not a rating tool. CreditRisk+ (developed by Credit Suisse in 1997) does not account for the borrower's capital structure, considers only loans in bankruptcy or a bad credit scenario, uses a continuous random variable for default frequency with a very small PD independent of other credit events, and is best modeled by a Poisson distribution, requiring the least data.
- RAROC — the ratio of loan revenues to capital at risk; a loan is profitable if RAROC exceeds the bank's cost of capital. Loan revenues = loan value × (s + f − l − c)(1 − x), where s is the spread between the loan rate and the bank's cost of capital, f is fees, l is estimated loan losses, c is operating costs, and x is taxation. Capital at risk may be estimated as the change in loan value, ΔL ≈ −L × D × Δi/(1 + i), or as the unexpected loan loss = α × LGD × EAD, where α reflects unexpected default rates (2.6σ at the 99.5% confidence level under normality, more commonly 5 or 6 given skewness).
📝 本章自测 · Self-Check
以下为自编练习题（非真题）：题干保留英文考试形态，解析为中文——先自己判断，再点开核对。共 4 题。
Q1. A bank examiner is reviewing the stability of a bank's core earnings, its net interest margin, and its return on assets, with attention to the anticipated effects of stressed economic conditions. This work falls under which component of the CAMEL framework?
教材对 E（Earnings）的口径正是：复核核心盈利，特别关注盈利稳定性、净息差、资产回报率与未来盈利潜力，并留意压力经济事件的预期影响。错法路径：B（资本充足）看的是监管最低资本储备与历史 / 当前头寸；C（资产质量）看贷款是否履约、有无逾期迹象——「逾期」归 C 不归 E；D（管理）看的是风险管理架构质量（业务战略、内控与政策），不是盈利指标本身。
Q2. ABC Bank holds a loan with a value of $2,000,000. It earns a commission of 0.20%, a spread over the bank's cost of capital of 0.55%, and incurs operating costs estimated at 0.25%; the applicable tax rate is 20%. The loan is expected to perform with no risk of default. The loan has a duration of 4.0, the current interest rate is 8.0%, and interest rates are expected to rise by 1.0%. The loan's risk-adjusted return on capital (RAROC) is closest to:
贷款收入 = $2,000,000 × (0.0055 + 0.0020 − 0 − 0.0025) × (1 − 0.20) = $2,000,000 × 0.005 × 0.80 = $8,000；资本在险 = −$2,000,000 × 4.0 × (0.01 / 1.08) = −$74,074.07；RAROC = 8,000 / 74,074.07 = 10.80%。错法路径：A 在久期近似里漏掉除以 (1+i)（ΔL 算成 −$80,000 → 8,000/80,000 = 10.00%）；C 在分子里漏掉手续费与运营成本（收入算成 2,000,000 × 0.0055 × 0.80 = $8,800 → 11.88%）；D 漏掉所得税（收入算成 $10,000 → 13.50%）。
Q3. Which of the following statements about credit risk models is most accurate?
Moody's KMV 与 Merton 的两处关键差异正是：① 用历史数据构造违约频率分布（而非标准正态）；② 违约点 L = 全部短期债务 + 一半长期债务，以更贴近实际债务义务（C）。错法路径：A 把工具装错模型——评级转移矩阵是 CreditMetrics 的核心，CreditRisk+ 不建评级、只看违约事件；B 把两处差异说反（用标准正态的是 Merton，用历史数据的是 KMV）；D 把对象搞混——只看破产 / 信用恶化情形的是 CreditRisk+，而 CreditMetrics 会汇总借款人的各类贷款并按评级迁移重估。
Q4. Which of the following statements about the three approaches to assessing the likelihood of default is most accurate?
判断法与实证法的数据输入广度，都允许它们同时用于个人与企业贷款（D）。错法路径：A 错在适用范围——财务模型依赖市场数据，只能用于企业借款人；B 与教材对判断法的评价正好相反——它既不透明也不一致，且难以验证输出质量、难以快速更新、难以评估单个借款人对整个组合的影响；C 把适用场景搞反——历史数据不足时恰恰是判断法（专家经验）最有价值（如项目融资），而实证模型依赖历史数据。
5. 信用评级与评分 Credit Scoring & Rating
要点：评分（scoring，数字分 300–850）vs 评级（rating，字母等级 AAA/AA/A/BBB）· 四项收益 · 内部自建 vs 外部供应商（S&P / Moody's / Fitch）· 两种评级哲学：穿越周期 TTC vs 时点 PIT · 发行人评级 vs 债项评级 · 行为评分 vs 利润评分（账户级 / 客户级）与社交借贷 · 评级机构五条规范要求（风险区分 / 持续评估 / 运营监督 / 指标选择 / 数据充分）· 评级开发五步法：数据收集预处理 → 模型拟合 → 模型验证 → 评级定义与验证 → 实施监控 · 企业客户七类输入 · 回测 / 走步测试 / 基准比对 · 对评级机构的五条批评 · 零售银行六类风险 · 零售 vs 公司信用风险三分界 · 「阴暗面」与 CFPA 合格抵押贷款 · 三类评分模型（征信局 / 池化 / 定制）· 抵押贷款五变量与五档文档 · cutoff 阈值与隐含 PD = 损失率 / LGD · CAP 与准确率 AR = A_R / A_P · 客户关系周期与七种附加评分卡 · 风险定价 RBP
本章把第 4 章留下的那句「谁更容易违约」做成一套可运行的工程：上半章讲评级机构怎么给企业/政府打分（评分 vs 评级、两种周期哲学、开发五步法、五条批评），下半章讲零售信贷怎么给个人打分（评分模型、抵押贷款变量、cutoff、评分卡绩效、风险定价）。
- ① 一条主线区分两种「分数」：评分是数字（300–850，越高越安全），给小企业/个人；评级是字母（AAA→C），给大企业/政府。两者都要能回答「这个借款人值不值得借」。
- ② 周期哲学决定用途：TTC（穿越周期）看长期、覆盖至少一个完整商业周期、不常更新、更稳定 → 适合长期贷款（评级机构走这条）；PIT（时点）看当下、最多延伸一年、更波动、接近实时 → 适合短期贷款（银行内部走这条）。稳定 vs 敏感是这对概念的全部内容。
- ③ 五步法是本章最容易考流程题的骨架：数据收集与预处理 → 模型拟合 → 模型验证 → 评级的定义与验证 → 实施监控。前三步往往要反复迭代。判断「现在在第几步」看动作：拿新样本比＝验证；算最优参数 β＝拟合；把分数映射成等级＝定义评级。
- ④ 零售侧的两个计算：隐含 PD = 损失率 / LGD（例：损失率 3%、LGD 75% → PD 4%）；准确率 AR = A_R / A_P，越接近 1 越准。这两个式子几乎每年都出现在选项里。
- 一句话主线：评分与评级（打分）→ TTC/PIT（怎么打分）→ 五步法（企业侧怎么做）→ 零售评分卡 + cutoff + CAP/AR（个人侧怎么做）→ RBP（打完分怎么定价）。
关键术语：credit scoring信用评分，数字分 300–850、credit rating信用评级，字母等级、through-the-cycle (TTC)穿越周期评级、point-in-time (PIT)时点评级、behavioral scoring行为评分、profit scoring利润评分、issuer / issue rating发行人 / 债项评级、cumulative accuracy profile (CAP)累计准确度曲线、accuracy ratio (AR)准确率、cutoff score准入分数阈值、risk-based pricing (RBP)风险定价。
5.1 评分 vs 评级：两条量化路径与四项收益
出借人、投资者、监管者都需要一个「借款人值不值得借」的量化答案。规模不同，用的工具就不同——这是本章的第一条分界线。
| 信用评分 Scoring | 信用评级 Rating | |
|---|---|---|
| 输出形态 | 数字分，通常 300–850 | 字母等级（AAA、AA、A、BBB…） |
| 分数含义 | 数字越高＝估计的偿付能力越强 | AAA 一般代表最强的偿付预期，但各机构自定字母体系 |
| 典型对象 | 小企业、个人 | 大企业、政府 |
| 书写惯例 | 纯数字 | 可用大小写混排（Aaa）、可带正负号（BBB+） |
采用评分 / 评级系统的四项主要收益
- ① 减少主观性：贷款评估与准入不再只看信贷员的个人判断。
- ② 使信用风险管理可分析：有了统一刻度，才能做情景分析与压力测试。
- ③ 促进透明与一致：共同框架让不同人、不同时点的决策可比。
- ④ 缩短评估时间、降低评估成本。
自建还是外购
- 内部自建：银行常用自有专有系统决定贷款准入——好处是能用自己的历史数据、知道自己过去什么做法奏效。
- 外部供应：评级机构、征信局、咨询公司可生产外部评分/评级；三家外部供应商是 Standard & Poor's、Moody's、Fitch，把评分/评级卖给信贷机构、企业与投资者。
5.2 两种评级哲学：穿越周期（TTC）vs 时点（PIT）⭐ 必考
巴塞尔银行监管委员会（BCBS）把评级哲学分成高层两类。这一对概念考的就是「稳定还是敏感、长期还是短期」。
| 穿越周期 Through-the-cycle (TTC) | 时点 Point-in-time (PIT) | |
|---|---|---|
| 取向 | 长期；覆盖至少一个完整商业周期 | 聚焦当前情景，最长可延伸到一年 |
| 更新频率 | 不常更新 → 对短期事件不敏感 | 更新频繁，受短期事件影响大 → 波动更大 |
| 谁在用 | 主要评级机构（长期定位） | 信贷机构 / 银行内部流程 |
| 适用贷款 | 长期贷款 | 短期贷款（可接近实时捕捉违约风险） |
考场速判
- 看到「覆盖完整商业周期 / 不常更新 / 适合长期贷款」→ TTC。
- 看到「接近实时 / 更波动 / 适合短期贷款 / 银行内部」→ PIT。
- 陷阱：把 PIT 说成「更稳定」、把 TTC 说成「银行内部模型」——两处方向都对调了。
5.3 评分的两种方法：行为评分与利润评分（附社交借贷）
分数可以针对特定发行人（借款人），也可以针对特定发行（贷款/债券）。借款人通常在自己需要进入资本市场借钱时去申请评分/评级。消费者贷款常用的两种评分方法如下。
① 行为评分 Behavioral scoring
- 适用：消费者贷款。做法是观察存量客户的历史财务行为。
- 期限属性：短期度量。与标准评级/评分的静态性质不同，行为评分会随观察到的新行为信息实时更新（如支付与购买行为、更新后的违约估计）。
- 用途：设定信用额度、催收管理、新产品营销。
② 利润评分 Profit scoring
- 关注点：只看一笔贷款的估计盈利性——考虑贷款定价、运营决策、信用风险评估与违约预测。
- 账户级（account-level）：逐账户计算利润，忽略多个账户之间的关联。
- 客户级（customer-level）：明确纳入同一客户名下的全部账户，把利润视角在客户层面汇总。
AI 与金融科技的进步催生了社交借贷（social lending，又称点对点借贷 P2P）——出借人与借款人直接成交、不经金融中介。信贷决策可以做得极快，但社交借贷的信用风险建模仍是新兴课题：该渠道的违约率常高于有中介的贷款，需要更多研究；大数据负责任使用与透明度是这项创新的实质关切。
5.4 评级机构的五条规范要求与评级开发五步法
评分/评级系统受监管机构与央行约束。巴塞尔委员会给出五条基本规范要求——它们不是评分算法，而是对「系统该怎么被设计与管理」的约束。
| 要求 | 内容 |
|---|---|
| ① 有意义的风险区分 | 三个子项：信用等级须基于风险差异建立（不得为管理监管资本要求而设）；同一等级内的借款人可因交易层面差异被区别对待；各等级之间要有合理分散，避免过度集中于某一等级。 |
| ② 持续评估借款人 | 评级应按合理基础更新——实务口径是不低于每年一次的复评（annual rerating review）。 |
| ③ 运营监督 | 目标是保证系统完整性：持续监控系统运行、有效的控制（即压力测试）、以及来自相关方的充分反馈。 |
| ④ 正确选择风险评估指标 | 所分析的风险因子要能充分预测借款人的信用状况，目标是估计值尽量接近实际结果。 |
| ⑤ 收集充分数据 | 数据须反映现实：纳入历史数据、过往评分/评级、先前违约估计与还款历史。 |
评级开发五步法（本章骨架）
- Step 1 数据收集与预处理
- Step 2 模型拟合
- Step 3 模型验证
- Step 4 评级的定义与验证
- Step 5 实施、监控与复核
前三步常需多次迭代才能成功；第 5 步中的监控若发现问题，也会反过来要求重新评估。
5.5 第一步：数据收集与预处理——企业客户的七类输入
第一步是收集合适的数据并做预处理。数据集同时包含正常贷款与逾期超过 90 天的不良贷款；预处理包括剔除异常值、挑选最合适的风险属性、按需转换数据，通常要用到算法、统计检验与专家判断。
数据既有定量也有定性。这一步的关键是尽量去掉主观性、尽可能引入一致性。消费者贷款的相关输入包括：借款人收入、资产、既有贷款义务、还款历史、就业状况、抵押/担保的使用、贷款类型（车贷、信用卡、按揭）。企业客户则要另一套信息：
| 输入类别 | 具体内容 |
|---|---|
| 财务数据 | 审阅三大报表（资产负债表、利润表、现金流量表），编制财务比率——比率同时给出某时点的静态视图与过往趋势： · 盈利比率（ROA、ROE、利润率）：估偿付能力 · 偿债比率（D/E、利息保障倍数）：看管理既有债务的能力 · 流动性指标（营运资本、流动比率、速动比率）：看覆盖短期义务的能力 · 管理效率比率（存货、应收、应付、总资产周转率）：衡量经营绩效 |
| 交易数据 | 财务比率是时点估计，交易能给出更新的视图——对供应商或其他放款人的付款、当前债务余额、逾期情况、信用额度。 |
| 规模与年龄 | 大型成熟企业违约风险通常低于小型年轻企业（资本获取能力与吸收不利事件的能力更强）。公开上市用市值衡量规模；非上市用总资产或营业收入。 |
| 市场状况与竞争地位 | 需评估不断变化的市场状况：竞争者数量与相对市场份额、市场是否对新进入者开放、监管是否构成进入壁垒、经济/行业前景、企业在技术或供应链上的竞争优势、供应商对企业的控制力。 |
| 金融市场数据 | 上市公司可提供实时、基于市场的数据：股价、收益波动率、估值（P/E、P/B、EPS）。金融市场数据最适合较短期限；会计数据更适合长期贷款。 |
| 公司治理 | 多项研究表明，理解管理层监督与道德标准对企业成功有重要增量价值：董事会构成与独立性、高管资质、问责机制、股东权利保护。 |
| 公司新闻与分析 | 一个新兴领域：新闻稿、主流媒体、社交媒体与替代媒体来源。信息量巨大，负责任地使用可提供评估信用状况的边际优势。 |
5.6 第二步：模型拟合
第二步是模型拟合——为模型训练数据找出描述能力（拟合度）最好的模型参数。设线性模型：
参数向量 β = (β₀, β₁, …, βₙ) 含一个常数项 β₀ 与各风险属性的一组系数 β₁…βₙ。
目标是找到使下列优化问题成立的最优参数向量：
L 是损失函数，表示模型输出与训练数据分类之间的差异。这是对真实问题（最小化违约损失）的经验代理。
与普通回归的关键差别
- 因变量是二元的（违约 / 不违约），而不是标准回归常用的连续变量。
- 拟合可借助算法，用到统计工具、数据挖掘与运筹学技术。
5.7 第三步：模型验证——回测、走步测试与基准比对
第三步是模型验证：用未参与训练的新样本（验证数据）检验拟合好的模型——也就是一次样本外（out-of-sample）检验。验证数据应与训练数据具有相同的风险属性，但使用不同的个案（借款人/贷款）。
验证的三个工具
- 回测（backtesting）：用统计检验，同时做样本外与跨时间（out-of-time）测试。两者都关键——若验证结果不好，就必须带着不同变量回到模型拟合或数据预处理重做。这也是前三步常需多次迭代的原因。
- 走步测试（walk-forward testing）：把被评估的时间窗系统性地向前滚动。测试期 t 使用自 t−1、t−2 开始的数据；观察窗向前移一期，新的 t+1 测试期就包含 t、t−1、t−2。可进一步用重抽样技术强化（自助法 bootstrapping、交叉验证 cross-validation）。
- 基准比对（benchmarking）：回测的替代方案——把本行模型输出与外部来源（例如评级机构已公布的评级）比较。与模型拟合/验证的定量性质相反，这是定性做法。目的不是复制外部评级，而是找出偏离并弄清为什么——偏离的原因可能要求重新校准或改进模型。
5.8 第四步与第五步：评级的定义验证 + 实施监控
数据收集/预处理、模型拟合、模型验证之后，第四步要把导出的信用分数映射到风险评级等级。
第四步：评级的定义与验证
- 每个评级等级都要关联一个经验违约概率（PD）估计。
- 每个等级相对其相邻等级要足够分散；等级内借款人的分布不得高度集中于单一风险等级。
- 映射还要检查跨时间的一致性——因为存在评级迁移（rating migration）。若分组结果不理想，就要重新评估并调整。
| 风险等级（共 9 级） | PD 区间 / 集中度 |
|---|---|
| 最低风险 | PD < 0.25% |
| 最高风险 | PD > 50% |
| 中间四个等级 | 借款人集中度最高，其中两级超过 25%——本例视为可接受（无过度集中） |
第五步是实施、监控与复核：开发好的评分/评级系统用于对贷款申请生成实时风险估计；系统须被持续监控、复核并按需重新校准。风险管理的关注点是识别生成的风险估计质量是否出现退化。
5.9 对评级机构评分/评级的五条批评
| 批评 | 内容 |
|---|---|
| 缺乏透明度 | 评级机构系统背后的流程通常专有，模型的公允性与有效性无法被公开验证。 |
| 潜在利益冲突 | 评级机构向被评级实体收取费用，这构成潜在利益冲突。 |
| 助推债务膨胀 | 评级机构的工作提升了放贷机构的风险管理 → 风险溢价下降 → 借贷成本降低、债务更易获得 → 可能因信用泡沫与信用紧缩而增加系统性风险。 |
| 预测能力差 | 评级机构整体上未能预测近年信用失败——例：Enron、WorldCom、Lehman Brothers。多项实证研究发现，其评分/评级对违约的预测力弱于基于会计与市场的方法。 |
| 顺周期性 | 评级机构声称模型基于穿越周期方法（评级应不受商业周期移动影响）。实务中观察到：经济扩张期评级往往过于乐观、衰退期过于悲观——说明存在一定程度的顺周期性。 |
尽管有这些批评，评级机构提供的评分/评级对投资者与放款人仍有增量信息价值，应作为整体信用风险分析的补充部分。
5.10 零售银行的风险全景
下半章换视角：从零售放款人看信用风险管理。零售银行业围绕吸收消费者与小企业存款、向其放贷运转。贷款形态包括住房按揭、住房权益信用额度（HELOC）、分期贷款（汽车、信用卡等循环贷）与小企业贷款（SBL）。从放贷机构看，这些单笔贷款是大组合中的小块，设计目的就是降低任何单一敞口的增量风险。
零售银行最大的风险是信用风险——借款人违约的可能性。2007 年次贷危机前的五年里，银行向客户推销了其负担不起的产品：按揭的贷款价值比（LTV）极高，信用较弱的借款人也拿到了按揭；房价崩塌后，按揭金额常常超过房产本身价值，这些策略随之反噬。
| 风险 | 含义 |
|---|---|
| 信用风险 | 零售银行业首要风险：借款人违约。 |
| 操作风险 | 经营业务中日常的风险。 |
| 业务风险 | 战略风险（新产品或趋势）＋规模风险（如利率变动时的按揭规模）。 |
| 声誉风险 | 银行在客户与监管者处的声誉。 |
| 利率风险 | 银行给资产与负债设定特定利率，而市场利率在变。 |
| 资产估值风险 | 市场风险的一种，与资产、负债、抵押品类别的估值有关。例：利率下行环境中的按揭提前还款风险；汽车经销商在租赁期末对车辆设定残值的情形。 |
5.11 零售 vs 公司信用风险：三个分界
| 零售信用风险 | 公司信用风险 | |
|---|---|---|
| ① 敞口规模 | 相对小，是大组合的组成部分——任一客户违约不构成严重威胁 | 组合常含对企业的大额敞口，可能对行业与整体经济产生显著影响 |
| ② 损失性质 | 组合天然分散、正常市场下行为可预测 → 可把估计的违约损失当作「做生意的成本」计入定价 | 面临损失超出预期阈值的风险，可能对银行造成瘫痪性打击 |
| ③ 预警与先手 | 客户行为变化会提前给出信号，银行有时间先手应对：向低风险客户营销、对高风险客户提高利率 | 通常不给信号，问题往往等到来不及纠正时才被发现 |
5.12 零售信用风险的「阴暗面」与 CFPA 合格抵押贷款
什么是「阴暗面」
一个意外的系统性风险因子可能使损失超出估计阈值——资产与抵押品价值下跌、违约率上升，从而损害银行的零售组合。这就是零售信用风险的「阴暗面」。其主要成因有四条：
- 历史损失数据缺乏：特定产品相对较新，缺少历史损失数据。
- 风险因子全面抬升：影响整体经济的风险因子同步上升，使零售信用产品的行为出人意料。
- 社会与法律体系演化：可能无意中「鼓励」违约。
- 信用流程的操作缺陷：半自动化的结构导致信用被授予更高风险的个人。
CFPA：合格抵押贷款（qualified mortgage）
为管理零售信用风险的阴暗面，《消费者金融保护法》（CFPA）要求信用发起人评估合格抵押贷款与还款能力。拥有「合格抵押贷款」的借款人被推定具备还款能力。合格抵押贷款的限制：
- 限制用于偿债的收入比例（如债务收入比 < 45%）。
- 不得有超额的前期费用与点数（points）。
- 不得是气球贷（balloon）或只付息（interest-only）贷款。
- 期限不得超过 30 年。
- 不得是负摊还（negative amortization）贷款。
评估借款人还款能力时须考虑以下承销标准：信用历史；当前收入与资产；当前就业状况；按揭月供；与按揭相关的保险、房产税等月付；其他相关房产贷款的月付；借款人的其他债务义务；按揭带来的月度债务收入比（DTI）。
由于零售信用可预测且相对安全，银行须为此计提的风险资本远少于公司贷款。银行还须向监管者提供差异化组合分层的统计：违约概率 PD、违约敞口 EAD、违约损失率 LGD。
5.13 信用风险评分模型：三类模型、评分卡与信用档案
信用风险评分模型把申请人的信息转换成一个数字以评估风险：数字越高，借款人偿付概率越高、整体风险越低。评分模型把海量信息汇入单一自动化流程。
评分卡的「特征」与「属性」
- 评分卡从申请表与征信局报告收集信息，按所答问题的类型加权。
- 特征（characteristic）：所问的项目，例如「在当前雇主处的年数」。
- 属性（attribute）：对该项目的回答，例如「10 年」。
- 模型会判定正负取值，并按历史表现与对应的偿付概率给每个属性加权。
| 消费者信用评分模型的三种类型 | 特点 |
|---|---|
| 征信局评分 credit bureau scores | 即申请人的 FICO 分；实施与评估极快、简单、成本效益高。分数通常从低 300 到高 850，分数越高＝对放款人风险越低＝借款人利率越低。 |
| 池化模型 pooled model | 由外部第三方构建，比征信局评分模型更贵；优势是可针对特定行业定制。 |
| 定制模型 custom model | 由放款人自己用其自有信贷申请池的数据建立，用于评估本机构特定产品的申请人。 |
每个有信用历史的人都有信用档案，包含以下信息：个人信息（不进入评分模型）；查询记录（档案被访问时留下记录，新信贷申请对授信方可见）；催收数据（由授信方或催收机构报送）；法律（公共）记录（破产、税收留置、判决）；账户与交易线信息（由授信方报送至征信局的应收信息）。
5.14 抵押贷款信用评估：五个关键变量与五档文档
| 关键变量 | 含义 |
|---|---|
| FICO 分 | 与借款人信用历史挂钩的违约风险数值度量。 |
| LTV 贷款价值比 | 按揭金额 ÷ 房产评估价值。 |
| DTI 债务收入比 | 月度债务偿付（按揭、汽车等）÷ 借款人月度总收入。 |
| 付款类型 pmt | 决定按揭类型（可调利率、固定利率等）。 |
| 文档类型 doc | 见下表五档。 |
| 文档类型 | 核验程度 |
|---|---|
| Full doc 全文档 | 要求提供资产与收入的证据。 |
| Stated income 自述收入 | 就业被核验，但收入不被核验。 |
| No ratio 无比率 | 与自述收入类似：就业有文档、收入不核验，且不计算债务收入比。 |
| No income/no asset 无收入/无资产 | 收入与资产在申请表上提供，但除收入来源外未经放款人核验。 |
| No doc 无文档 | 收入与资产完全不提供文档。 |
5.15 阈值 cutoff 与隐含 PD
cutoff 阈值怎么用
- cutoff 是阈值：放款人据此决定是否放款（以及贷款条件）。分数越高，放款机构风险越低。
- 设得太低→ 放款人承担更高的违约风险；设得太高→ 可能误杀低风险借款人，白白损失盈利机会。
- 阈值确定后，可用历史经验估计特定产品线的盈利能力与相应的损失率。估计期越长（希望覆盖完整经济周期），银行越能据此调整 cutoff，在风险与盈利之间取得适当平衡。
巴塞尔协议要求银行把组合分成具有相似损失属性的子组，用分数带（score bands）按风险水平区分，并对每个子组估计 PD 与 LGD。隐含 PD 是历史损失率与 LGD 的副产品：
例：某组合损失率 3%、LGD 75% → PD = 3% / 75% = 4%。注意分母是 LGD（损失率），不是回收率。
5.16 评分卡绩效：CAP 与准确率 AR ⭐ 必考
信用评分的用途是预测违约风险——评分卡上高分（低分）分配给强（弱）信用。评估评分卡绩效常用累计准确度曲线（CAP）与准确率（AR）。CAP 展示「按信用分数（因而按风险）划分的总体分布」对「实际违约的百分比」。
CAP 图上的三条线
- 完美模型线：若银行预测 5% 的账户将违约，则100% 的违约都来自风险最高的 5% 人群。
- 随机模型线：5% 的违约来自风险最高的 5%，20% 的违约来自风险最高的 20%，依此类推。
- 观察到的累计违约线：银行实际观察到的违约。
A_P = 完美模型线与随机模型线之间的面积；A_R = 观察到的累计违约线与随机线之间的面积。AR 越接近 1，模型越准确。
评分模型必须定期监控——因为人群底层结构会变化，产品也可能调整。
5.17 信用 vs 盈利的权衡：客户关系周期与七种附加评分卡
放贷机构不能只看风险与信用状况，还要从盈利性角度评估客户。矛盾就在这里：给FICO 很高、每月全额还款的客户发信用卡，银行赚不到利息；给FICO 很低的客户发卡，则风险更大。
| 附加评分卡 | 用途 |
|---|---|
| 收入评分 revenue scores | 评估存量客户的潜在盈利性。 |
| 申请评分 application scores | 支持「是否给新申请人授信」的决策。 |
| 响应评分 response scores | 给出客户是否可能响应某报价的概率。 |
| 保险评分 insurance scores | 给出被保险人潜在索赔的概率。 |
| 行为评分 behavior scores | 评估存量客户的信用使用与历史逾期。 |
| 税务机关评分 tax authority scores | 预测哪些地方可能需要审计以征收税款。 |
| 流失评分 attrition scores | 给出存量客户减少或清偿未偿债务的概率。 |
客户关系周期四步
- 营销：销售新产品，或改造既有产品以满足新老客户需求。
- 申请人筛选：依据上述评分卡接受或拒绝申请，并最终确定对已接受申请人的适当定价。
- 管理客户账户：产品定价、信用额度授权、修改、续期、本金或利息催收。
- 交叉销售：面向存量客户，用其他放款产品满足其需求。
5.18 风险定价 RBP
对所有客户按单一价格出售同一产品，会导致逆向选择——高风险客户被相对其风险而言偏低的价格吸引，低风险客户则被相对其风险而言偏高的价格推走。因此放款人转向风险定价（RBP）：按客户各自的风险收取不同价格。RBP 在金融零售领域仍处早期，但在信用卡、住房按揭、汽车贷款中已较常用。
| 影响利率与价格的外部与内部因素 |
|---|
| 接受概率（take-up）——客户接受所提供产品的可能性 |
| 违约概率 PD |
| 违约损失率 LGD |
| 违约敞口 EAD |
| 放款人的权益资本成本 |
| 分配给该交易的资本 |
| 放款人的运营费用 |
价格可以按分数带设置分层，把风险从高到低分配；放款人再把定价策略映射到各分数带上的盈亏、收入、市场份额与风险调整后收益。有效运用 RBP，管理层就能在盈利性、市场份额与风险之间权衡取舍，以股东价值最大化为长短期目标。
- scoring vs. rating — a credit score is a three-digit numeric code (300 to 850, higher = stronger estimated ability to repay) used for smaller businesses and individuals; a credit rating is a letter grade (AAA, AA, A, BBB) used for larger firms and governments. Four primary benefits: reduced subjectivity; enables analysis such as scenario analysis and stress testing; promotes transparency and consistency; reduces the time and cost of appraisal. Systems may be built internally or bought from external vendors (Standard & Poor's, Moody's, Fitch).
- through-the-cycle vs. point-in-time — TTC (used by major rating agencies) has a long-term orientation covering at least one full business cycle, is not updated frequently, is less sensitive to short-term events, and suits long-term loans. PIT (used in internal bank processes) focuses on the current scenario, may extend up to one year, is more volatile and heavily influenced by short-term events, captures default risk close to real time, and suits short-term loans.
- scoring methods — behavioral scoring applies to consumer loans and observes existing customers' historical financial behavior, updating in real time (payment and purchasing behavior, default estimates); it is short-term and used with credit limits, debt collection, and marketing. Profit scoring focuses only on estimated profitability (loan pricing, operational decisions, credit risk assessments, default predictions) at the account level (ignoring links between accounts) or the customer level (aggregating all accounts of one customer). Social (peer-to-peer) lending removes the intermediary, makes fast credit decisions, and has higher default rates; responsible use of big data and transparency are material concerns.
- five specification requirements — meaningful differentiation of risk (grades based on risk differences, not capital management; transaction-level differences within a grade; reasonable dispersion across grades); continuous evaluation of borrowers (no less frequent than an annual rerating review); operational oversight (system integrity, controls such as stress testing, feedback); correct selection of risk assessment metrics (estimates close to actual outcomes); collecting substantial data (historical data, prior scores/ratings, prior default estimates, payment history).
- rating development process — five steps: (1) data collection and preprocessing; (2) model fitting; (3) model validation; (4) definition and validation of the risk rating; (5) implementation, monitoring, and review. The first three often require multiple iterations. Model fitting identifies β* = arg min L(β, X) for f(x) = β₀ + β₁x₁ + … + βₙxₙ with a binary dependent variable. Validation is an out-of-sample test using the same risk attributes but different cases, using backtesting (out-of-sample and out-of-time), walk-forward testing (period t uses t−1 and t−2; t+1 uses t, t−1, t−2), resampling (bootstrapping, cross-validation), and benchmarking against an external source — benchmarking is qualitative and aims to identify and explain deviation, not to replicate the external rating.
- corporate inputs — financial data (profitability: ROA, ROE, profit margins; solvency: debt-to-equity, interest coverage; liquidity: working capital, current ratio, quick ratio; management efficiency: turnovers of inventories, receivables, accounts payable, total assets); transaction data; size and age (market cap for public firms, total assets or revenues for private); market conditions and competitive position; financial market data (stock prices, volatility, valuations — best for shorter-term periods, while accounting data is better for longer-term loans); corporate governance; corporate news and analytics.
- criticisms of credit rating agencies — lack of transparency (proprietary process); potential conflicts of interest (issuer-pays fees); promoting a debt explosion (lower risk premiums and borrowing costs may raise systemic risk); poor predictive ability (Enron, WorldCom, Lehman Brothers; less predictive than accounting- and market-based methods); procyclicality (too optimistic in expansions, too pessimistic in recessions despite claiming a TTC approach).
- retail banking risks — credit risk is the biggest; also operational risk, business risk (strategic and volume), reputation risk, interest rate risk, and asset valuation risk (e.g., prepayment risk on mortgages when rates fall). Retail credit risk differs from corporate credit risk in exposure size (small vs. large), loss behavior (predictable, a cost of doing business vs. losses beyond the expected threshold with crippling effect), and the availability of preemptive signals and actions.
- the dark side — an unexpected systematic risk factor drives losses beyond an estimated threshold; perpetuating causes are lack of historical loss data, an across-the-board increase in risk factors, an evolving social and legal system that may encourage defaults, and operational flaws in a semi-automated credit process. The CFPA requires evaluation of qualified mortgages and ability to repay: a qualified mortgage limits the debt-to-income ratio (e.g., below 45%), may not have excess upfront fees and points, may not be a balloon or interest-only loan, may not exceed 30 years, and may not be a negative amortization loan.
- retail scoring models — a score is a number where higher means higher probability of repayment and lower risk. A scorecard weights responses, distinguishing a characteristic (e.g., number of years with current employer) from its attribute (e.g., 10 years). Three model types: credit bureau scores (FICO, 300–850, fast, easy, cost-effective); pooled models (built by outside parties, more costly, flexible to tailor to an industry); and custom models (built by the lender from its own application pool). Key mortgage variables are FICO, LTV, DTI, payment type, and documentation type (full doc, stated income, no ratio, no income/no asset, no doc).
- cutoff, CAP, and AR — a cutoff score is a threshold deciding whether credit is extended; too low raises default risk, too high eliminates profitable low-risk borrowers. Implied PD = historical loss rate ÷ LGD (a 3% loss rate with a 75% LGD implies a 4% PD). The cumulative accuracy profile plots the perfect model line, the random model line, and the observed cumulative default line; the accuracy ratio AR = A_R / A_P, where A_P is the area between the perfect and random lines and A_R is the area between the observed line and the random line; a ratio close to 1 implies a more accurate model.
- profitability and risk-based pricing — lenders use revenue, application, response, insurance, behavior, tax authority, and attrition scores alongside creditworthiness scoring. The customer relationship cycle covers marketing, applicant screening, managing customer accounts, and cross-selling. Risk-based pricing (RBP) charges different prices based on risk and avoids the adverse selection created by uniform pricing; drivers include the probability of take-up, PD, LGD, EAD, the lender's cost of equity capital, capital allocated to the transaction, and operating expenses; prices are set on a tiered basis by score bands.
📝 本章自测 · Self-Check
以下为自编练习题（非真题）：题干保留英文考试形态，解析为中文——先自己判断，再点开核对。共 4 题。
Q1. A risk analyst at a mid-sized bank is designing a rating system for a portfolio of ten-year corporate loans. Which of the following design choices is the analyst most likely to make?
TTC 覆盖至少一个完整商业周期、不常更新、对短期事件不敏感，最适合长期贷款——十年期公司贷款正是长期。错法路径：A 把「接近实时」当成优点套到长期贷款上——实时捕捉违约风险是 PIT 的特性，而 PIT 最适合短期贷款；C 用错了工具——300–850 的信用评分用于小企业与个人，大额公司贷款对应的是评级而非评分；D 把波动性说反——PIT 比 TTC 更波动（受短期事件影响大），「更稳定」属于 TTC。
Q2. A bank's retail portfolio segment has an annual historical loss rate of 4.5%, and the bank estimates a loss given default (LGD) of 75% for this segment. The implied probability of default is closest to:
隐含 PD = 历史损失率 ÷ LGD = 4.5% ÷ 0.75 = 6.00%。错法路径：A 把 LGD 当成回收率相乘（4.5% × 0.25 = 1.125% ≈ 1.13%）——0.25 是回收率 RR，不是 LGD；B 把除法做成乘法（4.5% × 0.75 = 3.375% ≈ 3.38%）——损失率本身已经含了 LGD 的效应，再乘一遍等于重复打折；C 直接把损失率当 PD——只有当 LGD = 100% 时两者才相等。
Q3. A scorecard's cumulative accuracy profile shows an area of 0.36 between the perfect model line and the random model line, and an area of 0.27 between the observed cumulative default line and the random model line. The accuracy ratio (AR) is closest to:
A_P（完美线与随机线之间）= 0.36，A_R（观察线与随机线之间）= 0.27，AR = A_R / A_P = 0.27 / 0.36 = 0.75。错法路径：A 把两个面积相减（0.36 − 0.27 = 0.09）——AR 是比值不是差；B 把分子分母写反（0.36 / 0.27 = 1.33），而 AR 由构造恒 ≤ 1；D 把两个面积相加（0.36 + 0.27 = 0.63）——两项分属不同区间，没有相加的含义。
Q4. Which of the following statements about risk-based pricing (RBP) in retail lending is most accurate?
RBP 按分数带分层定价，把风险从高到低分配——违约概率越高、利率越高（A）。定价驱动因素包括接受概率、PD、LGD、EAD、权益资本成本、分配资本与运营费用。错法路径：B 把因果说反——统一定价正是逆向选择的成因（高风险客户被相对便宜的价格吸引、低风险客户被相对昂贵的价格推走），RBP 才是对策；C 方向错——LTV 越高风险越大，按 RBP 应提高而非降低利率；D 与事实相反——RBP 在信用卡、住房按揭、汽车贷款等零售产品中已较常用。
6. 国家风险 Country Risk
要点：国家风险的四个来源（经济增长生命周期 / 政治风险 / 法律体系 / 单一依赖）· 政治风险四要素：连续 vs 不连续风险、腐败、暴力、国有化与征收 · 法律风险 = 产权结构 + 争议解决效率 · 评估国家风险的四个服务（PRS / Euromoney / The Economist / 世界银行）及其三条局限 · 外币违约 vs 本币违约 · 违约的七个历史时段与两条一般结论 · 本币违约的三个原因（金本位 / 共享货币 / 权衡）· 主权违约的五项后果（GDP −0.5%~−2.0%、评级低 1–2 档、借款成本高 0.5%~1.0%、双边贸易 −8%、银行危机概率 14%、政治变动 +45%/+64%）· 影响主权违约风险的六个因素 · 主权评级：两币种评级与评级迁移 · notch-up / notch-down 两条路径 · 主权评级体系的五条缺陷 · 信用评级 vs 主权违约价差 vs CDS 价差
前几章把「借款人」锁定在企业与个人；本章把主体换成国家。主权风险之所以独立成章，是因为国家有两件企业没有的能力——印钞与征税，也因此多了两条企业没有的分界线：本币债务 vs 外币债务。全章回答四问：风险从哪来 → 怎么度量 → 违约了什么后果 → 用什么价格信号预测。
- ① 三个「数」必须分清：主权违约价差＝风险国债券收益率 − 无风险国债券收益率（例：6.00% − 3.02% = 2.98%）；CDS 价差＝为债券违约买保险的年费（基点，例 170 bps）；评级＝字母等级。价差与 CDS 都调整更快、是领先指标；评级虽有滞后，但仍含增量信息——三者互补，不是替代。
- ② 政治风险的「连续 vs 不连续」是本读最容易考反的一处：民主制风险连续但通常较低；威权制风险不连续——政策变得少，但一变就剧烈且难以防范。所以「威权＝政治风险更低」这句话只在「政策可预测性」这个窄义上成立。
- ③ 本币违约看起来不合逻辑，但有三个解释：不能印（金本位）、印不了（共享货币如欧元）、不愿印（权衡——印钞贬值与高通胀的代价可能高于违约代价）。
- ④ 违约后果有一组固定数字：GDP −0.5%~−2.0%（短暂，多在首年）、评级低 1–2 档、借款成本高 0.5%~1.0%、双边贸易 −8%（可延续 15 年）、银行危机概率 14%（比未违约国高 11%）、最高领导层变动概率 +45%、财长/央行行长变动 +64%。
- 一句话主线：四来源 → 四个度量服务 → 两币种违约 → 五后果 → 六因素 → 评级 / 价差 / CDS 三条预测路径。
关键术语：country risk国家风险、sovereign default risk主权违约风险、foreign / local currency default外币 / 本币违约、sovereign default spread主权违约价差、credit default swap (CDS) spread信用违约互换价差、notch-up / notch-down上/下调整一档、herd behavior羊群行为、rating transition评级迁移。
6.1 国家风险的四个来源
投资者正越来越直接与间接地暴露于国家风险：一方面金融市场创新让投资境外公司更容易（投资海外市场的共同基金、交易所交易基金 ETF、在本国交易所挂牌的外国股票——美国的美国存托凭证 ADR、欧洲市场的全球存托凭证 GDR）；另一方面企业日益全球化，许多公司依赖海外市场增长驱动利润。政府行为直接影响国家风险，进而影响投资的吸引力。
国家风险的四个关键来源
- 该国处于经济增长生命周期的哪个阶段；
- 政治风险；
- 国家的法律体系——包括其结构与效率；
- 国家对某一种产品/商品或服务的不成比例依赖。
6.2 经济增长生命周期与成熟度
更成熟的市场及其中的企业风险更低；处于早期增长阶段的企业与国家风险更高。年轻的成长型企业依赖稳定的宏观环境，且相对成熟企业而言，抵御挫折的资源有限。同理，早期增长与新兴市场国家更脆弱：其在复苏期增长率更高，但在下行期 GDP 增速的降幅也更大。股票市场同样受影响。
一个必须记住的实例
2008 年，美国与欧洲股市下跌 25%~30%，而新兴市场跌幅达 50% 或更多。这说明早期增长阶段的全球投资风险更大——即便该国法律体系健全、治理良好也不例外。
6.3 政治风险的四个组成部分
政治风险很宽：从「该国是民主制还是独裁制」，到政权交接是否平顺（军事政变 vs 民主选举）。它有四个主要组成部分。
| 组成部分 | 要点 |
|---|---|
| ① 连续 vs 不连续风险 | 部分投资者偏好威权领导下企业的稳定性——政府政策被「锁定」、可预测，且相比民主制下选举可能大幅改变政策，其变化更容易做出。威权制的风险之一：腐败与法律体系缺失的显著成本可能超过其收益。 民主制的风险连续但通常较低；独裁制的风险是不连续的——政策变化频率低得多，但变化往往剧烈且难以防范。实例：2022 年俄罗斯入侵乌克兰后，俄罗斯企业中的绝大多数国际投资者消失。 关于哪种体制带来更高经济增长，研究结论不一。某 2021 年报告指出，全球仅 6.4% 的人口生活在民主国家，近三分之一生活在威权国家。 |
| ② 腐败 | 腐败成本可类比为一种隐性税收：直接减少公司利润与回报，间接减少投资者回报。因为这项「税」不显性，且可能导致在腐败体系中经营的企业遭受法律制裁（如行贿被查），风险因此上升。Transparency International 用调查数据给国家排名——2021 年调查中丹麦、芬兰、新西兰被视为最清廉，南苏丹被认为最腐败，其后是索马里与叙利亚。 |
| ③ 人身暴力 | 冲突国家兼有经济成本（保险与安保费用）与人身成本（员工或投资者可能遭受人身伤害）。Institute for Economics and Peace 每年发布全球和平指数，按和平/暴力程度给国家作图。 |
| ④ 国有化与征收风险 | 表现好的企业可能通过政府的任意征税被征收利润；企业可能被国有化——此时所有者得到的远低于公司真实价值。国有化/征收可能发生的国家风险更大，自然资源企业受影响尤为明显。 |
6.4 法律风险与经济结构
法律风险 = 产权结构 + 争议解决效率
- 产权保护（法律体系的结构）与争议解决速度（法律体系的效率）都影响风险。
- 若争议无法及时解决，实质上等同于一个完全不保护产权的体系。
- 总体而言，投资者与企业保护是决定法律风险的关键。例：若某国内部人能以低于市价向自己发行新股，投资者就会因这一风险而为股票支付更低价格。
- 若干非政府组织编制了国际产权指数：澳大利亚与北美排名最高，拉丁美洲与非洲在产权保护上排名最低。
经济结构：单一依赖放大风险
- 经济对单一商品或服务的不成比例依赖会放大国家风险——有的国家几乎完全依赖石油生产，有的经济产出主要绑定银行或保险，还有的依赖旅游业。
- 该国所依赖的商品/服务需求（和/或价格）下行可能重创经济，抬高企业与投资者的风险。受影响的不仅是该行业，该国/地区内的所有企业都可能被拖累。
- 在这些国家（尤其是较小经济体）实现多元化很困难——维持资源集中能为控制资源者创造巨大财富，因而他们没有动力去分散。
- 联合国贸易和发展会议（UNCTAD）度量新兴市场对商品的依赖程度：非洲与拉丁美洲尤其依赖商品出口，其经济对商品价格变化高度敏感，因而国家风险更高。
6.5 评估国家风险的四个风险服务及其三条局限
| 风险服务 | 方法 |
|---|---|
| Political Risk Services (PRS) | 营利性机构，评估一百多个国家的关键国家风险领域，用 22 个变量度量政治、经济、金融三个维度，给出综合分及三个维度各自的分。2022 年更新中，黎巴嫩排名最低（风险最高）、挪威最高（风险最低）。 |
| Euromoney | 该杂志调查 400 位经济学家，评估国家风险因子并把国家从 0 到 100 排名——数字越高表示风险越低。 |
| The Economist | 评估货币风险、主权债务风险与银行风险，据此形成国家风险分数。 |
| 世界银行 | 汇集多个来源、覆盖 215 个国家，评估六个领域：腐败程度、政府效能、政治稳定、法治、话语权与问责、监管质量。正数表示风险更低，负数表示风险更高。 |
三条局限（为什么这些分数不能直接照搬）
- ① 方法由非商业机构开发：对经济学家与政策制定者的相关性可能高于对企业与投资者。
- ② 供应商之间没有标准化：世界银行的分数围绕零；Euromoney 与 PRS 中分数越高风险越低，而 The Economist 中分数越低风险越低——跨供应商难以比较。
- ③ 分数更适合当排名，而非真实分数：The Economist 中 70 分的国家可比 35 分的国家风险更高，但不能据此断言 70 分的国家风险是 35 分国家的两倍。
6.6 主权违约的两种口径：外币违约 vs 本币违约
主权违约风险指政府债务的持有者未能在规定期限内收到全部承诺的利息与本金的风险，可用作国家风险的代理变量。违约分外币违约与本币违约两类。
外币违约：数量最多的一类
- 历史上一些政府依赖向他国或其银行借入的债务；以外币计价的债务即外币债务。
- 国家会对外币债务违约，因为它们没有外币来履约，也无法印制外币来偿债。主权违约中很大比例是外币违约。
- 1983–2021 年间发生30 多起外币违约；期间规模最大的是希腊，2012 年对超过 2,640 亿美元违约。
本币违约：为什么也会发生
- 过去几十年里对外币债务违约的许多国家，同时在本币（国内）债务上违约。某研究显示 1975 年以来已有 23 个发行人本币违约，范围从 1998–1999 年的俄罗斯到 2002–2004 年的阿根廷。
- 以美元计的最大本币违约发生在 1990 年：巴西对 620 亿美元债务违约；俄罗斯在 1998–1999 年对 390 亿美元卢布债务违约。
- 有研究（Moody's）发现，国家同时对外币与本币债务违约的情形在增多：同时违约的比例从 1960–1996 年的 5% 升至 1997–2007 年的 42%；同期「仅外币」从 57% 降至 29%，「仅本币」从 38% 降至 29%。
- 某 2021 年研究（加拿大央行）评估 1976–2020 年按债权人类型划分的主权违约，发现违约债务已从外币债务与银行贷款转向本币债务与非银行借款；另一项 2022 年研究则发现，由于重组效率更高、更快，国家更多转向国内法下的本币债务违约。
6.7 违约的历史分布与两条一般结论
根据一项研究，过去 200 年的违约主要集中在七个不同时段：1824–1834、1867–1882、1890–1900、1911–1921、1931–1940、1976–1989、1998–2003。欧洲违约数量最多的是 1931–1940 年；同一时期拉丁美洲也出现了一批外币违约。1980 年代初是拉美违约的又一个关键时期，16 个国家违约，其中 15 个发生在 1980–1983 年之间。过去 50 年亚洲与非洲也有违约。
两条一般结论
- 国家更可能对从银行借入的资金违约，而非对主权债券违约。
- 以美元价值计，拉丁美洲占过去 50 年主权违约的很大比例。
除 1990 年代外，过去五个十年中每个十年拉美都占外币违约的至少 60%。事实上，过去 200 年拉美一直处于主权违约的中心：19 世纪拉美因自然资源丰富吸引了法国、英国、西班牙的资本，但国内储蓄不足，因而大量以黄金与外币借款，期限很长（通常 20 年以上），军事政变与冲突是违约的主要触发因素。1820–1919 年间全球 77 起主权违约中，58 起发生在拉美；1825–1940 年间，乌拉圭处于违约状态的时间占 12%（最短），洪都拉斯达 79%，拉美国家合计处于违约状态的时间占 38%。
6.8 本币违约的三个原因
本币违约难以解释——国家似乎只要多印钱就能履约。以下三点帮助解释它为何仍然发生。
| 原因 | 机制 |
|---|---|
| ① 金本位 | 1971 年之前，一些国家实行金本位：必须持有黄金储备为货币背书，从而限制了可印钞量，削弱了靠印钞偿债的灵活性。 |
| ② 共享货币 | 欧元即共享货币。好处是便利企业与游客、消除换汇成本、提高透明度；但限制了个别国家印钞的能力。实例：2015 年希腊债务危机期间，作为欧盟成员国的希腊无法印钞偿还债务。 |
| ③ 权衡 | 印钞有成本——可能使货币贬值与贬质，并导致更高通胀（有时是指数级的通胀）。违约有成本，印钞（导致货币贬值）也有成本，国家必须在两者间选择代价更小的一侧。关键判断因素是：外币债务在多大程度上为本币资产融资——程度越高，选择多印本币的后果越负面，因为它抬高通胀、使本币贬值，资产价值下降而负债不变。 |
6.9 主权违约的五项后果
历史上违约之后常伴随军事行动（例：1880 年代埃及违约后英国以武力接管政府；同期土耳其违约后英国与法国同样如此）。20 世纪，违约国遭受声誉损失，使未来借款更难更贵；还经历股市与债市动荡、实际产出下降、以及违约导致的政治不稳定。
违约通常意味着完全停止支付或债务被勾销，并往往伴随复杂谈判，最终以某种债务交换或重组收场。对主权违约研究的梳理得出以下结论：
| 后果 | 量化 |
|---|---|
| GDP 下降 | 主权违约后 GDP 通常下降 0.5%~2.0%，但下降短暂——通常在违约后的第一年内。 |
| 评级更低、借款成本更高 | 1970 年以来至少违约过一次的国家，其评级比未违约的同类国家低 1~2 档；借款成本高 0.5%~1.0%。这些效应随时间减弱。 |
| 贸易报复 | 主权违约可引发贸易报复，出口企业受影响最大。研究发现违约后双边贸易平均下降 8%，影响可持续长达 15 年。 |
| 银行体系更脆弱 | 一项覆盖 1975–2000 年 149 个国家的研究发现：主权违约后发生银行危机的概率为 14%，比未违约国家高 11%。 |
| 政治变动概率上升 | 违约后常伴随货币急剧贬值。违约国更可能更换总统或总理（概率上升 45%）以及财长或央行行长（概率上升 64%）。 |
6.10 影响主权违约风险的六个因素
个人、公司、政府违约的原因许多是相同的：好年景借得超过承受能力，下行期无法偿还。影响一国主权违约风险的因素如下。
| 因素 | 要点 |
|---|---|
| ① 负债水平 | 是判断违约风险最根本的因素。不仅要看对外国银行与投资者的债务，还要看对本国公民的欠款（如福利、全民医保等社会安全网）。为便于比较，债务通常除以 GDP 缩放。以债务/GDP 看，负债最高的国家包括美国、日本、法国——但它们被金融市场与评级机构视为高度可信；埃及、萨尔瓦多则违约风险高。这说明负债水平不是决定违约风险的唯一因素。 |
| ② 养老金与社会服务 | 养老金与医疗承诺越重的国家违约风险越高；随着人口老龄化，这些承诺增加，人口更老的国家风险更大。 |
| ③ 税收收入 | 税收收入越多，越有能力偿债。更大的税基应提高国家收入（税收），从而降低违约风险。 |
| ④ 税收收入的稳定性 | 政府无论景气与否都要偿付债务，因此收入流必须稳定才能满足固定义务。经济更多元的国家更可能有稳定税收：依赖旅游的牙买加、依赖银与铜生产的秘鲁，其主权违约风险高于印度这类更大、更多元的经济体。此外，销售税与增值税体系通常比所得税体系更稳定。 |
| ⑤ 政治风险 | 专制政体可能比民主政体更容易违约——因为违约会给领导层带来压力、甚至导致政权更替，而独裁国家的领导人承压可能更小。此外，央行越独立，国家印钞就越困难。 |
| ⑥ 来自其他国家/实体的支持 | 西班牙、希腊、葡萄牙加入欧盟时，评级机构与市场参与者下调了它们的估计违约风险——假定德国、法国与北欧等更强经济体将保护较弱经济体免于违约。但并无保证：这是一种隐性而非显性的支持。 |
| 政府债务 / GDP（2020） | 2020 | 2010 |
|---|---|---|
| Venezuela | 304.12% | 25.00% |
| Japan | 254.13% | 205.69% |
| Greece | 211.21% | 147.49% |
| Italy | 155.82% | 119.20% |
| Portugal | 135.19% | 100.21% |
| United States | 133.92% | 95.14% |
| Spain | 119.92% | 60.52% |
| Cyprus | 119.14% | 56.43% |
可见主权违约风险是多维度的，必须从多个角度分析：负债水平、对公民的养老金与医疗义务、税收体系，以及政府的可信度与经济的性质。
6.11 评级机构与主权评级：两币种评级与迁移
评级机构评估主权违约风险有独特优势：它们评估企业违约风险已超过一个世纪，这些技能可轻松迁移到主权；且投资者已习惯企业评级，理解主权信用评级也就直观。1929 年 Moody's 已评级近 50 个政府；大萧条与二战后对政府债券的兴趣减退，1970 年代缓慢回升并持续增长——1994 年有 49 个受评国家（从 AAA/Aaa 到 BBB−/Baa3）。此后主权债券市场急剧扩大：2022 年 Moody's、S&P、Fitch 各自评级超过 100 个国家。
每个国家两个评级
- Moody's 与 S&P 目前给每个国家两个评级：针对本币债券的本币评级，与针对外币借款的外币评级。
- 总体而言，本币评级至少与外币评级一样高——因为国家可以印本币偿债。也有本币评级更低的例外：如 2010 年 3 月的印度，本币评级 Ba2、外币评级 Baa3。
- 主权评级在各机构间往往相近，但可能因对特质性与宏观风险（含政治风险）的看法不同而分化。
- 展望（outlook）栏表示评级前景：Moody's 的 NEG 表示可能下调、STA 表示评级稳定、POS 表示可能上调。
| Moody's 拉美主权评级示例 | 外币评级 | 外币展望 | 本币评级 | 本币展望 |
|---|---|---|---|---|
| Argentina | Ca | STA | Ca | STA |
| Brazil | Ba2 | STA | Ba2 | STA |
| Chile | A1 | NEG | A1 | NEG |
| Mexico | Baa1 | NEG | Baa1 | NEG |
| Venezuela | C | STA | C | STA |
评级迁移与地区偏见
- 主权评级会随时间变化，但通常比公司债评级变得少。评级变化常用评级迁移表分析（一年期内的评级变化）。
- 用 S&P 1975–2021 年一年期迁移数据：AAA 级主权维持 AAA 的概率为 96.82%；BBB 级主权维持不变的概率为 90.25%、上调 4.48%、下调 5.26%。
- 用15 年期迁移数据，评级变化更频繁：只有 67.14% 的 AAA 级与 25.25% 的 BBB 级主权维持原评级。
- 对评级机构的一项批评是地区偏见——机构倾向于系统性低估整个地区的主权，例如拉丁美洲。
6.12 评级机构如何度量主权风险
三大评级机构用相似的流程确定主权评级。
| 环节 | 内容 |
|---|---|
| 评级度量什么 | 目标是确定国家的信用状况。机构关注银行与私人债券持有人面临的违约风险，不关注世界银行、IMF 等官方债权人。度量对象也有差异：S&P 的评级衡量违约概率；Moody's 同时衡量违约概率与违约严重程度（即评级还看违约情形下的预期回收率）。违约定义为未在到期日支付本金或利息（直接违约），或对债务重新安排/重组（重组违约）。 |
| 评估可能促成违约的因素 | 这些因素与国家偿债能力相关的经济、政治、制度细节有关。S&P 的方法论使用按以下类别划分的变量：政治风险、经济结构、经济增长前景、财政灵活性、一般政府债务负担、境外与或有负债、货币灵活性、外部流动性、外债负担。Fitch 与 Moody's 使用类似框架。 |
| 评级流程 | 分析师撰写评级建议草案；通常由 5 至 10 人组成的委员会就评级类别（政治风险、经济结构等）与其他相关信息辩论，在最终陈述后投票决定最终评级。 |
| 本币 vs 外币评级 | 两者差异主要取决于国家的货币政策独立性。放弃货币政策独立性的国家（如欧盟国家），其外币与本币评级会趋同；实行浮动汇率、且通过稳健国内市场融资的国家，两者差异最大。 |
| 评级复核 | 评级定期复核；新闻也可触发复核——例如一国的经济灾难可能不仅触发对该国的复核，还触发对可能受传染效应影响的邻国的复核。 |
两条通往「本币 / 外币」评级的路径
- Notch-up（上调整一档）：以外币评级为关键指标，本币评级依据国内债务市场与其他国内因素向上调整。
- Notch-down（下调整一档）：以本币评级为关键指标，外币评级依据外汇问题与约束向下调整。
评级机构认为，尽管有失误，主权评级与主权违约之间高度相关。S&P 1975–2021 年累计违约率研究支持这一前提：AAA 级国家在评级授予后 15 个月内未发生违约；BBB 级国家同期违约概率为 4.78%；CCC 级国家为 84.80%。
6.13 主权评级体系的五条缺陷
| 批评 | 内容 |
|---|---|
| ① 评级向上偏 | 评级机构在评主权与企业时常被视为过于乐观。企业评级中常被指出的利益冲突（公司付费购买评级）在主权评级中弱得多——因为主权评级带来的收入小，而高估主权的声誉损害极大。 |
| ② 羊群行为 | 一家机构上调或下调某国时，其他机构往往跟进。这种缺乏独立性的观感削弱了「有三家机构」的价值。 |
| ③ 评级变化不够及时 | 投资者需要机构及时更新评级；部分市场参与者认为机构改变评级太慢，使投资者在危机中得不到保护。 |
| ④ 过度反应导致恶性循环 | 机构被批评对危机过度反应——因危机把评级降得过多，反而加剧危机。 |
| ⑤ 评级失败 | 一项研究考察 S&P 与 Moody's 在短期内多次调整评级的情形——同一年内多次调整，可被认为机构对该国的初始判断有误。可能解释：信息质量差（机构依赖政府提供的信息，各国数据数量与质量差异大；政府隐瞒真相只报好消息则评级出错，这也解释了向上偏）；资源有限（主权评级收入有限，分析师摊薄、常同时评多国，可能依赖市场公开信息而非自行研究，也会助长羊群行为）；收入偏见（机构通常不向使用者收取主权评级费，收入须来自发行人或其他业务；机构从次主权实体（州、省、县、市）获得可观收入，而主权下调通常引发一连串次主权下调，次主权可能反对主权下调，从而助长向上偏）；其他利益冲突（主权评级核心业务衍生出的附属业务可能产生足以影响评级的收入）。 |
值得注意的是，评级机构员工通常不会去其所评的主权国家任职，因此这一项一般不构成利益冲突。
6.14 信用评级 vs 主权违约价差 vs CDS 价差
主权违约价差（sovereign default spread）
- 定义：风险较高的主权债券收益率与无风险主权债券（如美国国债）收益率之差。
- 实例：2022 年 7 月 1 日，10 年期美元计价的巴西债券收益率 6.00%，10 年期美国国债 3.02%。因假定美国国债无风险，两者相差 2.98% 即主权违约价差，反映市场对该巴西债券违约风险的评估。
- 价差的优势：① 基于市场的价差比评级更有动态性——债券交易、收益率升降时价差随之变化，揭示市场对风险的看法；② 价差对新信息调整更快，投资者能更早得到潜在威胁的信号并更快调整组合。
- 价差的劣势：① 比较本币债券收益率意义较小——本币债券没有无风险券可比，收益率差异可能反映各国预期通胀差异而非真实风险；② 价差波动更大，变化可能受与主权违约风险无关的变量影响（如投资者需求、流动性变化）。
| 美元计价拉美债券违约价差（2022-07） | 10 年期主权债收益率 | 10 年期美债 | 主权违约价差 | Moody's 评级 |
|---|---|---|---|---|
| Brazil | 6.19% | 3.02% | 3.17% | Ba2 |
| Colombia | 5.58% | 3.02% | 2.56% | Baa2 |
| Indonesia | 4.38% | 3.02% | 1.36% | Baa2 |
| Turkey | 10.92% | 3.02% | 7.90% | B2 |
有趣的是，Moody's 对哥伦比亚与印度尼西亚的评级相同（Baa2），但市场对哥伦比亚债券要求更高回报（风险更高）：2022 年 7 月两国价差相差 120 个基点（2.56% − 1.36%）。另一实例：2005 年底巴西与委内瑞拉的价差接近（3.18% 与 3.09%），2006–2009 年间开始分化，到 2010 年 12 月委内瑞拉债券价差扩大到 10.26%、巴西收窄到 1.32%——市场对两国相对风险的看法显然在变化。
研究对「价差 vs 评级」的三条结论
- 违约价差与评级、与违约正相关——低评级主权债券更可能以更高收益率（及价差）交易，也更可能违约。
- 违约价差是领先指标——评级下调前价差先走阔，评级上调前价差先收窄。
- 评级变化仍向市场提供信息（尽管相对价差滞后更久）——机构用市场信息决定评级变化，市场在给债券定价时也对评级与评级变化做出反应。两者都对企业与投资者有用。
CDS 价差（CDS spread）
- CDS 类似于为债券违约买保险。一方（买方）按期支付债券名义额的一定比例给另一方（卖方）；卖方提供保护：在预定义的信用事件（可含债券违约或重组）发生时，使买方对债券损失完全获偿。
- 结算可以是现金结算（卖方支付债券名义额与市价之差），也可以是实物结算（买方交付债券、收回名义额）。
- 实例：投资者持有 2,000 万美元名义额的 5 年期秘鲁政府债券，担心未来五年发生信用事件，可买入 5 年期 CDS，每年支付 170 个基点（1.70%）= 34 万美元给卖方。这个基点百分比即 CDS 价差。
- 买 CDS 保护的两个关键风险：① 必须发生信用事件买方才获得支付——若债券价值因其他原因下跌而未发生信用事件，买方拿不到支付；② 买方暴露于卖方的信用风险——即使信用事件发生，卖方也可能不愿或无力支付。
- 规模与流动性：CDS 在 2007 年底前增长到近 60 万亿美元，金融危机后回落；参与者数量少，若几家大型实体失败，市场易受波动冲击。主权 CDS 仍占整体市场小部分，但近年受欢迎度上升——到 2022 年 7 月有 85 个主权有 CDS 交易。
CDS 价差的四条结论与两条局限
- CDS 价差对市场信息调整比评级更快，对投资者与机构参与者有价值（2009–2010 年包括希腊在内的多个欧洲主权 CDS 价差变化频率远高于评级）。
- 结论：① CDS 价差变化影响主权债券收益率与评级；② CDS 价差比信用评级更能预测主权风险；③ 宏观风险上升会导致 CDS 价差上升，并常伴随货币贬值；④ 传染（聚集）使一组国家的 CDS 价差同向变动。
- 局限：① CDS 价差反映信用、市场与流动性等多重风险，用它只评估信用风险可能高估风险；② CDS 常缺乏流动性，扭曲其价格。
- 尽管如此，CDS 含有关于违约风险的重要信息，但尚未被证明在评估违约风险上优于基于市场的违约价差。
- sources of country risk — (1) where the country sits in the economic growth life cycle; (2) political risk; (3) the legal system, in both structure and efficiency; (4) disproportionate reliance on one product, commodity, or service. Mature markets are less risky; early growth and emerging countries are more vulnerable, with higher growth in recoveries but larger GDP declines in downturns (in 2008 U.S. and European equities fell 25%–30% while emerging markets fell 50% or more).
- political risk components — continuous vs. discontinuous risk (democracies: continuous but generally low; dictatorships: discontinuous — policies change less often but changes are severe and hard to protect against); corruption (an implicit tax); physical violence (economic and physical costs, tracked by the Global Peace Index); and nationalization and expropriation risk. A 2021 report indicated only 6.4% of the world's population lives in democracies while nearly one-third lives in authoritarian countries.
- legal and economic structure risk — protection of property rights (structure) and speed of dispute settlement (efficiency); if disputes cannot be settled timely it is equivalent to no protection at all. A disproportionate reliance on a single commodity or service raises risk; diversification is difficult in smaller economies because resource concentration creates wealth for those who control the resource.
- measuring country risk — Political Risk Services (over 100 countries, 22 variables, political/economic/financial dimensions, composite score); Euromoney (surveys 400 economists, ranks 0 to 100 with higher = lower risk); The Economist (currency risk, sovereign debt risk, banking risk); World Bank (215 countries, six areas, positive numbers imply less risk). Limitations: methodologies developed by nonbusinesses; no standardization across providers (World Bank scaled around zero; higher = lower risk in Euromoney and PRS but lower = lower risk in The Economist); scores are better used as rankings than as true scores.
- foreign vs. local currency defaults — a large proportion of sovereign defaults are foreign currency defaults (more than 30 between 1983 and 2021; the largest was Greece at more than $264 billion in 2012). Defaults over the previous 200 years clustered in seven periods: 1824–1834, 1867–1882, 1890–1900, 1911–1921, 1931–1940, 1976–1989, and 1998–2003. Countries were more likely to default on bank borrowings than on sovereign bonds, and Latin America accounts for a large proportion (at least 60% of foreign currency defaults in each of the last five decades except the 1990s). Local currency defaults are explained by the gold standard before 1971, shared currencies such as the euro (Greece in 2015), and the tradeoff between default costs and the devaluation and inflation costs of printing money.
- consequences of default — GDP declines 0.5% to 2.0% but the decline is short-lived (usually within the first year); ratings fall one to two notches and borrowing costs are 0.5% to 1.0% higher, with effects lessening over time; bilateral trade falls about 8% with effects lasting up to 15 years; the probability of a banking crisis is 14% (11% higher than for nondefaulting countries); and the probability of political change rises 45% for the president or prime minister and 64% for the finance minister or head of the central bank.
- factors influencing sovereign default risk — level of indebtedness (the most fundamental factor, scaled to GDP; the United States, Japan, and France are highly indebted yet creditworthy, so indebtedness is not the only factor); pension and social service commitments; tax receipts; stability of tax receipts (more diversified economies have more stable revenues; sales and value added taxes are more stable than income taxes); political risk (autocracies may be more likely to default; a more independent central bank makes printing money harder); and backing from other countries or entities (implicit, not explicit, as when Spain, Greece, and Portugal joined the EU).
- sovereign ratings — by 2022 Moody's, S&P, and Fitch each rated more than 100 countries, providing both a local currency and a foreign currency rating; the local currency rating is generally at least as high as the foreign currency rating because a country can print local currency (exception: India in March 2010). Outlooks: NEG (possible downgrade), STA (stable), POS (possible upgrade). S&P one-year transition data (1975–2021): a AAA sovereign had a 96.82% probability of remaining AAA; a BBB sovereign had a 90.25% chance of staying unchanged, 4.48% of being upgraded, and 5.26% of being downgraded. Over 15 years only 67.14% of AAA and 25.25% of BBB sovereigns held their rating. A criticism is regional bias.
- how agencies measure sovereign risk — S&P measures the probability of default while Moody's measures both the probability and the severity of default (expected recovery). Default means failure to pay principal or interest on the due date (outright) or rescheduling or restructuring (restructuring default). An analyst prepares a draft report and a committee of 5 to 10 people debates and votes. The difference between local and foreign currency ratings depends largely on monetary policy independence; EU countries converge while floating-rate regimes funding through sound domestic markets differ most. Approaches: notch-up (foreign currency rating is the key indicator, local is notched up) and notch-down (local currency rating is the key indicator, foreign is notched down). S&P cumulative default study (1975–2021): AAA countries did not default within 15 months, BBB countries had a 4.78% probability, and CCC countries 84.80%.
- shortcomings of the sovereign rating system — ratings biased upward; herd behavior (agencies follow each other, reducing the benefit of having three); rating changes not timely enough; overreaction to crises creates a vicious cycle; and ratings failures, explained by bad information from governments, limited resources, revenue bias (including revenue from subsovereigns), and other conflicts of interest.
- ratings, default spreads, and CDS spreads — the sovereign default spread is the difference between a riskier sovereign bond yield and a riskless one (e.g., 6.00% − 3.02% = 2.98%). Spreads are more dynamic than ratings and adjust more quickly to new information; disadvantages are that local currency bond yields are less meaningful (differences may reflect expected inflation) and spreads are more volatile. Studies find spreads positively correlated with ratings and default, that spreads are leading indicators, and that rating changes still provide information. CDS spreads adjust more quickly than ratings; changes influence bond yields and ratings; CDS spreads are better predictors of sovereign risk; higher macroeconomic risk raises CDS spreads and often accompanies currency depreciation; and contagion makes spreads of groups of countries move together. Limitations: CDS spreads reflect credit, market, and liquidity risk (so using them for credit risk alone may overestimate risk), and CDSs are often illiquid, distorting prices.
📝 本章自测 · Self-Check
以下为自编练习题（非真题）：题干保留英文考试形态，解析为中文——先自己判断，再点开核对。共 4 题。
Q1. Which of the following statements about the measurement of country risk is most accurate?
PRS 评估一百多个国家、用 22 个变量度量政治/经济/金融三维度，给出综合分（B）。错法路径：A 把方向说反——Euromoney 从 0 到 100 排名，数字越高风险越低；C 把符号说反——世界银行的分数围绕零，正数表示风险更低、负数表示风险更高；D 与事实相反——供应商之间没有标准化（世界银行围绕零、Euromoney 与 PRS 高分＝低风险、The Economist 低分＝低风险），正因如此跨供应商难以比较。
Q2. On a given date, the yield on a 10-year dollar-denominated sovereign bond of Country X is 7.85%, while the yield on the 10-year U.S. Treasury bond is 3.25%. Country X's sovereign default spread is closest to:
主权违约价差 = 风险主权债券收益率 − 无风险债券收益率 = 7.85% − 3.25% = 4.60%。错法路径：A 取的是无风险收益率本身——那是比较基准，不是价差；B 取的是风险债券收益率本身——价差是两者之差；C 把两个收益率相加（7.85% + 3.25% = 11.10%）——价差由相减定义。
Q3. An investor holds $35 million notional value of five-year government bonds of Country Y and buys five-year CDS protection on them at a spread of 240 basis points. The annual payment the investor makes to the CDS seller is closest to:
240 个基点 = 2.40%，年费 = 2.40% × $35,000,000 = $840,000。错法路径：A 把 240 bps 当作 0.24%（少了一位，$35,000,000 × 0.0024 = $84,000）——1 个基点 = 0.01%，240 bps = 2.40%；C 把 240 bps 当作 24%（把 bps 直接当小数位，$35,000,000 × 0.24 = $8,400,000）；D 用 100 bps 代替 240 bps（$35,000,000 × 1% = $350,000）。
Q4. Which of the following statements is most consistent with empirical findings on the consequences of a sovereign default?
违约后 GDP 通常下降 0.5%~2.0%，且下降短暂——通常在违约后第一年内（A）。错法路径：B 数字与持续期都错——幅度不是 2.0%~3.5%，也不会持续至少五年；C 数字对（双边贸易约 −8%）但持续期错——影响可延续长达 15 年，而非一年内消退；D 把两个数字对调——银行危机概率是 14%（比未违约国高 11%），而 45% 是「更换总统或总理的概率上升」幅度。
7. 估计违约概率 Estimating Default Probabilities
要点：评级机构评级 vs 内部评级体系 · Altman Z 分（五个比率、权重与四档分类）· 评级迁移矩阵：累计 vs 边际违约概率 · 评级与违约概率的两条曲线（投资级逐年上升 / 垃圾级先升后降）· 危险率：无条件 vs 条件违约概率 · Q(t) = 1 − e^(−λ̄t) · 回收率的优先顺序与「回收率—违约率负相关」· CDS 机制（季付、实物/现金结算、CTD、违约后的应计尾款）· 信用指数（CDX NA IG / iTraxx Europe）· 固定票息 100 bps 与三种期初溢价 · CDS 价差 vs 债券收益价差与两条套利规则 · CDS-债券基差的六个成因 · λ̄ = s(T) / (1 − RR) 与期限结构 bootstrap · 非平价债券的精确算法 · 历史 PD vs 价差隐含 PD · 真实世界 vs 风险中性违约概率 · Merton 模型：股权＝资产的看涨期权、distance to default 与 PD = N(−d₂)
第 3 章把预期损失写成 EL = PD × LGD × EAD，其中 PD 一直被当作「已知输入」。本章专门回答一个更靠前的问题：PD 到底从哪来？答案有两条互不相同的来源——历史数据的统计口径与市场价格的隐含口径，而两者给出的数不一样，这正是本章最容易被考、也最容易用错的地方。
- ① 三个「率」必须分清：累计违约概率＝从第 0 年看到第 t 年末的累计；边际（无条件）违约概率＝相邻两年累计值之差，即「第 t 年当年」违约的概率；条件违约概率＝危险率＝边际概率 ÷ 此前存活率。三者是同一张迁移矩阵的三种读法。
- ② 两条 PD 口径的方向是固定的：价差隐含（风险中性）PD ＞ 历史（真实世界）PD。差额不是噪声，而是三样东西的补偿——系统性风险溢价（违约不独立、集中于坏年份）、流动性溢价（公司债不如国债好卖）、以及债券市场的不完全套利。所以：估值用风险中性口径，情景分析用真实世界口径。
- ③ Merton 模型的全部内容就是一句话：股权＝以公司资产为标的、以债务面值为行权价的看涨期权。资产跌破债务面值就「不行权」＝违约，于是 PD = N(−d₂)，而 d₂ 就是 distance to default（资产价值还要跌几个标准差才到违约点）。DD 越高，PD 越低。
- ④ 一个反直觉的常识：回收率与违约率负相关——坏年份既违约多、又回收少，两者同时恶化才是信用风险的真正杀伤力所在。而高等级债的回收率普遍高于次级债（第一留置权 54.6% vs 次级 22.3%）。
7.1 评级机构评级 vs 内部评级体系
评级机构（rating agencies）的公开评级只覆盖大型公开交易债券发行人；评级反映信用质量，因此会随市场新信息（正面或负面）调整。但机构刻意追求稳定性，避免因短期信息频繁改级——「rating through an economic cycle 跨周期评级」是明确的原则：可能出现「未来一年违约概率上升、但随后四年整体违约概率并无实质变化」的情形，此时机构倾向于不动评级。
中小型企业通常拿不到公开评级，于是许多放贷机构自建内部评级体系（internal credit rating system）。内部体系看三类指标：盈利性（如净资产收益率 ROE）、流动性（如速动比率 quick ratio）、偿债能力（如债务/权益比 debt-to-equity）。因为债务必须用现金偿还，放贷方会以企业编制的财务报表为起点、作必要调整后重编一份现金流量表——现金流量表在判断企业偿还能力时尤其有用。
7.2 Altman Z 分：五个比率、权重与四档分类
Altman Z 分（Altman's Z-score）用于预测违约。它由五个财务比率加权构成：
X₁ = 营运资本 / 总资产 · X₂ = 留存收益 / 总资产 · X₃ = EBIT / 总资产 · X₄ = 权益市值 / 总负债账面值 · X₅ = 销售额 / 总资产
Z 分最初是为公开交易的制造业企业设计的；用样本外数据检验时，第一类错误（把会违约的判成不违约）与第二类错误都很少，可靠性得到确认。模型后来也被改编用于非上市制造业企业。
| Z 分区间 | 分类 |
|---|---|
| 高于 3 | 不太可能违约（no default is likely） |
| 2.7 – 3 | 潜在违约（potential default） |
| 1.8 – 2.7 | 有合理违约概率（reasonable probability of default） |
| 低于 1.8 | 很可能违约（high likelihood of default） |
因此 Z 越高，越可能被判为有偿付能力；Z 越低，越可能被判为无偿付能力。
7.3 评级迁移矩阵：累计 vs 边际违约概率
S&P 的发行人评级从 AAA（最高）到 D（已违约）；投资级为 AAA 至 BBB，非投资级（垃圾级）为 BB 至 D。下图是一张覆盖近 40 年的评级迁移矩阵（rating migration / transition matrix），按初始评级量化发行人的平均违约率：
| 初始评级 | 1 年 | 2 年 | 3 年 | 4 年 | 5 年 | 7 年 | 10 年 | 15 年 |
|---|---|---|---|---|---|---|---|---|
| AAA | 0.00 | 0.03 | 0.13 | 0.24 | 0.34 | 0.51 | 0.70 | 0.90 |
| AA | 0.02 | 0.06 | 0.11 | 0.21 | 0.30 | 0.49 | 0.70 | 0.99 |
| A | 0.05 | 0.13 | 0.22 | 0.33 | 0.46 | 0.76 | 1.20 | 1.84 |
| BBB | 0.16 | 0.43 | 0.75 | 1.14 | 1.54 | 2.27 | 3.24 | 4.54 |
| BB | 0.63 | 1.93 | 3.46 | 4.99 | 6.43 | 8.89 | 11.64 | 14.65 |
| B | 3.34 | 7.80 | 11.75 | 14.89 | 17.35 | 20.99 | 24.62 | 28.24 |
| CCC/C | 28.30 | 38.33 | 43.42 | 46.36 | 48.58 | 50.75 | 52.76 | 54.76 |
表内数字是累计违约概率（cumulative probability of default）：初始 AA 的债券在第 1 年末违约的概率是 0.02%、第 2 年末 0.06%、第 3 年末 0.11%。由累计值可以算出边际违约概率（marginal probability of default）——AA 级债券在第 3 年当年违约的概率 = 0.11% − 0.06% = 0.05%。
7.4 评级与违约概率的关系：两条曲线
一般规律是：评级越低，违约概率越高。但「违约概率随年份怎么走」要分两类看：
- 投资级（以及部分非投资级）：前几年边际违约概率逐年上升。逻辑是：发行人在起点被视为稳定，但时间越久、财务恶化的可能性越大。以初始 AA 为例，第 1/2/3 年的边际违约概率分别是 0.02% / 0.04% / 0.05%。
- 另一些非投资级债券：边际违约概率会随时间下降。逻辑是：最初几年是生存关口——如果已经熬过最初几年还没违约，说明它的财务状况也许并不像当初评估的那么危险。以初始 B 为例，第 1–4 年的边际违约概率是 3.34% / 4.46% / 3.95% / 3.14%：第 2 年先升，其后持续下降。
7.5 危险率：无条件 vs 条件违约概率
用迁移矩阵还能算出危险率（hazard rate）。以 BB 级债券为例：从第 0 年看，第 4 年的无条件违约概率是 1.53%（= 4.99% − 3.46%）；存活到第 3 年末的概率是 96.54%（= 100% − 3.46%）；于是第 4 年的条件违约概率（前提是此前未违约）＝ 1.53% ÷ 96.54% = 1.58%。若把「一年」视为足够短的时间单位，这个条件违约概率就称为危险率或违约强度（default intensity）。
λ̄(t) = 0 到 t 之间的平均危险率（假定为常数，故只需「0 到 t 的平均值」这一个参数）
设危险率恒为 每年 2%：第 1 年末累计违约概率 = 1 − e^(−0.02×1) = 1.98%；第 2 年末 = 3.92%；第 4 年末 = 7.69%；第 5 年末 = 9.52%。由此，第 5 年的无条件违约概率＝ 9.52% − 7.69% = 1.83%；第 5 年的条件违约概率＝ 1.83% ÷ (1 − 7.69%) = 1.98%——条件值（1.98%）又回到了单年的危险率水平，这正是「常数危险率」的含义。
7.6 回收率及其与违约率的负相关
回收率（recovery rate）可以理解为违约后约一个月该债券的交易价格占面值的比例。以下为六类公司债的平均回收率：
| 债券类别 | 平均回收率（%） |
|---|---|
| 第一留置权债券（first lien） | 54.6 |
| 第二留置权债券（second lien） | 44.3 |
| 优先无担保债券（senior unsecured） | 38.0 |
| 优先次级债券（senior subordinated） | 31.0 |
| 次级债券（subordinated） | 32.1 |
| 初级次级债券（junior subordinated） | 22.3 |
符合直觉：越优先的债券回收率越高（第一留置权 54.6%），越次级的越低（初级次级 22.3%）。更关键的一条是：回收率与违约率负相关。用住房抵押贷款最能说明——抵押贷款违约率上升意味着更多断供与更多房产挂牌出售，房价因此下跌，放贷方的回收率随之下降。债券同理：经济强时违约少、且违约时的平均回收率偏高；经济弱时违约多、且违约时的平均回收率偏低。所以对放贷方而言，弱经济环境尤其难熬——高违约率与低回收率同时出现。
7.7 CDS 机制与算例
信用违约互换（credit default swap, CDS）是一种信用衍生品：买方（default protection buyer）为获得信用保护，在互换存续期内（或直到信用事件发生）向卖方（default protection seller）定期支付固定季付、期初支付。信用事件包括未按时付款、债务重组、破产。CDS 的标的（reference entity）就是被担心的那家企业。
若发生违约、且合约规定实物交割（physical delivery），则卖方支付债券的面值（名义本金）、同时收取债券。示例：FI Advisors（FIA）持有 ELF 公司面值 2 亿美元的固定收益证券，于 2024 年 9 月 20 日以 75 个基点的 CDS 价差从 Market Makers（MM）买入保护，期限 5 年。则 FIA 每年付 1,500,000 美元（= 2 亿 × 0.0075），即每季度约 375,000 美元（在 3 月 20 日、6 月 20 日、9 月 20 日、12 月 20 日这些标准到期日支付）。
- 若 ELF 不违约：FIA 从互换中什么也得不到。
- 若 ELF 在 2028 年 7 月 20 日违约：MM 向 FIA 支付名义本金 2 亿美元并收取 ELF 债券（实物交割）。合约通常允许交付一组可接受债券（如同等优先级的），而它们占面值的比例不同——由此产生最廉价可交割债券（cheapest-to-deliver, CTD）的可能。
- 现金结算情形：信用事件后若干天，向交易商询价以确定 CTD 债券买卖报价的中点。若该 CTD 债券报价为面值的 0.40 美元，则现金赔付为 60%，本例即 1.2 亿美元。
- 提前违约的应计尾款：保护买方只付到信用事件为止。若 2028 年 7 月 20 日违约且款项后付，则需补一笔约 125,000 美元（= 375,000 × 1/3）覆盖 2028 年 6 月 20 日至 7 月 20 日的一个月，其后停止付费。
CDS 常见期限为 1、2、3、5、7、10 年，其中 5 年最常用。由于标准到期日的存在，合约实际存续期可能与名义期限略有差异：例如 2025 年 8 月 10 日发起的 CDS 大概会在 2030 年 9 月 20 日到期，而 2025 年 9 月 20 日的首笔付款是一笔应计金额，覆盖 8 月 10 日至 9 月 20 日；此后（如 2025 年 12 月 20 日起）季付金额固定。
7.8 信用指数：CDX NA IG 与 iTraxx Europe
两个知名的投资级信用指数各含 125 个标的，常见期限为 3、5、7、10 年（多在 6 月 20 日与 12 月 20 日）：
- CDX NA IG（北美）
- iTraxx Europe（欧洲）
示例：5 年期 iTraxx Europe 报价为买价 150 bps、卖价 152 bps。若投资者按卖价为每家企业买入 50 万欧元的保护，则年度总支付 = 0.0152 × 500,000 × 125 = 950,000 欧元；若按买价为每家企业卖出 50 万欧元的保护，则年度总收入 = 0.015 × 500,000 × 125 = 937,500 欧元。买入保护后若有 1 个标的违约，投资者除获得相应赔付外，未来年度支付还会减少 7,600 欧元（= 950,000 ÷ 125）。
7.9 固定票息与三种期初溢价
CDS 中保护买方定期支付的固定票息（fixed coupon）被标准化为 100 个基点（1%）（投资级发行人），标准化让结算与清算更简单。要点：这个标准化票息不是应支付的公允溢价（即 CDS 价差）。期初溢价（up-front premium）有三种情形：
| 情形 | 期初溢价 |
|---|---|
| CDS 价差 = 固定票息 | 无期初溢价 |
| CDS 价差 > 固定票息 | 等于（CDS 价差 − 固定票息）的现值，由保护买方付给保护卖方 |
| CDS 价差 < 固定票息 | 等于（CDS 价差 − 固定票息）的现值，由保护卖方付给保护买方 |
7.10 CDS 价差、债券收益价差与两条套利规则
CDS 价差（CDS spread）就是用基点表示的 CDS 价格。若为 150 个基点（1.5%），意味着保护买方需支付 1.5% 的溢价——即保护卖方承担该信用风险所要求的报酬。债券收益价差（bond yield spread）是公司债收益率超出可比无风险债券收益率的部分。理论上两者应相等。
把两者合起来看：一只年收益率 6% 的 5 年期公司债，可以用 CDS 价差 1.5% 的 5 年期 CDS 来对冲；两个头寸轧差后得到一个无风险头寸，投资者获得 4.5% 的净回报（即隐含无风险利率，前提是债券不违约）；若债券违约，则违约前回报仍为 4.5%，违约后投资者拿到债券面值、可按无风险利率投到第 5 年末。由此得出两条操作规则：
- CDS 价差 < 债券收益价差：买入公司债、买入 CDS 保护 → 赚取高于无风险利率的收益。
- CDS 价差 > 债券收益价差：卖出公司债、卖出 CDS 保护 → 以低于无风险利率的成本融资。
以上讨论以固定利率为主；资产互换（asset swap）与其价差提供的是债券收益率高出市场参考利率（如浮动利率）的直接估计。
7.11 CDS-债券基差
理论上应为 0（或接近 0）；实践中不为 0 的原因见下表，「负基差 / 正基差」标注的是该因素通常把基差推向哪一侧
| 成因 | 方向 |
|---|---|
| 债券可能大幅高于面值或低于面值交易 | 负基差 / 正基差 |
| CDS 承担对手方风险 | 负基差 |
| CDS 存在 CTD 可能 | 正基差 |
| CDS 赔付不包含应计利息 | 负基差 |
| CDS 可能含重组条款（未违约也可赔付） | 正基差 |
| 债券收益价差所用的无风险利率与市场所用不一致 | — |
此外，流动性约束使债券与 CDS 之间的套利机会无法被充分执行，这也会导致基差不为 0。2007–2009 年金融危机之前，CDS-债券基差通常为正；此后转为负值且幅度变小。
7.12 用价差近似危险率
对接近面值交易的债券，可用信用价差（CDS 价差或债券收益价差）近似危险率：
λ̄ = 平均危险率 · s(T) = 期限 T 的信用价差 · RR = 回收率
例：发行人 5 年信用价差 210 个基点（年预期损失 2.1%）、预期回收率 30%，则未来 5 年「条件于此前未违约」的年均违约概率 = 0.021 ÷ (1 − 0.3) = 3%。
该式还可用于自举（bootstrap）危险率期限结构。设 3 年、5 年、10 年 CDS 价差分别为 80、90、110 bps，预期回收率 65%：
- 3 年平均危险率 = 0.008 ÷ (1 − 0.65) = 2.29%
- 5 年平均危险率 = 0.009 ÷ (1 − 0.65) = 2.57%
- 10 年平均危险率 = 0.011 ÷ (1 − 0.65) = 3.14%
于是第 3 年到第 5 年之间的平均危险率 = [(5 × 0.0257) − (3 × 0.0229)] ÷ 2 = 2.99%；第 5 年到第 10 年之间的平均危险率 = [(10 × 0.0314) − (5 × 0.0257)] ÷ 5 = 3.71%。注意这里用的是「平均危险率 × 年数」作差的面积法：累计危险率是危险率对时间的积分，两段相减即得区间平均。
7.13 更精确的危险率：非平价债券与逐步求解
若债券不接近面值交易，就需要更精确的算法。设一只 5 年期风险公司债票息 6%（半年付）、年收益率 7%（连续复利），价格为 95.34；另一只无风险政府债票息 6%（半年付）、年收益率 5%（连续复利），价格为 104.09。两者价差 8.75 就是债券存续期内的预期违约损失。
下表假设违约只发生在票息日之前的 5 个时点、回收率 40%、各时点违约概率均为 Q（全期恒定）：
| 时间（年） | 违约概率 | 回收金额（$） | 无违约价值（$） | 损失（$） | 折现因子 | 预期损失现值（$） |
|---|---|---|---|---|---|---|
| 0.5 | Q | 40 | 106.73 | 66.73 | 0.9753 | 65.08Q |
| 1.5 | Q | 40 | 105.97 | 65.97 | 0.9277 | 61.20Q |
| 2.5 | Q | 40 | 105.17 | 65.17 | 0.8825 | 57.52Q |
| 3.5 | Q | 40 | 104.34 | 64.34 | 0.8395 | 54.01Q |
| 4.5 | Q | 40 | 103.46 | 63.46 | 0.7985 | 50.67Q |
| 合计 | 288.48Q |
以 t = 4.5 年为例：无违约价值 103.46 = 3 + 103 × e^(−0.05×0.5)（当期票息 3，加上 0.5 年后到期的票息 3 与本金 100 折现回来）；按 40% 回收率，违约损失 LGD = 103.46 − 40 = 63.46；按 5% 年折现率折现，损失 50.67、预期损失 50.67Q。全期合计预期损失 288.48Q，而已知价差为 8.75，故 Q = 8.75 ÷ 288.48 = 3.03%。
用 2 年、5 年、7 年到期的债券样本，可以做自举得到违约概率的期限结构：2 年债估前两年的违约概率，5 年债估第 4、5 年，7 年债估第 6、7 年。
7.14 历史违约概率 vs 价差隐含违约概率
下表把「历史数据算出的 7 年累计违约概率」与「信用价差隐含的 7 年危险率」并列（前者来自 1981–2020 年 S&P 数据，后者来自 1996–2007 年价差数据）：
| 评级 | 7 年累计违约概率（%） | 7 年信用价差（bps） | 由 PD 算出的危险率（%） | 由价差算出的危险率（%） | 差额 |
|---|---|---|---|---|---|
| AAA | 0.51 | 35.74 | 0.073 | 0.596 | 0.523 |
| AA | 0.49 | 43.67 | 0.070 | 0.728 | 0.658 |
| A | 0.76 | 68.68 | 0.109 | 1.145 | 1.036 |
| BBB | 2.27 | 127.53 | 0.328 | 2.126 | 1.798 |
| BB | 8.89 | 280.28 | 1.330 | 4.671 | 3.341 |
| B | 20.99 | 481.04 | 3.366 | 8.017 | 4.651 |
| CCC/C | 50.75 | 1,103.70 | 10.118 | 18.395 | 8.277 |
两种算法的公式分别是：
BBB 例：λ̄(7) = −(1/7) × ln(1 − 0.0227) = 0.328%
BBB 例：λ̄(7) = 0.012753 ÷ (1 − 0.4) = 2.126%
结论有三条：① 由价差算出的危险率显著高于由历史数据算出的危险率；② 信用质量越好，差额越小；越差，差额越大（AAA 差 0.52 个百分点，CCC/C 差 8.28 个百分点）；③ 因此承担信用风险的回报「绰绰有余」——回报大于违约的预期成本，在低信用质量品种与经济动荡、价差走阔时期尤其明显。差额的解释是：违约不是独立事件，它依赖经济状况；单看个体，好（坏）经济降低（提高）违约概率。历史数据显示违约率逐年波动很大，这种波动构成系统性风险（不可分散），市场因此要求回报补偿。此外，公司债流动性相对差，其中还含有流动性溢价。
7.15 真实世界 vs 风险中性违约概率
两种口径的差别源于资产预期增长率的假设：风险中性下假设资产预期增长率等于无风险利率；真实世界下预期增长率等于无风险利率 + 市场风险溢价。其他条件相同时，真实世界的资产估值更高。于是在同样的债务面值下，真实世界违约概率低于风险中性违约概率。用途分工是明确的：
- 估值（valuation）→ 用风险中性估计（如由信用价差推出的违约率），因为不需要为承担风险另加溢价。
- 情景分析（scenario analysis）→ 用真实世界估计（如由历史数据得出的违约率）。
7.16 Merton 模型：股权即资产的看涨期权
Merton 模型把公司股权价值视为公司资产的一个多头看涨期权，假设有需要在 T 时刻偿还的债务。符号约定：V₀ = 公司资产现值、V_T = T 时刻资产价值、D = T 时刻应偿还的总债务、E₀ = 股权现值、E_T = T 时刻股权价值（= V_T − D）、σ_V = 资产波动率、σ_E = 股权波动率。
期权的行权价就是总债务 D，所以 E_T = max(V_T − D, 0)：若 V_T 高于 D，继续偿债并保留股权价值是理性的；若 V_T 低于 D，股权价值为零，违约是理性的。
d₁ = [ln(V₀/D) + (r + σ_V²/2) T] ÷ (σ_V √T) · d₂ = d₁ − σ_V √T
N = 累积正态分布函数
期权不被行权（即公司违约）的概率记为 N(−d₂)。要算出它必须间接求解，需要 V₀ 与 σ_V 的值。由随机微积分可得 σ_E E₀ = (∂E/∂V) σ_V V₀，而股权的 delta 就是 ∂E/∂V，可用 N(d₁) 代入：
五个变量、已知四个，即可解出 N(d₁)；再回代 Black-Scholes-Merton 式解 N(d₂)
算例：股权现值 E₀ = 3（百万美元）、股权波动率 σ_E = 0.80、一年后到期债务 D = 10、年无风险利率 r = 5%（T = 1）。求解得到 V₀ = 12.40、σ_V = 0.2123，进而：
- 由 σ_E E₀ = N(d₁) σ_V V₀ 解出 N(d₁) = 0.9117（= 0.80 × 3 ÷ (0.2123 × 12.40)）。
- 回代 BSM 式解出 N(d₂) = 0.873。
- （风险中性）违约概率 = N(−d₂) = 1 − 0.873 = 12.7%。
- distance to default 就是 d₂：本例 d₁ ≈ 1.35、d₂ ≈ 1.14。
- 债务当前市值 = V₀ − E₀ = 12.40 − 3 = 9.40；债务偿还额的折现值 = 10 × e^(−0.05×1) = 9.51；于是债务预期损失 = (9.51 − 9.40) ÷ 9.51 = 1.2%。
DD = 资产价格还需下跌多少个标准差才会在 T 时刻触发违约。DD 越高，违约概率越低（PD = N(−d₂)）
7.17 Merton 家族的表现：Merton / KMV / Kamakura
实证证据支持：Merton 模型、Moody's KMV 模型与 Kamakura 模型都能给出可靠且相当准确的违约概率「排序」。需要注意口径：Merton 模型的输出是风险中性违约概率（因为它由期权定价模型推导而来）；Moody's KMV 与 Kamakura 则把 Merton 的输出重新表述为真实世界违约概率。所以同一个名字「Merton PD」在不同机构报表里可能不是同一种口径——用之前先确认它落在哪一侧。
- ratings vs. internal systems — agencies rate large publicly traded issuers and deliberately rate through the economic cycle for stability; small and mid-sized firms are typically rated internally on profitability (ROE), liquidity (quick ratio) and solvency (debt-to-equity), with a restated cash flow statement as the starting point because debt is repaid in cash.
- Altman Z-score — Z = 1.2 X₁ + 1.4 X₂ + 3.3 X₃ + 0.6 X₄ + 0.999 X₅, where X₁ = working capital/total assets, X₂ = retained earnings/total assets, X₃ = EBIT/total assets, X₄ = market value of equity/book value of total liabilities, X₅ = sales/total assets. Bands: above 3 no default likely; 2.7–3 potential default; 1.8–2.7 reasonable probability of default; below 1.8 high likelihood of default.
- rating migration matrix — cumulative default probabilities by initial rating; the marginal (unconditional) probability is the difference between adjacent cumulative values; the conditional probability (hazard rate) divides the marginal by the prior survival rate. Investment-grade names show rising marginal default probabilities over the early years; some non-investment-grade names peak early and then decline because the first years are the survival test.
- hazard rate — Q(t) = 1 − e^(−λ̄(t)×t); with a constant 2% hazard rate, cumulative defaults are 1.98% at year 1, 3.92% at year 2, 7.69% at year 4 and 9.52% at year 5, and the year-5 conditional probability returns to 1.98%.
- recovery rates — first lien 54.6%, second lien 44.3%, senior unsecured 38.0%, senior subordinated 31.0%, subordinated 32.1%, junior subordinated 22.3%; recovery is negatively correlated with the default rate, so weak economies bring high defaults and low recoveries together.
- CDS mechanics — protection buyer pays a fixed coupon quarterly in advance until a credit event (failure to pay, restructuring, bankruptcy); physical settlement delivers the notional in exchange for bonds (cheapest-to-deliver optionality), cash settlement pays par minus the CTD price; the standardized coupon is 100 bps for investment grade and is not the fair premium — the up-front premium is the present value of (CDS spread − fixed coupon), paid by the buyer when the spread is higher and by the seller when it is lower.
- credit indices — CDX NA IG and iTraxx Europe, 125 reference entities each, maturities of 3, 5, 7 and 10 years.
- CDS spread vs. bond yield spread — in theory equal; if the CDS spread is below the bond yield spread, buy the bond and buy protection; if above, sell the bond and sell protection. The CDS-bond basis = CDS spread − bond yield spread, and is nonzero because of above/below-par trading, CDS counterparty risk, CTD optionality, exclusion of accrued interest, restructuring clauses, mismatched risk-free rates and illiquidity; it was generally positive before 2007–2009 and negative and smaller since.
- hazard rate from spreads — λ̄ = s(T)/(1 − RR) for a bond trading near par (210 bps with a 30% recovery gives 3%); bootstrapping spreads of 80, 90 and 110 bps with a 65% recovery gives average hazard rates of 2.29%, 2.57% and 3.14%, hence 2.99% between years 3 and 5 and 3.71% between years 5 and 10.
- historical vs. spread-implied — spread-implied hazard rates are significantly higher, and the gap widens as credit quality deteriorates (0.52 percentage points at AAA versus 8.28 at CCC/C), because defaults are not independent and the resulting systematic risk plus a liquidity premium are priced in.
- real-world vs. risk-neutral — under risk neutrality the expected asset growth rate is the risk-free rate, so real-world asset values (and thus the real-world default probability) are lower. Use risk-neutral estimates for valuation and real-world estimates for scenario analysis.
- Merton model — equity is a long call on the firm's assets with strike equal to the debt repayment, E₀ = V₀N(d₁) − De^(−rT)N(d₂) and σ_E E₀ = N(d₁) σ_V V₀; the risk-neutral default probability is N(−d₂) and d₂ is the distance to default. Merton, Moody's KMV and Kamakura all rank default probabilities reliably, but Merton's output is risk-neutral while KMV and Kamakura restate it as a real-world probability.
Q1. 以下为 Meridian Corp. 的财务数据：营运资本 $620,000、总资产 $6,200,000、留存收益 $1,450,000、EBIT $560,000、权益市值 $4,960,000、总负债账面值 $2,480,000、销售额 $2,170,000。按 Z = 1.2X₁ + 1.4X₂ + 3.3X₃ + 0.6X₄ + 0.999X₅ 计算，该公司的 Z 分最接近：
X₁ = 620,000 ÷ 6,200,000 = 0.1000；X₂ = 1,450,000 ÷ 6,200,000 = 0.2339；X₃ = 560,000 ÷ 6,200,000 = 0.0903；X₄ = 4,960,000 ÷ 2,480,000 = 2.0000；X₅ = 2,170,000 ÷ 6,200,000 = 0.3500。
Z = 1.2×0.1 + 1.4×0.2339 + 3.3×0.0903 + 0.6×2.0 + 0.999×0.35 = 0.1200 + 0.3275 + 0.2981 + 1.2000 + 0.3497 = 2.2951 ≈ 2.30，落在 1.8–2.7 区间 → 有合理违约概率。
错法路径：B 把 X₅ 的权重 0.999 记成 0.0999（末项少乘 10 倍 → 1.98）；C 把 X₄ 写成「总负债账面值 ÷ 权益市值」= 0.50（分子分母颠倒 → 1.40）；D 漏掉 X₄ 整项（丢掉 0.6 × 2.0 = 1.20 → 1.10）。
Q2. 某评级机构的累计违约率数据显示，某 CCC 级发行人第 1 至第 5 年的累计违约率依次为 22.0%、31.5%、37.8%、42.6%、45.9%。该债券在第 4 年违约、且此前未违约的条件违约概率最接近：
第 4 年的无条件（边际）违约概率 = 42.6% − 37.8% = 4.8%；存活到第 3 年末的概率 = 100% − 37.8% = 62.2%；条件违约概率 = 4.8% ÷ 62.2% = 7.72%。
错法路径：A 只算了边际概率（漏掉「条件于此前未违约」这一步）；C 把分母写成累计违约率 37.8%（4.8 ÷ 37.8 = 12.70%，用「已违约」而不是「仍存活」作分母）；D 直接把第 4 年的累计违约率当成条件概率。
Q3. 某发行人 5 年期 CDS 价差为 260 个基点，违约时的预期回收率为 35%。按 λ̄ = s(T) ÷ (1 − RR) 估计，其年平均危险率最接近：
260 个基点 = 2.60%；LGD = 1 − RR = 1 − 0.35 = 0.65；λ̄ = 2.60% ÷ 0.65 = 4.00%。
错法路径：A 把除法做成乘法（2.60% × 0.65 = 1.69%，该乘式没有经济含义）；B 直接取价差本身（忽略回收率，等于假设 RR = 0）；D 用回收率而非 LGD 作分母（2.60% ÷ 0.35 = 7.43%，把「不会损失的部分」当成了分母）。
Q4. 某公司用 Merton 模型估计的 distance to default 从 1.14 上升到 2.30，其间资产波动率不变。下列哪项最准确？
风险中性违约概率 = N(−d₂)，而 d₂ 就是 distance to default（资产价格还需下跌多少个标准差才触发违约）。d₂ 由 1.14 升到 2.30：N(−1.14) ≈ 12.7% → N(−2.30) ≈ 1.1%，违约概率下降。
错法路径：A 把 d₂ 与 PD 的关系记反（d₂ 越高越安全）；C 忽略 N(−d₂) 会随 d₂ 变化——d₂ 由 V₀、σ_V、D、T 共同决定，并非只取决于 D；D 与「d₂ 上升」的含义自相矛盾——d₂ 上升恰恰说明资产价值离违约点更远。
8. 信用 Value at Risk（Credit VaR）
要点：信用 VaR 的定义（给定期间、给定置信水平内不会被超过的信用损失）· 市场 VaR vs 信用 VaR（期限 1 天 vs 1 年、工具历史模拟 vs 复杂模型）· 信用相关性（违约不独立，衰退期相关性上升）· 评级迁移矩阵与时间尺度伸缩（自乘 = 多年、开根 = 不足一年、评级动量）· Vasicek 高斯 copula 与 WCDR(T, X)、IRB 资本要求 · Credit Risk Plus：二项分布 → 泊松 → 负二项（Gamma 混合）· CreditMetrics：同时涵盖违约与降级 · 相关性模型与分位点阈值 · 信用价差风险及其两个数据问题 · 带价差的信用 VaR 算例 · 恒定风险 vs 买入持有策略
第 7 章把单名的 PD 估了出来。本章把它抬到组合层面：给定一年、给定置信水平，信用损失最大可能到多少——这就是信用 VaR，也是银行算经济资本与监管资本的直接输入。全章的主线是：先承认「违约不独立」，再用四种不同的建模路线去处理它。
- ① 与市场 VaR 的两条硬差别：期限——市场 VaR 通常 1 天，信用 VaR 通常 1 年；工具——市场 VaR 的主力是历史模拟，信用 VaR 需要更复杂的建模（迁移矩阵、Monte Carlo、copula）。
- ② 迁移矩阵是唯一同时处理「违约」与「降级」的基础件：矩阵自乘 = 多年（三年矩阵 = 一年矩阵的三次方）、开四次根 = 一个季度。期限越长，违约概率越高、保持评级的机会越低——而现实中「评级动量」会让独立性假设站不住脚（刚被降级的更可能再被降级）。
- ③ 四条建模路线，记住各自「缺什么」最快：Vasicek 高斯 copula 给出最坏情形违约率 WCDR（Basel IRB 的基础），但不含尾部相关性；Credit Risk Plus 只用违约不用降级；CreditMetrics 是唯一同时涵盖违约与降级的；相关性模型把不同对手方的评级迁移用高斯 copula 连起来，相关性取股权收益相关性。
- ④ 信用 VaR 不等于最大损失：同一笔债券在不同置信水平下给出不同数字（本例 99.9% 以上对应 589，99.467%–99.9% 之间对应 56.81）——报告 VaR 必须同时报出置信水平，否则数字无意义。
8.1 市场 VaR vs 信用 VaR
信用风险 VaR的定义是：在给定期间内、给定置信水平下不会被超过的信用风险损失。模型可以考虑违约、评级下调、信用价差变化三类损失来源，银行常用它来确定经济资本与监管资本。它与市场风险 VaR 相似，但有两条重要差别：
| 维度 | 市场风险 VaR | 信用风险 VaR |
|---|---|---|
| 时间期限 | 通常 1 天 | 通常 1 年 |
| 计算工具 | 历史模拟是主要工具 | 需要更复杂的建模工具 |
8.2 信用相关性：信用 VaR 建模的前提
计算信用 VaR 的模型都必须处理信用相关性（credit correlation）——它承认不同公司的违约彼此不独立。经济强劲通常对所有公司都有正面影响，违约风险因此降低；经济疲弱则相反，违约会更多、更集中。经济下行时信用相关性上升，金融机构的风险也随之上升。
8.3 评级迁移矩阵：时间尺度的伸缩
评级迁移矩阵是金融机构计算信用 VaR 的常用工具。它基于历史数据，反映公司在给定期限内在各评级类别之间迁移的可能性。下表为一张实际的一年期迁移矩阵（1981–2020 年评级公司）：
| 初始评级 | AAA | AA | A | BBB | BB | B | CCC/C | D |
|---|---|---|---|---|---|---|---|---|
| AAA | 89.85 | 9.35 | 0.55 | 0.05 | 0.11 | 0.03 | 0.05 | 0.00 |
| AA | 0.50 | 90.76 | 8.08 | 0.49 | 0.05 | 0.06 | 0.02 | 0.02 |
| A | 0.03 | 1.67 | 92.61 | 5.23 | 0.27 | 0.12 | 0.02 | 0.05 |
| BBB | 0.00 | 0.10 | 3.45 | 91.93 | 3.78 | 0.46 | 0.11 | 0.17 |
| BB | 0.01 | 0.03 | 0.12 | 5.03 | 86.00 | 7.51 | 0.61 | 0.70 |
| B | 0.00 | 0.02 | 0.08 | 0.17 | 5.18 | 85.09 | 5.66 | 3.81 |
| CCC/C | 0.00 | 0.00 | 0.12 | 0.20 | 0.65 | 14.72 | 50.90 | 33.42 |
| D | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 0.00 | 100.00 |
读法（假定各期评级变化相互独立）：概率最高的一格总是「年末保持原评级」。以初始 AA 为例，有 90.76% 的概率维持 AA；同一行里，0.50% 的概率被上调到 AAA、8.08% 的概率被下调到 A。
要分析一年以上，把矩阵自乘即可——三年期迁移矩阵就是一年期矩阵的三次方：AAA 级公司一年保持评级概率 89.85%，则三年保持概率为 72.54%（= 0.8985³）。要分析不足一年，就开方——一个季度需对矩阵数字取四次根：同一 89.85%，三个月保持概率为 97.36%（= 0.8985^(1/4)）。由此得到两条方向性结论：期限越长，违约概率越高、保持原评级的机会越低；期限越短，违约概率越低、保持原评级的机会越高。
但要注意「各期独立」这一前提在现实中较难成立：评级动量（ratings momentum）意味着刚被降级的公司更可能再次被降级——同一方向的迁移会「粘」在一起，而不是相互独立。
8.4 Vasicek 高斯 copula 模型与 IRB 资本要求
Vasicek 的高斯 copula 模型用于对贷款组合计算违约率分布的高分位数。它的输出是 WCDR(T, X)，即「在时间 T 内、违约率分布的第 X 个百分位上的最坏情形违约率（worst-case default rate）」。模型把违约概率 PD 与信用相关性 ρ、期限 T 联系起来：
N = 累积正态分布 · N⁻¹ = 其反函数 · PD = 违约概率 · ρ = 信用相关性 · X = 违约率分布的分位水平
单笔贷款的损失分布第 X 个百分位 = 该笔贷款的 WCDR × EAD × LGD。对于有 n 笔小额贷款的大组合，损失分布的第 X 个百分位可近似为各项之和：
这是 Basel IRB 资本要求的内核：先算每笔的最坏情形违约率，再乘敞口与违约损失率
模型中的 ρ 应近似等于两家公司「资产收益率（ROA）」或「股权收益率（ROE）」之间的相关性，因此可以用公司 ROE 之间的平均相关性来确定组合的 ρ；若被评估的公司未上市，可用类似的上市公司的平均相关性作代理。该模型的一个已知缺陷是未纳入尾部相关性（tail correlation）——极端情形下的联动被低估了，需要用替代模型来缓解。
8.5 Credit Risk Plus：从二项分布到负二项分布
Credit Risk Plus（CreditRisk+）由 Credit Suisse Financial Products 开发。假定违约相互独立时，可用二项分布估计违约笔数 m：n 笔贷款、每笔违约概率 q，则
n 笔、独立、同质违约概率下的标准二项式
当违约概率很小、贷款笔数很大时，可改用泊松分布：
参数 qn 即「期望违约笔数」
违约概率 q 本身是未知的，一个合理假设是让期望违约笔数 qn 服从 Gamma 分布（均值 μ、标准差 σ）。此时泊松分布变成负二项分布：
α = μ² / σ² · p = σ² / (μ + σ²) · Γ(x) = Gamma 函数
σ 减小 → 负二项分布退化为泊松分布；σ 增大 → 出现大量违约的可能性上升
蒙特卡洛模拟是把「违约率的不确定性」纳入建模的手段。现实是：某年的违约率不太可能与前一年的违约率独立，因此理想的模型应把当年违约率与往年违约率或往年经济变量挂钩。当违约率的不确定性上升时，出现大量违约的概率随之上升——原因是违约相关性上升，损失概率分布呈现正偏（positive skew），而不是在低相关性/零相关时那样的对称分布。
8.6 CreditMetrics：同时涵盖违约与降级
Vasicek 模型与 Credit Risk Plus 只考虑违约、不考虑降级。CreditMetrics 模型（来自 JPMorgan）则是为同时处理违约与降级而设计的：它使用前面那张评级迁移矩阵，评级可以来自银行内部评级（基于历史银行数据）或外部评级机构。
对含多个对手方、多笔交易的组合做一年期信用 VaR，需要蒙特卡洛模拟。每一轮试验先确定各对手方一年后的信用评级，再逐个计算信用损失：
- 若年末评级为违约：损失 = EAD × LGD（其中 LGD = 1 − 回收率）。
- 若年末评级未违约：信用损失 = 该对手方所有交易在年末的价值。
- 计算需要各评级类别的信用价差期限结构，可取自市场可观察值或某个信用价差指数。
第 j 个区间始于第 1 年 · RR = 回收率 · qᵢ = 第 i 个区间的 PD · qᵢ* = 某一轮模拟中第 i 个区间的 PD（i ≥ j）· vᵢ = 区间中点的预期净敞口现值（已考虑抵押品）
因此，对手方评级改善会产生负的信用损失（模型允许「赚」）。若某一轮试验在第 1 年就违约，则损失由违约发生时点、EAD 与 (1 − RR) 共同决定。CreditMetrics 的蒙特卡洛最终给出全部对手方违约与降级造成的总信用损失的概率分布，信用 VaR 就从该分布读出。另外：在同样假设下，CreditMetrics 与 Credit Risk Plus 的预测差异，很可能来自两者对损失发生时点的处理不同。
8.7 相关性模型：把评级迁移连起来
在相关性模型中，不同对手方的评级变化被假定为相关（而非独立）。用高斯 copula 可以构造评级变化的联合概率分布，其中两家公司评级迁移的相关性等于它们股权收益的相关性。
取上表的一部分：设两家公司的相关性为 0.2，从标准正态分布中抽取两个相关系数为 0.2 的变量 x_A 与 x_B，则一家 A 级公司的评级变化阈值可由分位点确定（A 行：AAA 0.03%、AA 1.67%、A 92.61%）：
- N⁻¹(0.0003) ≈ −3.43 → 若 x_A 低于该值，A 级公司被上调至 AAA；
- N⁻¹(0.0170) ≈ −2.12 → 若 x_A 落在 −3.43 与 −2.12 之间，公司变为 AA；
- N⁻¹(0.9431) ≈ 1.58 → 累计到 94.31%（含保持 A 的 92.61%）的阈值。
对 B 级公司可做同一套练习，再把 A 级与 B 级公司在整个评级谱上的迁移情形加以比较。
8.8 信用价差风险
信用敏感产品的价值天然取决于信用价差，因此信用 VaR 的计算必须评估价差的潜在变化——这就是信用价差风险（credit spread risk）。可以用历史模拟先算出一日 99% VaR，再调整到更长期限。情景设定可能假定各公司的价差变化幅度一致，但这一做法有两个问题：
- 缺乏每日更新的信用价差数据；
- 当前仍在经营的公司，过去大概率没有违约过——于是模型只能假定未来也不违约，等于把违约情景排除在外。
这里可以借用 CreditMetrics 的做法：在特定期限上建立评级迁移矩阵，历史评级变化数据给出同一期限内信用价差变化的概率分布；再用蒙特卡洛，每轮试验对矩阵抽样，判定公司是保持评级、迁移到其他评级、还是违约；同一期限内各评级类别的信用价差也随之确定，从而得到每轮试验的组合价值与信用 VaR。要引入信用相关性，有两条路：对不同公司的评级变化相关性使用高斯 copula，或者假定各评级类别的信用价差变化高度相关（不同评级工具的价格同向变动）。
8.9 算例：带信用价差的信用 VaR
设某公司持有一只 3 年期零息债券，面值 $1,000，无风险利率 2.5%，当前信用价差 150 个基点，则当前价格 = $1,000 ÷ (1.04)³ = $889。该债券当前评级 BBB，一个月后可能的评级与对应的三个（等概率）信用价差如下：
- 上调至 A：概率 1.0%；信用价差 70、90、110（bps）
- 维持 BBB：概率 97.6%；信用价差 120、150、180（bps）
- 下调至 BB：概率 1.3%；信用价差 300、350、400（bps）
- 违约：概率 0.1%（假定违约时该债券值 $300）
对 3 年期债券而言，一个月后剩余期限为 2.917 年。假定每个评级对应的三个价差等概率，各情景估值与损失如下（损失 = 889 − 情景价值）：
| 评级 | 价差（bps） | 概率 | 债券价值（$） | 损失（$） |
|---|---|---|---|---|
| 违约 | — | 0.100% | 300.00 | 589.00 |
| BB | 400 | 0.433% | 832.19 | 56.81 |
| BB | 350 | 0.433% | 843.69 | 45.31 |
| BB | 300 | 0.433% | 855.41 | 33.59 |
| BBB | 180 | 32.533% | 884.43 | 4.57 |
| BBB | 150 | 32.533% | 891.90 | −2.90 |
| BBB | 120 | 32.533% | 899.44 | −10.44 |
| A | 110 | 0.333% | 901.98 | −12.98 |
| A | 90 | 0.333% | 907.08 | −18.08 |
| A | 70 | 0.333% | 912.21 | −23.21 |
读法与第 7 章 CDS 例一致：损失要连同其概率一起读。最大损失 589.00 只对应 0.100% 的尾部（即置信水平高于 99.9%）；把第二档 56.81（概率 0.433%）累加进来，尾部概率为 0.100% + 0.433% = 0.533%，对应置信水平 99.467%。所以：置信水平在 99.467% 与 99.9% 之间时，信用 VaR = $56.81；高于 99.9% 时，信用 VaR = $589.00。注意表中出现负损失——评级上调、价差收窄时债券是增值的，这正体现了「信用 VaR 同时覆盖违约与降级」。
8.10 恒定风险策略 vs 买入持有策略
计算信用 VaR 时常假定风险水平恒定：通过定期再平衡，把风险拉回初始水平。恒定风险策略指持有某一评级（如 AA）债券的公司在债券失去该评级时就卖出，换成 AA 级债券；买入持有策略则是持有一段固定时间（如一年）后再卖出。
比较结论：买入持有策略在大幅降级与违约上通常产生更大的损失；小幅评级变化本身带来的损失概率较低。恒定风险策略下的信用 VaR 通常更小。
- credit VaR definition — the credit risk loss that will not be exceeded over a given period within a specific confidence level; models may consider defaults, downgrades and/or credit spread changes, and banks use it to set economic and regulatory capital.
- versus market VaR — market risk VaR normally uses a one-day horizon and historical simulation as its primary tool, while credit risk VaR typically uses a one-year horizon and needs more elaborate modeling tools.
- credit correlation — defaults are not independent; a strong economy lowers default risk, a poor economy raises it, and credit correlation rises during downturns so financial institution risk rises with it.
- rating transition matrices — the highest probabilities sit on the diagonal (a company keeping its rating); the matrix can be multiplied by itself to extend the horizon (a three-year matrix is the third power of the one-year matrix, so 0.8985³ = 72.54%) or rooted to shorten it (a three-month period takes the fourth root, so 0.8985^(1/4) = 97.36%). Longer horizons raise default probabilities and lower retention odds; ratings momentum means a recently downgraded company is more likely to be downgraded again, so independence across periods is questionable.
- Vasicek's Gaussian copula model — WCDR(T, X) = N[(N⁻¹(PD) + √ρ N⁻¹(X))/√(1 − ρ)], the worst-case default rate at the Xth percentile; the percentile loss for one loan is WCDR × EAD × LGD, and for a large portfolio it is the sum of those products. ρ should approximate the correlation between the two companies' returns on assets or equity; the model's weakness is that it does not incorporate tail correlation.
- Credit Risk Plus — Credit Suisse Financial Products' methodology: independent defaults give the binomial distribution, small q with large n gives the Poisson distribution, and letting the expected number of defaults follow a gamma distribution gives the negative binomial with α = μ²/σ² and p = σ²/(μ + σ²). As σ falls the negative binomial converges to the Poisson; as σ rises the likelihood of a large number of defaults increases. As default rate uncertainty rises the loss distribution becomes positively skewed because default correlation rises.
- CreditMetrics — from JPMorgan, the model designed to account for both defaults and downgrades using a rating transition matrix from internal or external ratings; Monte Carlo simulation is needed for one-year credit VaR on multi-counterparty portfolios, with the term structure of credit spreads for each rating category as an input. A rating improvement can produce a negative credit loss. Differences from Credit Risk Plus under identical assumptions likely come from the timing of losses.
- correlation model — rating changes for different counterparties are related, not independent; a joint distribution is built with a Gaussian copula and the correlation between rating transitions equals the correlation between equity returns (with a correlation of 0.2 and an A-rated name, the thresholds are N⁻¹(0.0003) ≈ −3.43, N⁻¹(0.0170) ≈ −2.12 and N⁻¹(0.9431) ≈ 1.58).
- credit spread risk — credit-sensitive product values depend on spreads, so credit VaR must assess spread changes; a one-day 99% VaR from historical simulation can be scaled to longer horizons, but two problems arise: no daily spread updates, and currently operating companies are unlikely to have defaulted before, so no default is assumed going forward.
- worked example — a three-year zero-coupon bond with face value $1,000, a 2.5% risk-free rate and a 150 bp spread is worth $889; one month later (2.917 years remaining) the credit VaR is $589.00 above 99.9% confidence and $56.81 between 99.467% and 99.9%, with negative losses appearing when the rating improves.
- strategies — under a constant level of risk strategy the portfolio is rebalanced back to its initial risk (bonds are sold if they lose the target rating), while a buy-and-hold strategy keeps the original bond for a period; buy-and-hold generally produces larger losses from big downgrades and defaults, and credit VaR tends to be smaller under the constant level of risk strategy.
Q1. 历史数据显示，某评级公司一年后保持其评级的概率为 93.5%。若沿用「迁移矩阵自乘」的独立假设，则该公司四年后仍保持该评级的概率最接近：
四年期矩阵 = 一年期矩阵的四次方：0.935⁴ = 76.43%。
错法路径：B 只做了两次方（0.935² = 87.42%，算成了两年期）；C 完全没有做幂运算，直接照抄一年期数字；D 把方向做反——0.935^(1/4) = 98.33% 是三个月（一个季度）的保持概率，期限缩短时保持概率才上升。
Q2. 某贷款组合用 Vasicek 高斯 copula 模型计算最坏情形违约率：违约概率 PD = 1%，信用相关性 ρ = 0.15，取第 99.9 个百分位（已知 N⁻¹(1%) = −2.326，N⁻¹(99.9%) = 3.090）。则 WCDR 最接近：
分子 = N⁻¹(PD) + √ρ × N⁻¹(X) = −2.326 + 0.3873 × 3.090 = −2.326 + 1.197 = −1.129；分母 = √(1 − 0.15) = 0.9220；WCDR = N(−1.129 ÷ 0.9220) = N(−1.225) = 11.03%。
错法路径：A 漏掉压力分位项 √ρ N⁻¹(X)，只算 N(N⁻¹(PD)/√(1−ρ)) = 0.58%（等于假设 X 取中位数）；B 直接把 PD 当成 WCDR（等于完全不设压力分位）；C 把 √ρ 误用为 ρ（漏开根号 → 2.17%）。
经济含义：同一批贷款在 99.9% 压力分位下的违约率（11.03%）可以远高于其期望违约率（1%）——这正是「用分位数定资本」的全部意义。
Q3. 某信用敏感债券当前价格 $900。分析师设定三个一年后情景：违约概率 0.1%，违约时债券价值 $250；降级概率 1.4%，降级后价值 $830；维持现评级概率 98.5%，价值 $920。在 99% 置信水平下，该债券的信用 VaR 最接近：
各情景损失 = 900 − 情景价值：违约 650（0.1%）、降级 70（1.4%）、未变 −20（98.5%）。按损失从大到小累计：650 只覆盖 0.1% 的尾部（对应置信度 99.9%）；把 70 累加进来后尾部为 0.1% + 1.4% = 1.5%（对应置信度 98.5%）。99% 落在两者之间，故 VaR = $70。
错法路径：A 把「价值上升 20」当成损失 20（符号错，负损失不是 VaR）；C 取了 99.9% 置信水平的 VaR（只覆盖 0.1% 的尾部，把置信水平抬高了一个档）；D 把情景价值本身当损失（漏掉与当前价 $900 的差）。
Q4. 某银行希望其信用 VaR 模型同时涵盖违约与评级下调两类损失。它最应选用下列哪个模型？
CreditMetrics 使用评级迁移矩阵，同时处理违约与降级，并能给出「评级改善 → 负信用损失」的结果。
错法路径：A 与 B 都只考虑违约、不考虑降级（Vasicek 输出的是最坏情形违约率 WCDR，Credit Risk Plus 以违约笔数建模）；D 是市场 VaR 的主力工具，用于一日期限的价差情景，既不含评级迁移机制，也不适配信用 VaR 的一年期口径。
9. 组合信用风险 Portfolio Credit Risk
要点：违约相关性的定义与计算（π₁₂ − π₁π₂ 的标准化）· 相关性框架的三类缺陷（2ⁿ 事件数 / 或有负债不适配 / 违约数据稀少）· 信用 VaR = 损失分位数 − 预期损失 · ρ = 1 与 ρ = 0 的两种极端算例 · 颗粒度（granularity）· 单因子模型 aᵢ = βᵢm + √(1 − βᵢ²)εᵢ 与资产收益相关性 βᵢβⱼ · 条件独立性与条件违约概率 p(m) · 联合违约概率 Φ₂(k, k) 与违约相关性 ρ = (Φ₂ − π²)/[π(1 − π)] · 由分位点反解市场因子 · copula 模拟法四步
第 7、8 章分别处理了单名 PD 与组合信用 VaR 的建模路线。本章回到更根本的一问：「各笔信用会不会同时违约」这件事，到底该怎么刻画、怎么算？答案是违约相关性，以及把相关性结构化的单因子模型。
- ① 违约相关性有精确公式，且算出来往往很小：ρ₁₂ = (π₁₂ − π₁π₂) ÷ [√(π₁(1−π₁))·√(π₂(1−π₂))]，即「联合违约概率」先减去独立情形下的乘积，再用两个标准差标准化。教材例算出来只有 5.89%——因为违约本身是罕见事件，多数研究干脆把两两相关性统一取 0.05。
- ② 相关性框架有三个硬伤：计算量随公司数按 2ⁿ 爆炸（10 家公司 = 1,024 种事件、56 个条件）；担保、循环信贷、CDS 基差交易、可转债这类头寸天然不适配；违约数据太稀少，估计值随期间与行业剧烈漂移。
- ③ 单因子模型的两块地基：资产收益相关性 = βᵢβⱼ；以及条件独立性——市场因子一旦实现，各公司违约彼此独立。这两条让「给定市场状态下的违约概率」变成一个可以手算的正态分位数问题。
- ④ 相关性怎么影响信用 VaR，记住两个极端：ρ = 1 → 组合退化为单一信用（可能一笔亏光）；ρ = 0 → 组合是二项分布。相关性上升不改变预期损失，只把损失分布推向极端分位；而颗粒化（笔数变多、单笔占比变小）会压低信用 VaR，但违约概率很低时这个效果不明显。
9.1 违约相关性：定义与计算
分析信用组合时，需要考虑的风险不止一个：违约概率、违约损失率（LGD）、评级恶化的概率、价差风险，以及破产重整过程中的损失风险。违约相关性（default correlation）度量的是组合中多个债务人同时违约的概率。
先看两家公司的情形：设两家公司在期限 t 内的违约概率分别为 π₁ 与 π₂，两家同时违约的联合概率为 π₁₂。把违约看成伯努利随机变量 xᵢ（0 = 未违约、1 = 违约），四种结果及其概率如下：
| 事件 | x₁ | x₂ | x₁x₂ | 概率 |
|---|---|---|---|---|
| 公司 1 违约 | 1 | 0 | 0 | π₁ − π₁₂ |
| 公司 2 违约 | 0 | 1 | 0 | π₂ − π₁₂ |
| 两者都违约 | 1 | 1 | 1 | π₁₂ |
| 两者都不违约 | 0 | 0 | 0 | 1 − π₁ − π₂ + π₁₂ |
由此：至少有一家违约的概率 = π₁ + π₂ − π₁₂；都不违约的概率 = 1 − π₁ − π₂ + π₁₂。两个伯努利违约过程的均值 E[xᵢ] = πᵢ，联合期望 E[x₁x₂] = π₁₂，方差 πᵢ(1 − πᵢ)，协方差 π₁₂ − π₁π₂。把协方差用两个标准差标准化，就得到违约相关系数：
分子是「实际联合违约概率」与「独立情形下的乘积」之差（即协方差）；分母是两个违约过程的标准差之积。
教材例：计算违约相关性
组合含两笔信用，评级分别为 BBB+ 与 BBB，期限 t 内的违约概率为 0.002 与 0.003，联合违约概率为 0.00015。
分子 = 0.00015 − (0.002 × 0.003) = 0.00015 − 0.000006 = 0.000144；
分母 = √(0.002 × 0.998) × √(0.003 × 0.997) = 0.04468 × 0.05469 = 0.0024434；
ρ₁₂ = 0.000144 ÷ 0.0024434 = 0.0589，即 5.89%。
9.2 相关性框架的三类缺陷
用「违约相关性」搭组合信用风险模型，有三个必须知道的硬伤：
- ① 计算量随公司数指数爆炸。三家公司需要 3 个单名违约概率、3 个两两违约概率、1 个三者违约概率、1 个都不违约概率。一般地，n 家公司有 2ⁿ 种事件结果，而条件数只有 (n + 1) + n(n − 1)/2 个。十家公司就是 1,024 种结果、56 个条件。两两相关性的个数为 n(n − 1)——建模时通常把所有这些两两相关性统一设成一个非负参数。
- ② 有些信用头寸天然不适配。担保、循环信贷额度等或有负债带有类似期权的特征；CDS 基差交易往往无法只用信用风险或市场风险来建模，技术性因素（如次贷危机中的流动性枯竭）至关重要；可转债同时带有信用与股权两重性质，由市场风险与信用风险共同驱动。
- ③ 可用于估计违约的数据太少。公司违约是相对罕见的事件，估计出的相关性会随数据期间与行业大幅变动。多数研究直接取估计值 0.05。因此违约相关性的量级很小，两家公司同时违约的概率更是小得多。
9.3 信用 VaR：相关性与颗粒度
组合的信用 VaR（credit value at risk）定义为「信用损失的分位数减去组合的预期损失」。违约相关性影响的是损失的波动率与极端分位数，而不是预期损失。
两个极端情形要先记住：ρ = 1 时完全没有信用分散化收益，组合表现得像只有一个信用头寸；ρ = 0 时组合成为二项分布随机变量，因为与其他公司/信用没有任何相关性。
算例 1：ρ = 1（违约相关性为 1）
组合价值 $1,000,000，含 n 笔信用，每笔违约概率 π = 2%，回收率为 0（违约即全损）。
ρ = 1 时组合表现得像单一信用：无论含 1 笔、20 笔还是 1,000 笔，结果都只有两种——以 π 的概率全损、以 (1 − π) 的概率零损失。因此极端违约损失 = $1,000,000；预期损失 = 0.02 × $1,000,000 = $20,000。由于 π = 2% 小于 (1 − 95%) = 5%，95% 分位上的损失是 0，故 95% 置信水平的信用 VaR = 0 − $20,000 = −$20,000。
反过来，若 π 大于 (1 − 置信水平)，信用 VaR 则为 $1,000,000 − $20,000 = $980,000。同一组参数、仅置信水平不同，VaR 从负数跳到 98 万——报告信用 VaR 必须同时报出置信水平。
算例 2：ρ = 0，n = 50
同样 $1,000,000 的组合，π = 2%、回收率为 0，但违约相关性为 0、n = 50，每笔等权（不违约时终值 $20,000）。违约笔数服从参数 n = 50、π = 0.02 的二项分布，其 95 分位为 3 笔违约。
预期损失仍为 $20,000（= $1,000,000 × 0.02）。3 笔违约的信用损失 = 3 × $20,000 = $60,000，故 95% 置信水平的信用 VaR = $60,000 − $20,000 = $40,000。
算例 3：ρ = 0，n = 1,000
同样 $1,000,000 的组合，π = 2%、回收率为 0，违约相关性为 0、n = 1,000。二项分布（n = 1,000、π = 0.02）的 95 分位为 28 笔违约。
95 分位的信用损失 = 28 × ($1,000,000 ÷ 1,000) = $28,000；预期损失仍是 $20,000；故信用 VaR = $28,000 − $20,000 = $8,000。
把三个算例并排看，规律很清楚：组合越颗粒化，信用 VaR 越低——从 ρ = 1 的 −$20,000 / $980,000（单信用极端），到 n = 50 的 $40,000，再到 n = 1,000 的 $8,000。颗粒化（granular）指通过增加信用笔数来降低每笔信用在组合中的占比。但要注意一条限定：当违约概率很低时，颗粒化对信用 VaR 的影响不大。
9.4 单因子模型：β 与资产收益相关性
单因子模型用来考察「不同的违约相关性（由各头寸的 β 决定）会带来什么影响」。每个公司或信用 i 与市场因子 m 之间有一个 β 相关性 βᵢ，其个体资产收益定义为：
√(1 − βᵢ²) = 公司特有风险的标准差 · εᵢ = 公司特有冲击
假定各 εᵢ 之间互不相关，则每个资产收益 aᵢ 都是标准正态变量；βᵢ 同时是 aᵢ 与市场因子 m 的相关系数。
两条关键性质：
- 资产收益相关性 = βᵢβⱼ。任意两家公司 i 与 j 的资产收益之间的相关性为 βᵢβⱼ。
- 违约门槛。模型假定公司 i 在 aᵢ ≤ kᵢ 时违约，其中 kᵢ 是「到违约资产价值的对数距离」，以标准差度量。
- 条件独立性（conditional independence）。市场因子的资产收益一旦实现，各公司的违约风险彼此独立——因为模型中资产收益与风险只通过市场因子相关。正是这条性质，让单因子模型成为估计组合信用风险的好工具。
那么，如何把违约概率条件于市场变动或经济健康状况？设市场因子 m 取定值 m̄，把它代入上式并在两边同时减去 βᵢm̄：
违约风险由「违约距离」aᵢ − βᵢm̄ 度量；此时唯一的随机参数是特有冲击 εᵢ。违约门槛 kᵢ 不变，但违约分布的标准差从 1 降到 √(1 − βᵢ²)。
结论：无条件违约分布是标准正态分布；条件违约分布是均值为 βᵢm̄、标准差为 √(1 − βᵢ²) 的正态分布。只要 m̄ 或 βᵢ 不为零，条件违约概率就会高于或低于无条件违约概率。市场从强经济走向弱经济时，触发违约所需的特有冲击会变得更小。
教材例：条件分布的参数
设公司 βᵢ = 0.5、违约门槛 kᵢ = −2.33（对应无条件违约概率 Φ(−2.33) ≈ 0.01），市场收益 m̄ = −0.5。则条件分布的：
均值 = βᵢm̄ = 0.5 × (−0.5) = −0.25；条件方差 = 1 − 0.5² = 0.75；条件标准差 = √0.75 ≈ 0.866。
考试口径：单因子模型题重点在算分布的参数（均值与标准差）。
9.5 条件违约概率、联合违约概率与违约相关性
把条件分布的均值与标准差组装起来，就得到条件累计违约概率函数：
分子是「基于已实现市场因子 βᵢm̄ 的新违约距离」，分母是条件标准差 √(1 − βᵢ²)（来自条件独立性）。直观说：给定市场因子 m 后，违约概率取决于新的违约触发点 kᵢ − βᵢm̄ 落在特有冲击分布均值 0 以下多少个标准差处。
若进一步假设所有公司的分布参数（β、k、π）都相同，则两家公司的联合违约概率可以写为：
Φ₂ 为二元标准正态累积分布函数；此处任意两家公司的资产收益相关性等于 β²。
同一假设下，任意两家公司的违约相关性为：
教材说明：该式的推导不要求掌握，但可以理解它如何由 9.1 的相关系数公式推出——把联合违约概率 Φ₂(kᵢ, kⱼ) 代入 πᵢⱼ 的位置即可。
推导线索（看懂即可，不必背）：单因子模型假定任意两家 i、j 的累计收益分布是相关系数为 βᵢβⱼ 的二元标准正态分布，累积分布函数记作 Φ(aᵢ, aⱼ)。我们真正关心的是分布极端尾部的联合违约概率：
把 Φ₂(kᵢ, kⱼ) 代入 9.1 的 ρᵢⱼ = (πᵢⱼ − πᵢπⱼ) ÷ [√(πᵢ(1−πᵢ))·√(πⱼ(1−πⱼ))]，即得参数齐一时 ρ = (Φ₂(k, k) − π²) ÷ [π(1 − π)]。
9.6 用单因子模型推无条件损失分布与信用 VaR
前面只处理了相关性为 0 或 1 两种极端。要得到 0 与 1 之间的损失严重度分布，需要先确定无条件违约损失分布：在单因子框架下，某违约损失水平的无条件概率，等于「已实现市场收益会导致该损失水平」的概率——也就是说，个体信用资产收益 aᵢ 完全是市场收益与 βᵢ 的函数。计算步骤如下：
- ① 违约损失水平设为随机变量 X，实现值为 x；在框架内 x 并不被直接模拟。
- ② 给定损失水平 x，反解出对应的市场因子 m̄。损失水平与市场因子收益的关系为：
Φ⁻¹(x̄) = (k − βm̄) ÷ √(1 − β²)
- ③ 市场因子假定为标准正态，因此损失水平 0.01（对应 99% 置信水平）等于标准正态下的 −2.33。
- ④ 对每笔信用重复以上步骤，得到整条损失概率分布。
教材例：反解已实现市场值
某信用头寸与市场因子的相关性为 0.25。99% 置信水平下的违约损失水平为 0.01，对应标准正态的 −2.33：
−2.33 = [ −2.33 − (0.25)m̄ ] ÷ √(1 − 0.25²)
−2.33 × 0.9682 = −2.33 − 0.25m̄
0.074 = −0.25m̄
m̄ ≈ −0.296
含义：违约门槛被触及的概率，等于「已实现市场收益 ≤ −0.296」的概率。
两个参数各管一件事：违约概率 π 决定组合的无条件预期违约价值；与市场的相关性 β 决定违约随市场因子取值而分散的程度。
9.7 用 copula 模拟计算信用 VaR
copula 提供了一套数学方法，用模拟结果刻画各违约之间的相关性。用 copula 法计算信用 VaR 共四步：
- 第 1 步：定义 copula 函数。最常用于计算信用 VaR 的是正态 copula（normal copula）。
- 第 2 步：模拟违约时间。
- 第 3 步：用模拟出的违约时间，得到每个情景下的市场价值与盈亏数据。
- 第 4 步：把各情景的模拟终值加总，计算组合分布统计量。
教材例：用 copula 计算信用 VaR
某信用组合含两笔贷款（评级 CCC 与 BB），每笔名义本金 $1,000,000，假定相关性 0.25。一年期限内的四种事件结果为：仅 BB 违约、仅 CCC 违约、两笔都违约、都不违约。
做法：先用 copula 函数模拟 1,000 组值（1,000 组配对 = 2,000 个值）→ 映射为标准一元正态分位数，得到 1,000 对概率值 → 把每对的第一个元素映射为 BB 的违约时间、第二个映射为 CCC 的违约时间 → 给每笔贷款分配终值、两笔加总，再减去「都不违约」情景的终值得到损失。
| 事件 | 违约时间 | 终值（$） | 损失（$） |
|---|---|---|---|
| 仅 BB 违约 | τ_BB ≤ 1，τ_CCC > 1 | 1,480,000 | 710,000 |
| 仅 CCC 违约 | τ_BB > 1，τ_CCC ≤ 1 | 1,410,000 | 780,000 |
| 两笔都违约 | τ_BB ≤ 1，τ_CCC ≤ 1 | 700,000 | 1,490,000 |
| 都不违约 | τ_BB > 1，τ_CCC > 1 | 2,190,000 | 0 |
读法：模拟出的损失分布中，99% 置信水平对应 $1,490,000（两笔都违约），95% 置信水平对应 $780,000（模拟值中最差的 5% 落在总损失 $780,000 的违约情景）。
- default correlation — the probability of multiple defaults in a credit portfolio; for two firms with default probabilities π₁ and π₂ and joint probability π₁₂, ρ₁₂ = (π₁₂ − π₁π₂) ÷ [√(π₁(1 − π₁)) √(π₂(1 − π₂))], the covariance π₁₂ − π₁π₂ standardised by the two standard deviations. With π₁ = 0.002, π₂ = 0.003 and π₁₂ = 0.00015, ρ₁₂ = 5.89%.
- drawbacks of the correlation framework — the number of calculations (2ⁿ event outcomes against only (n + 1) + n(n − 1)/2 conditions; ten firms give 1,024 outcomes and 56 conditions, with n(n − 1) pairwise correlations usually collapsed into one nonnegative parameter); certain positions do not fit (guarantees, revolving credit agreements and other contingent liabilities resemble options, CDS basis trades are driven by technical factors, convertibles carry both credit and equity risk); and default data are limited because defaults are rare, so most studies use a correlation of 0.05.
- credit VaR — the quantile of the credit loss less the expected loss of the portfolio; default correlation affects the volatility and extreme quantiles of loss, not the expected loss. A correlation of 1 removes all diversification benefit (the portfolio behaves as one credit), while a correlation of 0 makes it a binomial random variable.
- granularity — reducing each credit's weight by increasing the number of credits lowers credit VaR; however, when the default probability is low, granularity has little impact on credit VaR.
- single-factor model — aᵢ = βᵢm + √(1 − βᵢ²)εᵢ, where √(1 − βᵢ²) is the standard deviation of idiosyncratic risk and εᵢ the idiosyncratic shock; firm i defaults when aᵢ ≤ kᵢ, and the correlation between the asset returns of firms i and j is βᵢβⱼ. Conditional independence means that once the market return is realised, default risks are independent, because returns are correlated only with the market factor.
- conditional distribution — conditioning on a realised market value m̄ gives a normal distribution with mean βᵢm̄ and standard deviation √(1 − βᵢ²) (down from an unconditional 1), with the default threshold kᵢ unchanged; the conditional cumulative default probability is p(m) = Φ[(kᵢ − βᵢm̄)/√(1 − βᵢ²)].
- joint default and default correlation — with identical parameters (β, k and π) for all firms, the joint default probability is Φ₂(k, k) = P[−∞ ≤ a ≤ k, −∞ ≤ a ≤ k] and the pairwise default correlation is ρ = [Φ₂(k, k) − π²] ÷ [π(1 − π)].
- credit VaR with the single-factor model — x(m) = p(m) = Φ[(k − βm̄)/√(1 − β²)], with the market factor standard normal so that a loss level of 0.01 (the 99% confidence level) equals −2.33. For a position with a 0.25 correlation to the market factor, m̄ ≈ −0.296.
- credit VaR with a copula — four steps: define the copula function (the normal copula is the most common), simulate default times, obtain market values and profit-and-loss data for each scenario, and compute portfolio distribution statistics by adding the simulated terminal values. For two $1,000,000 loans (CCC and BB) with a 0.25 correlation, the 99% level corresponds to the $1,490,000 loss when both default and the 95% level to $780,000.
Q1. 某两笔信用组合中，A 的违约概率为 0.4%，B 的违约概率为 0.6%，两者同时违约的联合概率为 0.030%。该组合的违约相关系数最接近：
分子 = 0.030% − (0.4% × 0.6%) = 0.000300 − 0.000024 = 0.000276；分母 = √(0.004 × 0.996) × √(0.006 × 0.994) = 0.063119 × 0.077227 = 0.0048745；ρ = 0.000276 ÷ 0.0048745 = 5.66%。
错法路径：B 把协方差的符号做反（写成 π₁π₂ − π₁₂），得到负相关性——联合概率高于独立情形才是正相关；C 分子漏减 π₁π₂，直接用联合违约概率除以分母（0.000300 ÷ 0.0048745 = 6.15%）；D 分母只取了一个信用的标准差（漏掉 √(π₂(1−π₂))，0.000276 ÷ 0.063119 = 0.44%）。
Q2. 单因子模型中，某公司 βᵢ = 0.6，违约门槛 kᵢ = −2.33（对应无条件违约概率约 1%）。若市场因子的实现值 m̄ = −1.5，则该公司的条件违约概率最接近：
分子 = kᵢ − βᵢm̄ = −2.33 − 0.6 × (−1.5) = −2.33 + 0.90 = −1.43；分母 = √(1 − 0.6²) = √0.64 = 0.80；z = −1.43 ÷ 0.80 = −1.7875；p = Φ(−1.7875) ≈ 3.69%。
错法路径：A 直接引用无条件违约概率（未做条件化，漏掉 βᵢm̄ 使违约距离缩短）；C 分母漏掉 √(1 − βᵢ²)、误把条件标准差取成 1（Φ(−1.43) = 7.64%）；D 分母误用 βᵢ 本身（−1.43 ÷ 0.6 = −2.383，得 0.86%）。
方向性：弱经济（m̄ = −1.5）下违约距离从 −2.33 缩到 −1.43，条件违约概率高于无条件值——这正是「共同因子驱动违约集中」的机制。
Q3. 某组合规模 $2,000,000，含 200 笔等权、彼此独立（ρ = 0）的贷款，每笔违约概率 3%、回收率为零。已知违约笔数的二项分布在 95 分位上为 10 笔。该组合 95% 置信水平的信用 VaR 最接近：
每笔面值 = $2,000,000 ÷ 200 = $10,000；预期损失 = $2,000,000 × 3% = $60,000；95 分位损失 = 10 × $10,000 = $100,000；信用 VaR = $100,000 − $60,000 = $40,000。
错法路径：A 忘了减预期损失，把分位数损失本身当 VaR；B 直接取预期损失（VaR 是「分位数减去预期损失」，不是预期损失）；D 把分位损失与预期损失相加（符号做反：VaR 衡量的正是超出预期的那部分损失）。
Q4. 关于「基于违约相关性的组合信用风险框架」，下列说法最准确的是：
违约数据稀少是框架的三大缺陷之一：公司违约相对罕见，估计出的相关性随数据期间与行业大幅变动，因此多数研究直接取 0.05；相关性量级小，两家公司同时违约的概率更小。
错法路径：A 算错了增长阶——事件结果是 2ⁿ（指数），10 家公司就有 1,024 种结果、56 个条件；B 方向做反——或有负债正是不适配该框架的典型头寸；C 与源文相反——CDS 基差交易无法只用信用或市场风险建模（技术性因素、流动性至关重要），可转债则由市场风险与信用风险共同驱动。
10. 信用风险、CVA 与 DVA（Credit Risk, CVA & DVA）
要点：用信用价差估违约概率（λ̄(T) = s(T)/(1 − RR)）· 累计违约率的边际与条件读法 · 危险率 Q(t) = 1 − e^(−λ̄t) 与回收率 · 风险中性 vs 真实世界违约概率及各自用途 · 用股权价格估 PD：Merton 模型 · 衍生品信用风险与 ISDA 主协议下两种「无担保债权人」情形 · CVA 与 DVA 的定义、公式与 f = f_nd − CVA + DVA · 错向风险 / 正当风险 · 信用风险缓释三工具（净额结算、抵押品、降级触发）· 简约型 vs 结构型违约相关模型 · 高斯 copula 一因子模型 · 用高斯 copula 与 CreditMetrics 估信用 VaR
第 7 章从评级与股权价格推 PD，第 8、9 章把 PD 组装成组合损失分布。本章换一个入口：直接从市场价差读出违约概率，然后把信用风险从「贷款账簿」搬到衍生品账簿——那里的风险不是本金，而是合约的浮盈，于是需要 CVA 与 DVA 来定价。
- ① 价差法是全章的第一把钥匙：λ̄(T) = s(T) ÷ (1 − RR)。240 个基点的价差、40% 回收率 → 年危险率 4%。分子用价差不用违约率，分母用 LGD = 1 − RR 不用 RR——这两处是最常见的错点。
- ② 累计违约率表要会「两种读法」：边际（无条件）= 相邻两格相减；条件= 边际 ÷ 此前存活率。B 级债券第 4 年：边际 4.484%、存活 86.485%、条件 5.185%。投资级随时间恶化、非投资级熬过早年可能恢复，这是两类评级的方向性差别。
- ③ 风险中性 ≠ 真实世界，各有各的用途：价差隐含的 PD 是风险中性的，用于定价与信用衍生品估值；历史数据得到的是真实世界的，用于情景分析与潜在损失测算。前者通常远高于后者，最主要的原因是违约彼此不独立。
- ④ CVA 与 DVA 是一对镜像：CVA = 对手方违约时银行的预期成本现值（减项）；DVA = 银行自己违约时对手方的预期成本现值（对银行是增项）。计入违约后 f = f_nd − CVA + DVA。此外要分清 错向风险（PD 与敞口正相关）与 正当风险（负相关）——方向写反是经典陷阱。
- ⑤ 缓释靠三样东西：净额结算（轧差后敞口骤降）、抵押品协议、降级触发。净额结算的算题口径是「总敞口 − 净敞口」，别把净敞口本身当减少额。
10.1 用信用价差估计违约概率
信用风险是个人或机构因衍生品合约另一方违约、或借款人违约而承担的敞口。提供公司债评级的三家主要机构是 Moody's、S&P 与 Fitch。评级最高的债券被视为投资级（investment grade），对持有人风险最低；评级越低，信用风险越受关注。Baa 及以上属于投资级，其违约概率显著低于非投资级债券。
下表为 Moody's 公布的 1970–2015 年平均累计违约率（%）：
| 评级 | 1 年 | 2 年 | 3 年 | 4 年 | 5 年 | 7 年 | 10 年 | 15 年 | 20 年 |
|---|---|---|---|---|---|---|---|---|---|
| Aaa | 0.000 | 0.011 | 0.011 | 0.031 | 0.087 | 0.198 | 0.396 | 0.725 | 0.849 |
| Aa | 0.022 | 0.061 | 0.112 | 0.196 | 0.305 | 0.540 | 0.807 | 1.394 | 2.266 |
| A | 0.056 | 0.170 | 0.357 | 0.555 | 0.794 | 1.345 | 2.313 | 4.050 | 6.087 |
| Baa | 0.185 | 0.480 | 0.831 | 1.252 | 1.668 | 2.525 | 4.033 | 7.273 | 10.734 |
| Ba | 0.959 | 2.587 | 4.501 | 6.538 | 8.442 | 11.788 | 16.455 | 23.930 | 30.164 |
| B | 3.632 | 8.529 | 13.515 | 17.999 | 22.071 | 29.028 | 36.298 | 43.368 | 48.071 |
| Caa-C | 10.671 | 18.857 | 25.639 | 31.075 | 35.638 | 41.812 | 47.843 | 50.601 | 51.319 |
债券的收益率价差（yield spread）= 债券承诺收益率 − 无风险利率。违约概率可以用债券收益率价差来估计：若 s(T) 是债券每年的平均损失率，则平均危险率可近似为：
RR = 回收率。分子是价差（近似为每年平均损失率），分母是违约损失率 LGD = 1 − RR。
教材例
一只 1 年期债券的收益率高出无风险利率 125 个基点，回收率 55%，则平均危险率 = 0.0125 ÷ (1 − 0.55) = 0.0278，即 2.78%/年。
要更精确，可把危险率与债券价格对齐：第一期的危险率用期限最短的债券算，第一期与第二期之间的危险率用次短期限的债券算，依此类推。
无风险利率通常取国债利率，但有观点认为它偏低、不足以真正代理无风险利率。更好的度量可能是 CDS 价差——它不依赖无风险利率；资产互换价差（asset swap spread）也可用，因为其现值等于无风险债券价格与公司债价格之差。
10.2 边际与条件违约概率：累计违约率表的两种读法
上表的数字是累计违约率，但两个方向的规律很有意思：
- Baa 级：第 3 年违约概率 = 0.831% − 0.480% = 0.351%；第 4 年 = 1.252% − 0.831% = 0.421%——比第 3 年更高。
- B 级：第 3 年 = 13.515% − 8.529% = 4.986%；第 4 年 = 17.999% − 13.515% = 4.484%——比第 3 年更低。
结论：投资级债券的财务状况可能随时间恶化，而非投资级债券在熬过关键的早年之后可能恢复。
以 B 级债券为例，把三种口径一次读全：
- 无条件违约概率（今天看来，第 4 年发生违约的概率）：17.999% − 13.515% = 4.484%；
- 存活到第 3 年末的概率：100% − 13.515% = 86.485%；
- 第 4 年违约、且此前未违约的条件概率：0.04484 ÷ 0.86485 = 5.185%。
危险率（hazard rate，又称违约强度）衡量的正是「在未提前违约条件下的违约概率」。用危险率可以把违约概率写成：
λ̄(t) = 0 到 t 之间的平均危险率。
债券的回收率= 违约后的市场价值 ÷ 面值。一、二顺位留置权债券的回收率自然高于次级债。公司债回收率与违约率之间存在负向依赖：经济强劲 → 违约数量低、回收率高；经济疲弱 → 违约数量高、回收率低。
10.3 风险中性违约概率 vs 真实世界违约概率
债券收益率价差给出的违约概率，通常高于历史数据估计出的违约概率，危机期间（如 2007–2009 年信用危机）差距进一步拉大。下表基于 Merrill Lynch 公布的 1996–2007 年 7 年期债券收益率数据，列出各评级类别的预期超额收益（单位：基点）：
| 评级 | 债券对国债的收益率价差 | 无风险利率对国债的价差 | 历史违约对应价差 | 超额收益 |
|---|---|---|---|---|
| Aaa | 78 | 42 | 2 | 34 |
| Aa | 86 | 42 | 5 | 39 |
| A | 111 | 42 | 12 | 57 |
| Baa | 169 | 42 | 22 | 105 |
| Ba | 322 | 42 | 108 | 172 |
| B | 523 | 42 | 294 | 187 |
| Caa | 1146 | 42 | 464 | 640 |
证据显示：对投资级公司，「由债券价格推出的危险率 ÷ 由历史数据推出的危险率」这个比值非常高；随着评级下降，该比值逐步回落，两个危险率之间的差额随之扩大。一个有意思的结果是：债券的预期超额收益很小，却对应着两个危险率之间很大的百分比差异；信用质量越差，预期超额收益越高。
由信用价差隐含的危险率（违约概率）是风险中性（risk-neutral）的——适合在风险中性框架下预测含信用风险的现金流（预期现金流按无风险利率折现）。用历史数据得到的是真实世界（real-world / physical）违约概率。风险中性概率通常远高于真实世界概率；若无预期超额收益，两者理论上应相等。
差异的来源：公司债的相对流动性较差；债券交易员的主观违约概率偏高；而最主要的原因是——债券违约彼此不独立：有些年份全体违约率都低，有些年份则显著偏高。
由此引出两类风险：系统性风险（无法通过分散化消除）来自违约风险的逐年波动，经济状况会驱动它，信用传染也会制造风险（一家公司违约可能引发其他公司违约）；各债券特有的非系统性风险同样要考虑——债券收益高度偏斜且上行有限，分散化因此困难，这正是债券交易员承担系统性 + 非系统性风险所获报酬的来源。
口径指引（考试常考）：
- 风险中性违约概率：在估计违约风险对工具定价的影响、或为信用衍生品估值时使用。
- 真实世界违约概率：在开展情景分析、测算违约可能造成的未来损失时使用。
10.4 用股权价格估违约概率：Merton 模型
由于信用评级调整往往不频繁，股权价格可能是更及时的违约概率信息来源。Merton 模型把股权看作公司资产价值 V_T 的看涨期权，行权价等于应偿债务 D：
按 Black-Scholes-Merton 公式，今天的股权价值为：
d₁ = [ ln(V₀ / D) + (r + σ_V² / 2) T ] ÷ (σ_V √T)
d₂ = d₁ − σ_V √T
σ_V = 资产价值波动率。今天的债务价值由 V₀ − E₀ 得到：
D₀ = V₀ − E₀
教材例：债务的预期损失
设债务的市场价值（用 V₀ − E₀ 算得）为 8.25，债务承诺偿付的现值为 8.41。则债务的预期损失 ≈ (8.41 − 8.25) ÷ 8.41 = 1.90%（占其无违约价值的比例）。
历史数据表明，Merton 模型在风险中性与真实世界两种口径下，都能给出可靠的违约概率排序。
10.5 衍生品的信用风险与 ISDA 主协议
两家公司之间的双边清算衍生品通常由 ISDA 主协议（ISDA Master Agreement）管辖。金融机构之间的交易，必须在协议中写明初始保证金与变动保证金要求；只有变动保证金的计算才对交易做净额结算。协议同时规定了构成「违约事件」的情形。
非违约方可能发生损失的两种情形（两种情况都使非违约方成为无担保债权人）：
- ① 非违约方的总价值为正，且超过违约方已提交的抵押品 → 非违约方就「交易价值 − 抵押品价值」成为无担保债权人。
- ② 违约方的总价值为正，且低于非违约方已提交的抵押品 → 非违约方就多交的那部分抵押品成为无担保债权人，要求返还。
10.6 CVA 与 DVA
从银行的视角，对某一交易对手：
- CVA（信用估值调整，credit valuation adjustment）= 若交易对手违约，银行预期成本的现值。
- DVA（债务估值调整，debt / debit valuation adjustment）= 若银行自己违约，交易对手预期成本的现值。
对每个交易对手，银行各有一个 CVA 与一个 DVA。二者可视为衍生品：其价值随市场变量、交易对手信用价差、银行自身信用价差而变化。由于银行违约意味着不必再对自己的衍生品头寸付款，DVA（对交易对手当然是成本）对银行是收益，会增加衍生品组合的价值。
f_nd = 假定双方都不违约时，银行未平仓衍生品交易的价值。
CVA 与 DVA 的公式为：
DVA = Σ(i = 1…N) qᵢ* × vᵢ*
qᵢ = 交易对手在第 i 个区间违约的风险中性概率
vᵢ = 交易对手在第 i 个区间中点违约时，银行的预期损失现值
qᵢ* = 银行在第 i 个区间违约的风险中性概率（由银行自身信用价差算出）
vᵢ* = 银行在第 i 个区间中点违约时，交易对手的预期损失（即银行的收益）现值
其中 qᵢ（交易对手在第 i 个区间违约的概率）由信用价差算出：
s(tᵢ) = 交易对手的信用价差；RR = 回收率。
这类计算通常需要大量蒙特卡洛模拟。银行还会额外计算一个量：违约发生时，各区间中点的峰值敞口。由于银行通常会把所有市场变量的全部抽样路径保存下来，新交易对 CVA 与 DVA 的增量影响可以很快算出——与既有交易正（负）相关的新交易，很可能提高（降低）CVA 与 DVA。
与 CVA/DVA 计算密切相关的两个术语：错向风险（wrong-way risk）——违约概率与敞口正相关；正当风险（right-way risk）——违约概率与敞口负相关。
10.7 信用风险缓释工具
银行在双边清算交易中降低信用风险的办法主要有三种：净额结算、抵押品协议、降级触发。
- 净额结算（netting）。例：与同一交易对手的四笔未抵押交易对银行的价值分别为 +$5M、−$7M、+$10M、−$2M。不作净额结算时，银行的敞口是 $5M 与 $10M 两笔（合计 $15M；负值对银行不构成敞口）。净额结算后总敞口降到 $6M（= 5 − 7 + 10 − 2）。
- 抵押品协议（collateral agreements）。常用现金或有价证券作抵押；一旦违约，未违约方可以保留违约方提交的抵押品。
- 降级触发（downgrade triggers）。银行与非金融交易对手主协议中的条款：若对手方信用评级跌破某一水平，银行可选择按市价平掉未平仓交易，或要求补交抵押品。若对手方评级大幅下调、或对手方在多家交易商处都设有触发条款，这些条款的价值会下降。
一个重要的简化：当银行与交易对手之间只有一个（未抵押）衍生品、且在第 T 年有一次对银行的支付时，并不需要蒙特卡洛模拟——未来的银行敞口就是那时的无违约衍生品价值，其现值就是今天的无违约价值。若 DVA 为零，今天计入信用风险的衍生品价值 f 为：
B = B_nd − (1 − RR) · B_nd · Σ(i = 1…N) qᵢ
B = 交易对手发行的 T 年期零息债券价值，B_nd = 对应的无违约情形价值。两式可整理为：
f ÷ f_nd = B ÷ B_nd
也就是说，可以在风险中性环境下，把预期支付的折现率加上交易对手的 T 年期信用价差，从而得到衍生品价值。
10.8 违约相关性：简约型 vs 结构型模型
违约相关性指两家公司大约同时违约的可能性。成因有三：① 外部事件同时冲击同一地区或同一行业的公司；② 整体经济状况使某些年份的平均违约率高于其他年份；③ 传染（contagion）——一家违约可能引发另一家违约。正因为违约相关性存在，信用风险无法被完全分散掉。
| 模型 | 机制 | 优点 | 缺点 |
|---|---|---|---|
| 简约型 reduced-form | 假定危险率与宏观经济变量相关，并服从随机过程 | 数学上相对直接；能反映经济周期对违约相关性趋势的影响 | 可实现的违约相关性上限较低——两家公司不太可能在很短的同一期间内同时违约 |
| 结构型 structural | 基于 Merton 类模型，通过假定两家公司资产服从相关的随机过程来引入违约相关性 | 相关性可以设得任意高 | 计算耗时显著 |
10.9 高斯 copula 模型与信用 VaR
高斯 copula 模型用于确定违约时间（time to default）：在「所有公司最终都会违约」的假定下，量化多家公司违约时间的概率分布之间的相关性。真实世界与风险中性违约概率都可以用：
- 真实世界概率：左尾由评级机构数据估计。
- 风险中性概率：左尾由债券价格估计。
公司违约时间的概率分布本身不是正态的，但高斯 copula 把违约时间变换为均值为 0、标准差为 1 的正态变量。假定这些变量的联合分布是二元正态，就得到高斯 copula——它允许独立于各变量的一元（边际）分布去估计其相关结构。这个违约相关性称为 copula 相关性（copula correlation）。
为避免为每一对公司都设一个相关性，可用一因子模型：
aᵢ = 公司 i 股权收益与市场指数的相关性
F = 共同因子，影响所有公司的违约
Zᵢ = 只影响公司 i 的因子
在共同因子 F 已给定的条件下，违约概率 Qᵢ 为：
当所有公司的违约概率分布相同、相关性也相同（共同相关性 ρ）时，上式可改写为：
信用 VaR 定义为：在给定期间内、给定置信水平下不会被超过的信用风险损失。例如 1 年期、98.5% 置信水平的信用 VaR，就是「有 98.5% 把握在这一年内不会超过」的信用损失。给定 X% 的把握、T 年，大组合的损失比例将低于 V(T, X)：
Q(T) = T 时刻前的违约概率；ρ = copula 相关性。由此信用 VaR 可估为：
信用 VaR = L × (1 − RR) × V(T, X)
L = 贷款组合规模；RR = 回收率。
另一条路线是 CreditMetrics 模型（来自 JPMorgan）：对全部交易对手的评级变化做蒙特卡洛模拟，得到信用损失的概率分布。它计算上耗时，但同时涵盖违约与降级，且能把前述信用缓释策略纳入模型。CreditMetrics 以评级迁移矩阵作为蒙特卡洛抽样的基础；抽样时不假定交易对手的评级变化相互独立——评级变化的联合分布可用高斯 copula 构造，两家公司评级迁移之间的 copula 相关性等于其股权收益相关性。
- default probabilities from credit spreads — the yield spread is the promised yield minus the risk-free rate, and the average hazard rate is approximated by λ̄(T) = s(T)/(1 − RR); a one-year bond yielding 125 bp above the risk-free rate with a 55% recovery rate gives 0.0125/(1 − 0.55) = 2.78% per year. Precision improves by aligning hazard rates with bond prices, using the shortest maturity bond first. Treasuries are the usual risk-free proxy, but CDS spreads do not depend on the risk-free rate, and asset swap spreads can also be used.
- interpreting a cumulative default table — investment grade (Baa and above) defaults far less than non-investment grade. For a Baa bond the marginal probabilities rise over time (0.351% in Year 3, 0.421% in Year 4), while for a B bond they fall (4.986% in Year 3, 4.484% in Year 4): investment-grade issuers may deteriorate, non-investment-grade issuers may recover after the critical early years. For a B bond, the unconditional Year 4 default probability is 4.484%, the probability of survival through Year 3 is 86.485%, and the conditional probability of default in Year 4 given no earlier default is 5.185%.
- hazard rate and recovery — Q(t) = 1 − e^(−λ̄(t)×t), where λ̄(t) is the average hazard rate between time 0 and time t. A bond's recovery rate is its post-default market value divided by face value; senior and second-lien bonds recover more than subordinated bonds, and recovery rates are negatively related to default rates.
- risk-neutral versus real-world — hazard rates implied by credit spreads are risk neutral and appropriate for pricing instruments or valuing credit derivatives, while hazard rates from historical data are real-world (physical) probabilities, used for scenario analyses of potential future losses. Risk-neutral probabilities are much higher; the biggest reason is that defaults are not independent of one another. Systematic risk comes from year-to-year variation in default rates, and credit contagion adds risk; bond returns are highly skewed with limited upside, making diversification difficult.
- Merton model — equity is a call option on the firm's assets with a strike equal to the required debt repayment: E_T = max(V_T − D, 0), with E₀ = V₀N(d₁) − De^(−rT)N(d₂), d₁ = [ln(V₀/D) + (r + σ_V²/2)T]/(σ_V√T) and d₂ = d₁ − σ_V√T; debt today is V₀ − E₀. With a debt market value of 8.25 and a present value of promised payment of 8.41, the expected loss is (8.41 − 8.25)/8.41 = 1.90%.
- credit risk of derivatives — an ISDA Master Agreement governs bilaterally cleared derivatives, with initial and variation margin stated for transactions between financial institutions and netting applied only for variation margin calculations. The non-defaulting party becomes an unsecured creditor in two cases: its total value is positive and exceeds the collateral posted by the defaulting party, or the defaulting party's value is positive but less than the collateral posted by the non-defaulting party.
- CVA and DVA — CVA is the present value of the expected cost to the bank if the counterparty defaults; DVA is the present value of the expected cost to the counterparty if the bank defaults. DVA is a benefit to the bank and increases the portfolio value, so the value of derivatives accounting for defaults is f_nd − CVA + DVA. CVA = Σ qᵢvᵢ and DVA = Σ qᵢ*vᵢ*, with qᵢ = exp[−s(t_(i−1))t_(i−1)/(1 − RR)] − exp[−s(tᵢ)tᵢ/(1 − RR)]. A new transaction positively (negatively) correlated with existing transactions will likely increase (decrease) CVA and DVA. Wrong-way risk means default probability is positively correlated with exposure; right-way risk means it is negatively correlated.
- credit risk mitigants — netting (four uncollateralised transactions worth +$5m, −$7m, +$10m and −$2m give a $15m exposure individually but only $6m netted), collateral agreements, and downgrade triggers, whose value falls after big rating downgrades or when the counterparty has triggers with multiple dealers. For a single uncollateralised derivative, f = f_nd − (1 − RR)f_nd Σqᵢ and B = B_nd − (1 − RR)B_nd Σqᵢ, so that f/f_nd = B/B_nd — the derivative can be valued by adding the counterparty's T-year credit spread to the discount rate.
- default correlation models — reduced-form models assume hazard rates are correlated with macroeconomic variables and follow random processes: mathematically straightforward and reflective of economic cycles, but the achievable correlation range is low. Structural models, based on Merton-type asset processes, allow correlations as high as needed but take significant computation time. Default correlation arises from common regional or industry events, overall economic conditions, and contagion, so credit risk cannot be fully diversified away.
- Gaussian copula — it quantifies the correlation between the probability distributions of times to default, transforming times to default into standard normal variables and assuming a bivariate normal joint distribution; the correlation is called the copula correlation. The one-factor version is xᵢ = aᵢF + √(1 − aᵢ²)Zᵢ, giving Qᵢ(T|F) = N[(N⁻¹(Qᵢ(T)) − aᵢF)/√(1 − aᵢ²)] and, with a common correlation, Q(T|F) = N[(N⁻¹(Q(T)) − √ρF)/√(1 − ρ)].
- credit VaR — V(T, X) = N[(N⁻¹(Q(T)) + √ρN⁻¹(X))/√(1 − ρ)] and credit VaR = L × (1 − RR) × V(T, X). The CreditMetrics model from JPMorgan applies Monte Carlo simulation to the credit rating changes of all counterparties, using a rating transition matrix as its basis and a Gaussian copula whose copula correlation between rating transitions equals the equity return correlation; it is time consuming but accounts for both defaults and downgrades.
Q1. 某 3 年期公司债相对无风险利率的信用价差为 240 个基点，回收率 40%。按平均危险率近似，其年平均危险率最接近：
0.0240 ÷ (1 − 0.40) = 0.0240 ÷ 0.60 = 4.00%。
错法路径：B 忽略回收率，直接把价差当危险率（240 bp = 2.40%）；C 分母误用 RR 而不是 LGD（0.0240 ÷ 0.40 = 6.00%）——分母必须是 1 − RR；D 把除法做成乘法（0.0240 × 0.60 = 1.44%）。
经济含义：价差是「每年平均损失率」，要还原成「违约强度」必须除以违约时的损失比例 LGD = 1 − RR——回收率越高，同样的价差对应的危险率越高。
Q2. 某评级公司的 3 年累计违约率为 1.8%、4 年累计违约率为 2.5%。则其第 4 年违约、且前 3 年未违约的条件概率最接近：
第 4 年无条件违约概率 = 2.5% − 1.8% = 0.700%；存活到第 3 年末的概率 = 100% − 1.8% = 98.200%；条件概率 = 0.00700 ÷ 0.98200 = 0.713%。
错法路径：A 只算到边际（无条件）一步就停（漏除存活率——条件概率的分母必须是「已存活到该期初」的那部分人）；C 把3 年累计违约率当作第 4 年条件概率；D 把4 年累计违约率当作条件概率（两者都是把「累计」直接当「条件」，混淆了两层口径）。
方向性：条件概率（0.713%）高于边际概率（0.700%），因为分母扣掉了已违约的部分——这是累计违约率表的常规读法。
Q3. 某银行与同一交易对手有三笔未抵押交易，对银行的价值分别为 +$18 百万、−$6 百万、+$4 百万。若通过净额结算缓释信用风险，其敞口减少额最接近：
不净额结算时，银行的敞口只有正价值的两笔：$18M + $4M = $22M（负价值对银行不构成敞口）；净额结算后敞口 = 18 − 6 + 4 = $16M；减少额 = $22M − $16M = $6M。
错法路径：B 把总敞口本身当成减少额（漏做减法）；D 把净额后的敞口当成减少额；A 先把负价值取绝对值算总敞口（18 + 6 + 4 = $28M），再减去净额敞口（28 − 16 = $12M）——负价值不是敞口，不能计入。
Q4. 某银行与一家原油生产商持有衍生品组合。当原油价格大幅下跌时，该组合对银行的价值上升，同时该生产商信用质量恶化、违约概率也上升。这一情形在 CVA 计算中被称为：
违约概率与敞口正相关（敞口越大、对方越可能违约）＝ 错向风险。这会让 CVA 比独立假设下算出的更高，是 CVA 定价中最危险的形态。
错法路径：B 方向做反——正当风险是违约概率与敞口负相关（价格下跌时敞口下降，对方违约也伤不到自己）；A 是缓释工具（多笔交易轧差），与「敞口和 PD 的相关方向」无关；C 是主协议里的合同条款（评级跌破某水平时可平仓或要求补抵押品），同样不刻画相关性方向。
11. 信用衍生品（Credit Derivatives）
要点：信用衍生品如何把信用风险「剥离」成可交易资产 · CDS 结构、CDS-债券基差与回收率（CTD）· CDS 定价四输入（期限、无风险利率、危险率、回收率）与 PS/PD 递推 · 教材例：支付端 2.6529s、赔付端 0.0528 → s = 1.99% · 风险中性违约概率与盯市（MtM）· 二元 CDS 与信用指数（CDX NA IG / iTraxx Europe）· 固定票息与期初支付 D × (s − c) · CDS 远期与期权 · 总收益互换 TRS · 合成 CDO 分层瀑布与两种估值法（价差支付法 s = C/(A+B) / 高斯 copula 违约时间法）· 隐含相关性：复合（微笑）与基础（偏斜）· 一因子高斯 copula 的替代模型
第 10 章从市场价差里读出违约概率；本章把这个价差本身变成一份合约——信用风险从此可以单独买卖，而不必连同资产一起转手。整章只有两条主线：CDS 怎么定价，以及把 CDS 拼成分层产品（合成 CDO）后怎么定价。
- ① CDS 的三件事要一次记住：保护买方付周期性保费（CDS 价差）；保护卖方在违约时赔付损失；保费期末支付（in arrears）——与普通保险「期初付」相反，于是违约发生的那一年，买方还要补一笔按天折算的应计支付（accrual payment）。
- ② CDS 定价只有一条方程：让期望保费的现值 = 期望赔付的现值。教材例（λ = 3%、RR = 35%、无风险利率 4%、3 年期）：支付端 = 2.6123s + 0.0406s = 2.6529s，赔付端 = 0.0528 → s = 1.99%。记忆锚点：s ≈ λ × (1 − RR)（此例 1.95%，与 1.99% 的差来自折现与应计项）。
- ③ 两个口径绝不能混：定价用风险中性违约概率（由市场价差反推，回收率假设不影响结论）；盯市用「合同固定价差 × 当前支付久期 − 当前赔付现值」。价差走阔→ 保护买方赚、卖方亏（源例：1.50% → 1.99%，卖方亏 $13,000）。
- ④ 合成 CDO = 用 CDS 拼出来的 CDO：损失按分层区间承接（equity 0–5%、mezzanine 5–25%、senior 25–100%），各层收益率与承担的风险相匹配。估值两条路：价差支付法（令流入现值 = 流出现值，s = C ÷ (A + B)）与高斯 copula 违约时间法（假定同质 Q(t)、常数相关系数 ρ，用二项分布数违约家数）。
- ⑤ 隐含相关性＝「相关性的隐含波动率」：复合（分档）相关性逐档反解、呈「微笑」；基础相关性逐档累积反解、随优先级上升呈「偏斜」。若市场定价真的服从一因子高斯 copula，各档相关性应当相同——微笑/偏斜本身就是模型局限的证据。
11.1 信用衍生品：把信用风险剥离成可交易资产
对传统信用风险缓释手段的一个批评是：它们没有把信用风险从标的资产中剥离出来（do not unbundle the credit risk from the underlying asset）。信用衍生品（credit derivatives）——信用违约互换、总收益互换、债务抵押证券——正是针对这一批评而生的场外（OTC）金融合约：其赔付取决于某一特定标的发行人的信用表现或信用质量的变化。因此，这些工具让一方可以在不卖出资产本身的前提下，把标的资产的信用风险转移给另一方，同时也有助于围绕违约风险经济价值的价格发现。
💼 为什么需要它：两家银行的例子
A 银行专营航空业贷款，B 银行专营能源企业贷款。能源价格高时能源企业好、航空业差，能源价格低时相反。两家银行可以用两种办法降低各自的信用风险：① 直接互售 50% 的贷款；② 用信用衍生品以更低的成本达到同样目的——不必真正卖掉贷款关系，就能对冲行业集中度。
机构使用信用衍生品的目标可以归为几类：
- 获取特定风险因子——既可用于风险缓释，也可用于投机；
- 把信用风险与资产所有权分离——等于把一个资产拆成两个可独立交易的资产；
- 提高收益（yield enhancement），以及对冲投资者承担的行业特定风险与国家特定风险；
- 对冲基金等投机性投资者用它套取套利机会。
三大品种的核心区别：
| 品种 | 机制 | 转移的风险 |
|---|---|---|
| 信用违约互换 CDS credit default swap | 保护买方付周期保费，保护卖方在标的违约时赔付损失 | 纯信用风险（违约风险） |
| 总收益互换 TRS total return swap | 一方支付标的全部经济收益（票息/股利 + 价格变动），换回固定或浮动利率 | 信用风险 + 利率（市场）风险——对风险债券而言不是纯信用衍生品 |
| 债务抵押证券 CDO collateralized debt obligation | 对一篮子风险债务工具的分层索取权，按分配瀑布分摊现金流与损失 | 组合信用风险，按分层切割 |
11.2 CDS 的结构、CDS-债券基差与回收率
最流行的信用衍生品是 CDS（credit default swap）：保护买方（protection buyer，被保险人）向保护卖方（protection seller，保险人）支付周期性的 CDS 价差，换取针对参考债务（reference obligation）违约的保护。买方支付保费直到互换到期或违约发生，以先到者为准。与普通保险不同，CDS 保费在期末支付（in arrears），而不是在结算期开始时支付。
正因为保费后付，一旦违约，买方还须支付从上一个结算日到违约日这段期间的应计支付（accrual payment），卖方则支付违约造成的损失。例：一份5 年期、年度结算的 CDS，第一笔付款在第 1 年末到期；若违约发生在第 1 个结算日之后 3 个月，买方需按比例支付3 个月的应计保费。
CDS 的标的可以是单一公司、单一国家，也可以是信用指数。许多 CDS 按 ISDA 条款标准化：常见期限为 1、3、7、10 年，每季结算，结算日为 3 月 20 日、6 月 20 日、9 月 20 日、12 月 20 日。例：4 月 15 日按这些条款发起的 CDS，6 月 20 日的第一笔付款覆盖 4 月 15 日—6 月 20 日这段期间。
N 年期 CDS 保费应当约等于 N 年期风险债券相对基准利率（市场参考利率）的风险溢价。例：投资者买入一只收益率 7%（高出基准 3%）的 7 年期公司债，同时以 3% 的成本买入保护，则净收益为 4%，正好等于基准利率；若发生违约，保护卖方使其不受损失（债券按面值交换）。由此得到：
债券收益率价差＝债券收益率 − 市场参考利率。对期限相同的互换与参考债务，为防止套利，该基差应接近于零。
回收率（recovery rate）= 债券在违约后立即的交易价格占面值的百分比。CDS 合约会指明若干只同一发行人、同一顺位的债券可作为违约时由保护买方交付给保护卖方、以换取全额面值的标的，于是买方会交付最便宜可交割债券（cheapest-to-deliver, CTD），而回收率就由 CTD 的价格决定：若 CTD 每 $100 面值的交易价为 $53，则回收率为 53%。
11.3 CDS 定价的四个输入：生存概率与违约概率
CDS 价差（即参考债务的信用价差）是承担信用风险的补偿。计算 CDS 价差 s 需要四个输入：① 互换期限；② 无风险利率；③ 危险率（hazard rate，即违约强度 default intensity）；④ 回收率。
危险率 λ 是一个常数参数，而 t 时刻的违约概率（PD）随生存概率（PS）下降：
第 t 年的违约概率 PD_t = PS_(t−1) − PS_t
今天（t = 0）的生存概率为 100%。注意 PD 是逐年相减得到的（边际口径），不是直接用危险率。
教材例：3 年期 CDS 的参数
一份 3 年期 CDS，危险率 3%、回收率 35%、连续复利无风险利率 4%；假定年度结算且违约发生在年中。各年生存概率：
- 第 1 年：e^(−1×0.03) = 0.97045
- 第 2 年：e^(−2×0.03) = 0.94176
- 第 3 年：e^(−3×0.03) = 0.91393
于是：第 1 年 PD = 1 − 0.97045 = 0.0296；第 2 年 PD = 0.97045 − 0.94176 = 0.0287；第 3 年 PD = 0.94176 − 0.91393 = 0.0278。
11.4 教材例：3 年期 CDS 的价差是怎么算出来的
设 CDS 价差为 s%。保费只在没有违约时才支付，故期望支付 = 生存概率 × 名义本金 × s。以 $1 名义本金为例：
| 年份 | 生存概率 | 期望支付 | 折现因子 | 期望支付现值 |
|---|---|---|---|---|
| 1 | 0.97045 | 0.97045s | 0.9608 | 0.9324s |
| 2 | 0.94176 | 0.94176s | 0.9231 | 0.8693s |
| 3 | 0.91393 | 0.91393s | 0.8869 | 0.8106s |
| 合计现值 | 2.6123s | |||
折现用无风险利率 4%，例如 t = 1 的折现因子 = e^(−0.04×1) = 0.9608；期望支付现值 = 折现因子 × 期望支付。因此整个互换期内期望支付的现值合计 = 2.6123s。
由于保费后付、且假定违约发生在年中，违约那一年买方还需支付一笔应计支付（相当于半年保费 s/2）。此时用到的概率是违约概率——因为应计支付只在违约时发生：
| 年份 | 违约概率 | 期望应计支付 | 折现因子 | 期望应计现值 |
|---|---|---|---|---|
| 0.5 | 0.0296 | 0.0148s | 0.9802 | 0.0145s |
| 1.5 | 0.0287 | 0.0143s | 0.9418 | 0.0135s |
| 2.5 | 0.0278 | 0.0139s | 0.9048 | 0.0126s |
| 合计现值 | 0.0406s | |||
于是保护买方支付端的现值合计 = 2.6123s + 0.0406s = 2.6529s。再看保护卖方的期望赔付（回收率 35%、违约发生在年中、赔付也发生在年中）：
以第 2 年为例：0.65 × 0.0287 × $1 = 0.0187。
| 年份 | 违约概率 | 回收率 | 期望赔付 | 折现因子 | 期望赔付现值 |
|---|---|---|---|---|---|
| 0.5 | 0.0296 | 35% | 0.0192 | 0.9802 | 0.0188 |
| 1.5 | 0.0287 | 35% | 0.0187 | 0.9418 | 0.0176 |
| 2.5 | 0.0278 | 35% | 0.0181 | 0.9048 | 0.0164 |
| 合计现值 | 0.0528 | ||||
令两端相等，解出这份 3 年期合约的 CDS 价差：
2.6529s = 0.0528
s = 0.0528 ÷ 2.6529 = 0.0199 = 1.99% = 199 个基点
校验：λ × (1 − RR) = 3% × 65% = 1.95%，与 1.99% 的差别来自折现与应计项——s ≈ λ(1 − RR) 是最好用的心算锚点。
11.5 风险中性违约概率、盯市与二元 CDS
上面用到的 PD 不是真实的（real-world）违约概率，而是风险中性违约概率——由市场报价的 CDS 价差隐含出来的概率。仍用上例：若市场实际 CDS 价差是 2.75%，则 3% 的危险率假设偏低；用试错法（或 Excel 的 SOLVER）反解，危险率应接近 4.15%。
另一个输入是回收率（RR）。如果我们计算的是由市场价隐含的风险中性违约概率，那么对 RR 的估计并不重要——不管取哪个 RR，计算最终都会回到市场价差上。风险中性违约概率大致与 1 ÷ (1 − RR) 成正比：在市场价差不变的前提下，假设的回收率越高，反推出的风险中性违约概率也越高。
CDS 合约每日盯市（marked to market, MtM）。若 CDS 价差收窄（走阔），保护买方亏损（盈利），保护卖方则盈利（亏损）相同金额。对保护卖方的盯市价值为：
期望支付按合约固定价差计算，支付久期用当前曲线（上例 = 2.6529）；期望赔付用当前危险率曲线。
教材例：CDS 的盯市价值
上例那份互换最初是3.5 年期、6 个月前以 1.50% 的价差成交的。已知剩余 3 年时期望支付现值为 2.6529s、期望赔付现值为 0.0528（对应 s = 1.99%）。以 $1,000,000 名义本金计算对保护卖方的盯市价值：
- 按合约价差 1.50%：期望支付现值 = 2.6529 × 0.015 = 0.0398（每 $1 名义本金）；
- 期望赔付现值（剩余 3 年）不变，仍为 0.0528；
- 对保护卖方价值 = 0.0398 − 0.0528 = −0.013 → −0.013 × 1,000,000 = −$13,000；对保护买方为 +$13,000。
方向检查：价差从 1.50% 走阔到 1.99%，保护买方赚、保护卖方亏——与「价差走阔，买方受益」的规则一致。
二元 CDS（binary CDS）与普通 CDS 的唯一区别是：违约时赔付全额名义本金，与回收率无关（相当于 RR = 0%）。因此只有赔付端的计算变了（上表改按 RR = 0%），支付端合计仍为 2.6529s：
| 年份 | 违约概率 | 期望赔付 | 折现因子 | 期望赔付现值 |
|---|---|---|---|---|
| 0.5 | 0.0296 | 0.0296 | 0.9802 | 0.0290 |
| 1.5 | 0.0287 | 0.0287 | 0.9418 | 0.0270 |
| 2.5 | 0.0278 | 0.0278 | 0.9048 | 0.0252 |
| 合计现值 | 0.0812 | |||
也可用快捷式（回收率仍按 35%）：
二元 CDS 价差 = 普通 CDS 价差 ÷ (1 − RR) = 1.99% ÷ 0.65 = 3.06%
回收率按 0 计算，赔付更重，价差自然高于普通 CDS 的 1.99%——买保护更贵。
11.6 信用指数与固定票息
CDS 指数（credit index）覆盖多家发行人，让市场参与者一次性获得多家公司的信用风险敞口，正如股票指数让人一次性获得多家公司的股权敞口。指数内每家发行人的保护额相等（等权重），总名义本金是各发行人保护额之和。主流指数：CDX NA IG（北美发行人）与 iTraxx Europe（欧洲发行人），各包含 125 家等权重的投资级公司；也有对应高收益发行人的指数。
教材例：指数 CDS 的支付与违约处理
设 CDX NA IG 的 CDS 价差为 50 个基点，交易者可为 125 家公司各取得 $100,000 名义本金的保护：
- 年度支付 = 125 × 0.005 × 100,000 = $62,500（每家公司 $500）；
- 若指数中一家公司违约：合约继续，剩余 124 家；保护卖方按 (1 − RR) × $100,000 名义本金赔付；此后年度支付调整为 124 × 0.005 × 100,000 = $62,000（因这一家违约而减少 $500）。
CDS 指数价差约等于成分信用价差的平均值。指数本身每年更新两次（只适用于更新后新签的合约）：评级跌破投资级的公司会被其他投资级公司替换。
固定票息（fixed coupons）。CDS 合约的标准化提高了市场流动性：标准化合约由保护买方支付固定票息，而不是实际 CDS 价差；票息与价差的差额通过期初一次性支付结清：
价格 = 100 − [100 × D × (s − c)]
D = CDS 支付久期（上例中等于 2.6529）
s = CDS 价差；c = 固定票息
由报价价差推出的合约价格即上式。价格 > 100 时，保护卖方向买方支付——因为买方承诺支付的票息高于其应得的价差。
教材例：期初支付
5 年期 CDX NA IG 的固定票息为 100 个基点，CDS 价差为 65 个基点，5 年期 CDS 的久期为 4.125。每家公司名义本金 $100,000：
- 价格 = 100 − [100 × 4.125 × (0.0065 − 0.01)] = 101.44，即期初支付 1.44%；
- 价格 > 100，故保护卖方向保护买方支付：125 × 100,000 × 0.0144 = $180,000。
11.7 CDS 远期与 CDS 期权
- CDS 远期（CDS forward）让一方约定在未来某一时点、以固定价差、作为保护买方或卖方进入一份特定期限的 CDS。例：约定一年后以 100 个基点的价差进入一份 5 年期 CDS，对手方则同意在该 CDS 中做保护卖方。若参考实体违约，远期合约即终止。
- CDS 期权（CDS option）让持有人支付期权费后，有权（而非义务）以行权价差作为保护买方或卖方进入一份 CDS。例：以 100 个基点作为保护买方进入 2 年期 CDS 的期权，当 CDS 价差高于 100 个基点时会被行权。与远期一样，参考实体在期权到期前违约，期权即终止。
11.8 总收益互换与合成 CDO 的分层结构
总收益互换（TRS）中，一方支付某资产的总收益（票息/股利 + 价格变动），换取固定或浮动利率。对风险债券而言，TRS 不是纯信用衍生品——它同时对冲信用风险与利率风险。作为融资工具，TRS 让投资者可以间接为买入风险债券融资。
教材例：用 TRS 融资买债
投资者想买入 $20 百万公司债，于是进入一份名义本金 $20 百万的 TRS：收取该债券的总收益，支付市场参考利率 + 50 个基点。效果等于以「市场参考利率 + 50bp」借入 $20 百万去买入该债券。这 50 个基点补偿 TRS 支付方两件事：TRS 收款方的信用风险，以及债券信用风险与收款方信用风险之间的相关性。到期时，TRS 支付方须把债券价格升值付给收款方；收款方则须把债券价格贬值付给支付方。
债务抵押证券（CDO）是对一篮子风险债务证券的索取权。这些索取权被划分为分层（tranches），优先级（senior）分层承担的信用风险低于次级（junior）分层；分配瀑布（distribution waterfall）规定了组合产生的现金流如何分配到 CDO 各分层。
合成 CDO（synthetic CDO）的信用风险敞口与现金 CDO 类似，但它是用 CDS 而非实际债务证券拼装而成的：保护卖方无需买入指定债券即可获得信用风险敞口。CDO 的名义本金 = 为其卖出保护的各笔 CDS 名义本金之和；发起人收取 CDS 价差，并支付违约损失。
教材例：$100 百万合成 CDO 的三层结构
一个 $100 百万名义本金的合成 CDO，由 25 只债券各 $4 百万组成，平均 CDS 价差 2%，年度价差现金流 = $2 百万。三层结构：
- ① 权益层（equity）：占 CDO 名义本金的 5%（$5 百万），承担最高信用风险，负责最先 5% 的信用损失；作为回报，权益层投资者每年获得 10%（$0.5 百万）。随着损失被吸收，该层本金减少，收益按缩减后的本金支付；损失一旦超过 5%，权益层即被清空。
- ② 中间层（mezzanine）：在权益层耗尽后，承担 5% 至 25% 的信用损失（即总名义本金的 20%，$20 百万）；作为回报，每年获得 5.625%（$1.125 百万）。
- ③ 优先级层（senior）：承担超过总名义本金 25% 的剩余信用损失，占名义本金 75%（$75 百万）；作为回报，每年获得 0.5%（$0.375 百万）。
一致性校验：期初总价差支付 = $2 百万 = 0.5 + 1.125 + 0.375（百万），恰好等于按 2% 计算的组合价差收入；分配瀑布的设计目标是让优先级层获得很高的信用评级。
由于没有实际现金支出去购买风险债务，合成 CDO 不需要融资。若因卖出保护而需要支付信用损失，相应分层的投资者须缴入资金履行义务；实践中，分层投资者通常提交抵押品以确保履约。CDO 的各个分层独立交易，基于信用指数的标准分层已有流动性良好的市场。
11.9 合成 CDO 估值：价差支付法
合成 CDO（即其 CDS 价差）有两条估值路线：① 基于期望支付的现值与期望赔付的现值；② 高斯 copula 模型。先看第一条——价差支付法（spread payments approach）。
按前述 CDS 价差的算法，令某一分层的期望流入现值 = 期望流出现值，即可解出该分层的价差。对单一分层而言，期望流入取决于价差支付，而价差支付又取决于未偿本金。为简化，假定年度结算（模型可推广到其他结算周期）；随着该层承受损失，其未偿名义本金下降；同样假定损失发生在结算期的中点。
期望赔付现值：C = Σ_t EL_t × DF_(t−0.5)
价差支付的现值：A × s，其中 A = Σ_t E(NP_t) × DF_t
末期应计项：B × s，其中 B = Σ_t EL_t × DF_(t−0.5)
DF_t = 在 t 时刻收到 1 的现值。t 减去 0.5 是因为损失发生在期中：若损失发生在第 2 年，则按 1.5 年折现。注意应计项只针对损失金额——剩余名义本金已在 A 中计入。
分层投资者的期望现金流入现值 = s × (A + B)，因信用损失而产生的期望现金流出现值 = C。令二者相等，得到盈亏平衡价差：
对具有标准票息（价差）s* 的分层，期初支付为名义本金的：
C − s* × (A + B)
11.10 高斯 copula 法与隐含相关性
CDO 的抵押池包含众多债务工具，因此需要违约时间的多元分布。copula 把一个多元分布与它的一维边际分布函数连接起来。一因子高斯 copula 模型是给 CDS 分层定价的流行方法：它假定违约时间分布对所有参考实体都相同（同质，homogeneous）——即抵押池中所有公司在 t 时刻的违约概率 Q(t) 相同；不同参考实体之间的相关性用高斯 copula 函数建模，任意两家公司的违约时间相关性（copula 相关性）假定为常数 ρ。
条件违约概率：Q(t | F) = N { [ N⁻¹(Q(t)) − √ρ · F ] ÷ √(1 − ρ) }
给定 F 时恰好 k 家违约的概率（二项分布）：P(k, t | F) = n! ÷ [(n − k)! k!] × Q(t|F)^k × [1 − Q(t|F)]^(n − k)
F = 共同（系统性）因子。各分层的未偿本金期望值（即各期吸收的损失）即可用上述违约概率算出。
隐含相关性（implied correlation）。若采用行业标准的 40% 回收率，估计分层价差时唯一缺失的输入就是 copula 相关性。与用期权定价模型反解隐含波动率类似，我们可以反解出市场定价中的隐含相关性。有两种度量：
| 度量 | 定义 | 曲线形态 |
|---|---|---|
| 复合相关性 compound / tranche correlation | 使某一分层的模型价差等于市场报价的那个相关性值（用迭代搜索求得） | 「相关性微笑」（smile）：次级分层起于高位，先降后升 |
| 基础相关性 base correlation | 从各分层的复合相关性出发，用迭代过程求出与各分层当前市价一致的期望损失现值 | 「相关性偏斜」（skew）：随分层优先级上升而上升 |
如果市场价格真的与一因子高斯 copula 模型一致，那么各分层的隐含相关性应当相同。因此，明显的微笑或偏斜形态本身就是与市场定价不一致的证据，也是一因子模型的局限。针对这些局限，常见的替代方法包括：
- ① 异质模型（heterogeneous models）：允许抵押池内不同参考实体的违约时间分布不同；但模型显著复杂化，且不能再用二项分布求 t 时刻恰好 k 家违约的概率。
- ② 其他 copula：Student's t copula、Archimedean copula、Clayton copula、Marshall-Olkin copula。
- ③ 随机回收率与因子载荷：基于违约率与回收率之间的负向关系。
- ④ 隐含 copula 模型：直接由市场价格推出。
- ⑤ 动态模型：包括结构型与简约型模型，刻画抵押池损失随时间演变的过程。
⚠️ 口径提示：一因子模型的局限
高斯 copula 的两个已知弱点必须记住：① 不考虑真实违约时间分布中的肥尾；② 无法解释实际观测到的相关性微笑/偏斜。二者都是模型风险，而非数据问题。
- credit derivative products — CDSs, TRSs and CDOs are over-the-counter contracts whose payoffs are contingent on changes in the credit performance or quality of a reference issuer, so credit risk can be transferred without selling the underlying asset, and they aid price discovery. They give access to specialised risk factors for mitigation and speculation, unbundle credit risk from ownership (creating two tradable assets), enhance yield, hedge industry- and country-specific risk, and are used by hedge funds for arbitrage.
- CDS structure — a protection buyer (insured) pays a periodic CDS spread to a protection seller (insurer) until maturity or default, whichever comes first; unlike insurance, premiums are paid in arrears, so on default the buyer owes an accrual payment from the last settlement date to the default date while the seller pays the loss. Standardised contracts commonly run for 1, 3, 7 and 10 years with quarterly settlements on 20 March, 20 June, 20 September and 20 December. The N-year premium is approximately the risk premium of an N-year risky bond over the benchmark: CDS-bond basis = CDS spread − bond yield spread, which should be close to zero for matched maturities.
- recovery rate and CTD — the recovery rate is the price at which the bond trades immediately after default as a percentage of par; the buyer delivers the cheapest-to-deliver bond, so the recovery rate is based on the CTD price ($53 per $100 par implies 53%).
- CDS valuation inputs — maturity, risk-free rate, hazard rate (default intensity) and recovery rate. PS_t = e^(−λt) and PD_t = PS_(t−1) − PS_t. With λ = 3%, RR = 35%, r = 4%, annual settlement and default mid-year, survival probabilities are 0.97045 / 0.94176 / 0.91393 and default probabilities 0.0296 / 0.0287 / 0.0278. Expected payment = PS × notional × s discounted at 0.9608 / 0.9231 / 0.8869 gives 2.6123s; accrual payments add 0.0406s, so total payments are 2.6529s; expected payoff (1 − RR) × PD discounted at 0.9802 / 0.9418 / 0.9048 totals 0.0528. Setting 2.6529s = 0.0528 gives s = 1.99%, or 199 bp.
- risk-neutral PD and mark-to-market — the PD used in pricing is the risk-neutral probability implied in the market CDS spread, not the real-world probability (a market spread of 2.75% implies a hazard rate near 4.15% rather than 3%); the recovery-rate assumption does not matter when the risk-neutral PD is derived from market prices, and risk-neutral PD is approximately proportional to 1/(1 − RR). MtM value to the protection seller = PV of expected payments − PV of expected payoff: on the original 1.50% spread with three years left, 2.6529 × 0.015 = 0.0398 against 0.0528, so the seller loses 0.013 per $1 notional, or $13,000 on $1 million — the spread widened to 1.99%, so the buyer gains.
- binary CDS — the payoff is the full notional regardless of recovery, so only the payoff table changes: the PV of expected payoff becomes 0.0812 and s = 0.0812/2.6529 = 3.06%, also given by vanilla spread/(1 − RR) = 1.99/0.65.
- credit indices and fixed coupons — CDX NA IG and iTraxx Europe each give equally weighted exposure to 125 investment-grade companies; with a 50 bp spread and $100,000 notional per name the annual payment is 125 × 0.005 × 100,000 = $62,500 ($500 per company), and after one default the contract continues with 124 names and an annual payment of $62,000. The index spread approximates the average credit spread of constituents and the index is updated twice a year for new contracts. Standardised contracts pay a fixed coupon instead of the market spread, settled up front: up-front premium % = D × (s − c) and price = 100 − [100 × D × (s − c)]; with a 100 bp coupon, a 65 bp spread and D = 4.125 the price is 101.44 (1.44% up front), so the protection seller pays the buyer 125 × 100,000 × 0.0144 = $180,000.
- forwards and options — CDS forwards lock in a fixed spread for a CDS starting at a specified future date; CDS options give the right, for a premium, to enter a CDS at a strike spread (exercised as a protection buyer when the spread exceeds the strike). Both cease to exist if the reference entity defaults.
- TRS and CDOs — a TRS exchanges the total return (coupon or dividend plus price change) of an asset for a fixed or floating rate; for risky bonds it hedges both credit and interest-rate risk and acts as a financing tool (paying the market reference rate plus 50 bp on $20 million is equivalent to borrowing that amount to buy the bond, the 50 bp compensating for the receiver's credit risk and its correlation with the bond). CDOs are claims on a portfolio of risky debt divided into tranches with a distribution waterfall; a synthetic CDO uses CDS instead of debt securities, and the $100 million example (25 bonds of $4 million at a 2% average spread, $2 million of annual spread income) has an equity tranche of 5% earning 10%, a mezzanine tranche covering 5–25% earning 5.625% and a senior tranche of 75% earning 0.5%. Synthetic CDOs need no funding but tranche investors typically post collateral.
- synthetic CDO valuation — either set the PV of expected payments equal to the PV of expected payoffs, where EL_t = E(NP_(t−1)) − E(NP_t), C = Σ EL_t × DF_(t−0.5), A = Σ E(NP_t) × DF_t and B = Σ EL_t × DF_(t−0.5), giving s = C/(A + B) and an up-front premium of C − s*(A + B); or use the one-factor Gaussian copula, which assumes a homogeneous time-to-default distribution with constant copula correlation ρ: Q(t) = 1 − e^(−λt), Q(t|F) = N[(N⁻¹(Q(t)) − √ρF)/√(1 − ρ)] and a binomial count of defaults.
- implied correlation — with the industry-standard 40% recovery rate the only missing input is the copula correlation, which can be implied from market prices just as volatility is implied from option prices. Compound (tranche) correlation is the correlation that makes a tranche's model spread match the market, found by iterative search, and shows a correlation smile; base correlation starts from the compound correlations and re-estimates them so that the PV of expected loss for each tranche is consistent with its market price, and shows a skew rising with seniority. Correlations should be identical across tranches if market prices matched the model, so a pronounced smile or skew is a limitation of the one-factor model. Alternatives include heterogeneous models, other copulas (Student's t, Archimedean, Clayton, Marshall-Olkin), random recovery rates and factor loadings, the implied copula model, and dynamic (structural and reduced-form) models.
Q1. 某 2 年期 CDS：危险率 5%、回收率 30%、连续复利无风险利率 3%，年度结算且违约发生在年中。已算得期望支付现值 = 1.8215s（含应计项）、期望赔付现值 = 0.0647（每 $1 名义本金）。其盈亏平衡 CDS 价差最接近：
s = 0.0647 ÷ 1.8215 = 3.55%。校验锚点：λ × (1 − RR) = 5% × 70% = 3.50%，与实际解出的 3.55% 相差很小（差额来自折现与应计项）。
错法路径：B 直接把危险率当价差（忽略回收率——价差只补偿「违约时真正损失的部分」）；D 用 λ ÷ (1 − RR) = 5% ÷ 0.7 = 7.14%（方向做反：应乘以违约损失率而非除以它）；A 用 λ × RR = 5% × 30% = 1.50%（权重取错：乘的是回收率而不是 LGD = 1 − RR）。
Q2. 一份 CDS 以固定价差 2.10% 成交，尚有 3 年到期；当前曲线下支付久期 = 3.2、期望赔付现值 = 0.0410（每 $1 名义本金），当前市场价差已降至 1.60%。名义本金 $10 百万时，该合约对保护卖方的盯市价值最接近：
期望支付现值 = 3.2 × 0.0210 = 0.0672；对保护卖方价值 = 0.0672 − 0.0410 = +0.0262（每 $1）→ 0.0262 × 10,000,000 = +$262,000。方向检查：市场价差从 2.10% 降到 1.60%，卖方收的保费高于市场水平 → 卖方获利。
错法路径：B 用当前市场价差 1.60% 替代合同固定价差（3.2 × 0.016 − 0.0410 = 0.0102 → $102,000）——盯市用的是合约里的固定价差，市场价差只体现在当前赔付现值里；C 只取赔付现值并给成负号（把「卖方付出赔付」当成合约价值，漏掉收入端）；D 漏减赔付，直接把期望支付现值 0.0672 当成合约价值。
Q3. 某信用指数含 125 家等权重发行人，每家名义本金 $150,000，指数价差 60 个基点。若其中一家违约，此后该指数合约的年度支付额最接近：
违约前年度支付 = 125 × 0.006 × 150,000 = $112,500；一家违约后合约继续，剩余 124 家、每家名义本金不变：124 × 0.006 × 150,000 = $111,600（较原来减少 $900）。
错法路径：A 把减少额当成了新的年度支付额；C 认为指数会立即补入替代公司、名义本金不变（「每年更新两次」只适用于更新后新签的合约，且是评级调整，不是违约后自动替补）；D 同时把每家名义本金按 124/125 摊薄（150,000 × 124/125 = 148,800），家数与本金双重扣减。
Q4. 关于隐含相关性的两种度量，下列说法最准确的是：
两种度量都是隐含相关性——从市场价格反解，而不是历史统计，这与「用期权价格反解隐含波动率」同理。
错法路径：A 混淆了隐含口径与历史口径（隐含相关性由市价反解）；B 把两种形态记反——微笑是复合相关性的特征、偏斜是基础相关性的特征；C 把模型的预测记反：若市价与一因子高斯 copula 一致，各分层相关性应当相同，正因为出现了微笑/偏斜，才说明该模型有局限。
12. 衍生品与交易对手风险（Derivatives & Counterparty Risk）
要点：衍生品如何产生对手方信用风险（＝市场风险 + 信用风险）· 交易所交易 vs OTC 的结构差异 · 执行/清算/结算三阶段与 CCP 介入 · 三类市场参与者（大型/中型/终端用户，大型交易商占 OTC 名义金额约 80%）与四类衍生品市场 · ISDA 主协议的四大功能与八类违约事件（含 CSA）· CCP 的四项职责、好处与短板 · 初始保证金/变动保证金/违约基金 · SPV、DPC、monoline、CDPC 四种「评级套利」实体及其局限 · 衍生品风险建模（VaR / PFE / ES）· 对手方风险 vs 贷款风险（双边 vs 单边）· 回购与 haircut 算例 · 错向风险（希腊主权债 + 希腊银行）· 敞口、信用迁移、回收、MtM 与重置成本 · 管理（7 法）与缓释（4 法）及其衍生风险 · CVA vs 信用限额 · xVA 六项
第 11 章把信用风险做成了可交易的合约；本章紧接着问一句：这些合约本身带来的风险，谁来管、怎么管、代价是什么。答案是一条从「双边」走向「中央」的路径，以及围绕它建立的一整套抵押品、法律文件与估值调整。
- ① 对手方风险 = 市场风险 × 信用风险：它不是「本金会不会收不回」，而是「合约浮盈时对手方会不会违约」。所以它是双边的（赢的一方承担输的一方违约的风险），且敞口随市值波动——这两点是与贷款风险的分水岭。
- ② 三个动作别混：执行（execution）是成交、清算（clearing）是成交到结算之间记录身份并计算保证金与付款义务、结算（settlement）是真正划款。CCP 站在中间，把原始对手方换成自己。
- ③ CCP 不是「消灭」风险，而是「搬运 + 互担」风险：多边净额结算与按市值抵押降低系统性风险，损失在成员间互担；但 CCP 一旦失败就是系统性冲击，且会削弱各方自行监控对手方的激励（新增操作、流动性与系统性风险）。
- ④ 抵押品的算式要会做：haircut 是「抵押品打几折」，所以抵押品金额 = 贷款额 ÷ (1 − haircut)——2% 的 haircut、$100M 贷款需要 $102.04M 证券，不是 $102M（乘法）也不是 $98M（折减）。
- ⑤ 缓释工具都自带新风险：净额结算怕法律不可执行、抵押怕流动性与法律成本、对冲会把对手方敞口换成市场风险、CCP 会带来系统性风险与监控惰性。xVA 六项（CVA/DVA/FVA/ColVA/KVA/MVA）就是把对手方风险、抵押、融资、资本这些成本逐一装进定价里。
12.1 衍生品与对手方信用风险的来源
衍生品（derivative）是两方之间的一种合约安排：约定在未来买入或卖出某一标的证券，或进行一笔付款。有些衍生品（如许多期货合约）期限很短（几周），另一些（如长期限互换）可能数年才到期。衍生品的价值在合约存续期内会变化，但许多衍生品在期初对双方的价值都为零。
衍生品历史悠久，是机构对冲各类风险敞口的重要工具：利率风险（利率远期或互换）、外汇风险（外汇远期）、商品价格风险（商品期货或互换）；它也提供增加或减少对某一标的敞口的手段。经典例子：一位农民担心未来六个月收割时小麦价格下跌，可以卖出六个月后到期的小麦期货（做空），从而锁定一个已知的未来价格。使用者涵盖企业、财富管理机构、银行、保险公司，以及各类政府与中央银行。
有些衍生品（如期货）是标准化的，另一些（如远期与互换）是可按双方需求定制的；部分市场由大型衍生品交易商主导，这些交易商往往是系统重要性银行。
对冲风险虽是衍生品的核心用途，但衍生品自身也创造风险：对手方信用风险（counterparty credit risk）——它是市场风险与信用风险的组合。具体含义是：随着证券价格与市场条件变化、合约价值随时间改变，交易的另一方不履行合约义务、不交付证券或不付款。对手方风险可以双边管理（各方管好自己的风险），也可以集中管理（通过中央对手方 CCP）。
12.2 交易所交易 vs 场外（OTC）衍生品
衍生品合约可以在交易所交易（标准化、由交易所创设并挂牌交易），也可以在场外（OTC）交易（定制化）。
| 交易所交易（exchange-traded） | 场外交易（OTC） | |
|---|---|---|
| 条款 | 价格、到期日、标的证券名义价值等由交易所指定，一般不可修改 | 双方私下定制，可非常精确地转移风险 |
| 场所 | 交易所内，多数市场流动性很高 | 非正式的全球网络，常通过交易商进行 |
| 优势 | 标准化便于清算与结算，提高透明度与可及性 | 灵活性高，能精确匹配需求 |
| 劣势 | 条款固定，无法量身定制 | 定制的私密合约难以平仓，或只能以不利条件平仓；交易商无法「一价买、同时更高价卖」；转让（novation）通常需原对手方同意；许多 OTC 市场流动性差（但外汇等部分市场非常流动） |
💼 OTC 灵活性的一例
一家计算机制造商需要133 天后买入 1,241 盎司铜用于电路板——这样古怪的期限与数量在交易所找不到对应合约，但只要能在 OTC 市场找到对手方（或交易商愿意接下卖出方），就可以定制出来。代价是：这份合约几乎无法转手。
12.3 执行、清算与结算：CCP 站在中间
清算（clearing）与结算（settlement）都是衍生品市场的关键职能，但含义不同：
- 清算（clearing）：结算之前的过程——记录对手方身份、计算并促成保证金与付款义务。可理解为执行与结算之间的那段时间。
- 结算（settlement）：合约平仓时，促成付款、把资金从一方转移给另一方，以履行法律义务。
两者都是管理对手方信用风险（不付款或不交付资产的风险）的关键。由于衍生品期限可能很长，OTC 清算的重要性日益上升。
双边市场中，只要合约有效，原始对手方就一直不变，风险管理由各对手方自行完成。中央清算市场中，原始对手方被 CCP 取代：CCP 插入交易中间，成为每一方的新对手方，并承担风险管理职能。OTC 市场历史上以双边清算为主，中央清算近年日益重要；但中央清算需要一定程度的标准化，因此并非所有 OTC 衍生品都适合。
12.4 市场参与者、抵押品与四类衍生品市场
衍生品市场的参与者按衍生品组合规模（注意：不是机构本身的规模）分为三组：
| 分组 | 典型机构 | 特征 | 抵押品 |
|---|---|---|---|
| 大型参与者 large players | 大型全球性银行（交易商） | 交易几乎所有品种（外汇、利率、股票、商品、信用衍生品），为市场提供大量流动性；是多数交易所与 CCP 的成员，并作为 OTC 交易商，控制 OTC 交易名义金额的约 80% | 会提交抵押品 |
| 中型参与者 medium-sized players | 小型银行与金融机构（如本地/区域性银行） | OTC 交易量可观、覆盖品种较广，但不如大型活跃——例如通常不参与信用衍生品、商品或奇异衍生品市场；常为交易所与 CCP 成员 | 可能（但不一定）提交抵押品 |
| 终端用户 end users | 小型金融机构、大型企业、主权政府 | 需求相对小或单一（如养老基金只需利率互换对冲浮动利率敞口、矿业公司只需商品远期对冲价格敞口）；只与少数对手方交易 | 通常避免频繁提交抵押品，或只提交流动性差的抵押品 → 对手方信用风险显著 |
例外情形：部分信用质量极高的大型区域性政府、主权或超国家实体，在与（通常是银行的）对手方交易时能争取到更优条件——例如要求对手方提交抵押品而自己不提交，或获得有利的评级触发条款。
按交易与抵押方式，衍生品又可分为四类：
- ① 交易所交易：简单、短期限、高流动性；全部中央清算且有抵押，每日按市值结算并提交保证金，对手方信用风险被极大降低；这类市场占整个市场不到 10%。
- ② OTC 中央清算：较复杂、流动性较差、不适合交易所挂牌，但中央清算并以每日变动保证金抵押。
- ③ OTC 有抵押：双边 OTC 交易，双方提交现金或证券抵押以降低对手方风险。
- ④ OTC 无抵押：双边 OTC 且不提交抵押品（通常因为无法锁定现金或证券）→ 风险最高的衍生品市场。
提交抵押品能降低对手方风险，但同时引入法律风险、操作风险与融资成本——这一点在后面 xVA 部分会以成本项的形式出现。
12.5 ISDA 主协议与违约事件
由于 OTC 衍生品是双方私下协商的，就需要一套法律文件来规范合约的一般条款。行业标准是 ISDA 主协议（ISDA Master Agreement），由国际掉期与衍生工具协会（ISDA）制定，1985 年推出、1992 年起被广泛使用。谈判 ISDA 主协议耗时较长，但它的目的是统一条款、降低对手方整体风险，通过以下四项功能实现：
- ① 提交抵押品的合同条款；
- ② 违约事件与终止；
- ③ 义务的净额结算（netting of obligations）；
- ④ 定义平仓（close-out）流程。
主协议本身是标准的，但附带一份附约（schedule）载明可调整条款；管辖法通常是英国法或纽约法。完整的一套文件包含四部分：主协议（master agreement）、附约（schedule）、信用支持（credit support）、确认书（confirmation）——其中信用支持通常以信用支持附件（credit support annex, CSA）的形式规定抵押品条款。
从对手方信用风险的角度看，违约事件（events of default）最为关键：违约会导致协议终止并启动平仓流程。违约事件包括八类：
- 未能付款或交付（failure to pay or deliver）
- 违反协议（breach of agreement）
- 信用支持违约（credit support default）
- 虚假陈述（misrepresentation）
- 特定交易项下的违约（default under a specified transaction）
- 交叉违约（cross-default）——对同一对手方其他义务的违约
- 破产（bankruptcy）
- 未承接的合并（merger without assumption）
其中未能付款与破产最常见。
12.6 中央对手方（CCP）：角色、好处与短板
2007–2009 年金融危机之后，衍生品交易的中央清算与 CCP 的作用对确保系统性风险缓释变得显著更重要。CCP 为成员机构之间的多种金融交易提供清算服务，并站在对手方中间：对每一个卖方是买方，对每一个买方是卖方。其四项关键职责是：
- 为清算成员设定标准与规则；
- 平掉违约清算成员的持仓；
- 要求缴纳初始保证金、变动保证金与违约基金（default fund）缴款，以互担损失；
- 为极端事件制定预案（例如要求追加违约基金缴款，或对变动保证金打折（haircut））。
| 好处（benefits） | 短板（shortfalls） |
|---|---|
| CCP 成为每笔交易的对手方，违约风险被最小化；原始对手方不再代表信用风险 | CCP 必须具备极强的信用质量——CCP 一旦失败，可能引发系统性冲击 |
| 通过多边净额结算（把买入与卖出相互轧差）保持市场中立，并要求通过保证金账户提交抵押品；按市值抵押降低系统内理论风险 | 降低信用风险可能以其他市场参与者（如债券持有人）为代价——相当于把衍生品对手方置于优先地位 |
| 违约发生时，CCP 以替换成员（而非平仓）的方式替换违约成员，并让损失在全体成员间互担 | CCP 常有跨境活动，须应对彼此冲突的法律框架与监管要求 |
| 以拍卖 + 净额结算方式平掉违约成员的义务，降低整体头寸价值、最小化波动 | — |
12.7 保证金要求，以及四种「评级套利」实体
使用中央清算衍生品的清算成员必须缴纳初始保证金（initial margin）与变动保证金（variation margin），并向违约基金缴款以覆盖违约成员的损失：初始保证金对所有交易都要求，变动保证金用于覆盖衍生品市值变化。相比之下，非中央清算的双边交易历史上没有或只有有限的保证金要求；但近年为缓释系统性风险，全球监管正推动双边衍生品交易的保证金要求向中央清算靠拢。
为管理 OTC 对手方风险，市场上演化出四类特殊实体——它们的共同思路是用法律结构把对手方风险「外包」出去，从而取得高评级，但代价是把风险转化成别的形态：
| 实体 | 机制 | 关键局限 |
|---|---|---|
| SPV / SPE 特殊目的载体 | 表外、破产隔离、与发起人分离；为降低对手方风险而设，SPV 投资者作为债权人享有优先权（flip provision）；因破产隔离与低杠杆常获高评级。本质上把对手方风险转化为法律风险 | 破产法院可能把 SPV 资产与发起人合并（consolidation），视同资产从未真正出表——取决于法域：美国法院有合并判决的历史（雷曼案中 flip provision 被判不可执行），英国法院倾向避免合并（除非涉及欺诈）。隔离目标常因此落空 |
| DPC 衍生品产品公司 | 由金融机构设立、独立资本化以取得很高（通常 AAA）评级，与母体保持距离；母体失败时 DPC 不受损失。评级取决于三因素：① 最小化市场风险（用镜像交易保持市场中立）；② 母体支持（破产隔离 + 预先安排转移至资本雄厚机构，或有秩序地逐步平仓镜像交易）；③ 内部信用风险管理与操作准则（每日按市值、提交抵押品） | 「有秩序平仓」在现实中未必成立：危机中雷曼两家 DPC 申请破产、贝尔斯登的 DPC 由摩根大通清盘 → DPC 有显著的法律、市场与操作风险 |
| Monoline 单一业务保险公司 | 高杠杆、单一业务线：为债券偿付提供保险（即 credit wrap），以提升债券评级；为各类结构化信用产品提供信用增级，常以 CDS 形式。正常市况下不提交抵押品，并保持很高（通常 AAA）评级 | 危机中估值损失累积 → 失去高评级、被迫提交抵押品，而时点恰在保险损失上升之时 → 2007–2009 年多家 monoline 倒闭 |
| CDPC 信用衍生品产品公司 | 类似 DPC，但商业模式类似 monoline：提供信用衍生品保护并从中获利；同样在正常市况下不提交抵押品、保持 AAA | 高杠杆且不使用对冲头寸，因而承担大量市场风险；危机中或之后多家倒闭 |
12.8 衍生品风险建模：VaR、PFE 与 ES
对衍生品进行更定量化的评估，催生了 VaR、潜在未来敞口（PFE）与期望短缺（ES），以及相关性与依赖性计算等模型。
- VaR（value at risk）：在给定置信水平下、指定（通常短期）期间内的最大损失（反过来讲，是给定显著性水平下的最小损失）。例：一个月 99% 置信水平的 VaR = $100,000，意味着有 99% 的概率一个月内最大损失为 $100,000（或有 1% 概率最小损失为 $100,000）。
- PFE（potential future exposure）：VaR 的信用风险对应物，时间跨度长（常以年计）。因为它衡量对手方信用风险，所以它衡量的是因「盈利」而产生的信用敞口。
- ES（expected shortfall）：对 VaR 的修正，衡量超过 VaR 之后的平均损失——即在已知损失至少等于 VaR 的条件下的平均损失。
VaR 的优点是用单一数字概括风险，且不依赖损失分布的形状；缺点是它不揭示置信水平以外的损失（是 $100,001 还是 $5,000,000？），而且 VaR 可能不满足次可加性（subadditivity）——次可加性意味着两个组合的风险应当是各自风险之和。VaR 与 ES 通常都用历史模拟实现（用真实历史数据、在不同情景下重算），再事后回测检验模型的预测力。
多数金融机构把 VaR/ES 与相关性、波动率、依赖因子等复杂定量模型结合使用；监管也日益要求建模。但模型常被二值化地看待（好或坏），而现实中其效果不取决于模型本身，而取决于机构如何使用它。把相关性与依赖性纳入建模，会进一步暴露模型短板：历史相关性往往对未来结果预测力很差；相关性会显著变化，尤其在波动与压力时期；金融变量之间的依赖性同样会变化——因此信用风险、市场风险与抵押品之间相互依赖关系的评估变得至关重要。
12.9 对手方风险 vs 贷款风险：哪些交易带对手方风险
对手方风险（counterparty risk）是交易对手无法或不愿履行合约义务（即对手方违约）的风险。在衍生品语境下，违约发生在合约起始之后、到期之前，即结算前（presettlement）；一旦违约，合约要求的当期与未来付款都不会发生。
| 贷款风险（lending risk） | 对手方风险（counterparty risk） | |
|---|---|---|
| 风险本金 | 通常可以合理确定（如固定利率抵押贷款） | 标的工具价值在绝对金额上不确定，哪一方盈利/亏损也不确定 |
| 方向 | 单边：只有一方承担风险 | 双边：各方都承担对手方违约风险——「赢」的一方承担「输」的一方违约的风险 |
口径提示：对手方风险通常专指结算前风险；偶尔也用于结算风险（settlement risk）——即结算时双方履约时点不一致带来的风险。这一期间若发生违约，损失可能很大，因为信用敞口在结算过程中处于最高水平。若未特别说明，一律按结算前风险理解。
交易所交易衍生品不承担对手方风险（交易所通常就是对手方），因此焦点在证券融资交易与 OTC 衍生品：
- 回购（repo）与逆回购（reverse repo）：回购是短期（可短至一天）的有担保贷款协议——卖方（借款人）把证券卖给买方（贷款人）换取现金，并在日后买回证券；贷款人收到回购利率＝无风险利息 + 对手方风险补偿。抵押品通常是流动性证券，并用 haircut（折扣率）缓释「借款人不还款」与「抵押品贬值」两种风险。回购与逆回购都存在对手方风险：卖方可能到期不回购，迫使买方变卖抵押品收回资金；若抵押品是证券，其市值可能已经下跌。
- 证券借贷（securities borrowing and lending）：本质是「以证券而非现金」的回购，对手方风险类似。
- OTC 衍生品：利率互换（占大头）、外汇交易、CDS。
教材例：haircut 与抵押品金额
假设一笔 $100 百万的贷款适用 2% 的 haircut，则需要约 $102.04 百万的证券作抵押：
haircut 是「抵押品打几折」，所以要除以 (1 − haircut)——不是乘以 (1 + haircut)，也不是按 (1 − haircut) 折减。
三类 OTC 衍生品的对手方风险大小与原因：
- 利率互换：与普通贷款相比，对手方风险更小——因为不交换本金，风险只在于浮动现金流与固定现金流的交换；净额结算进一步降低风险（只交换差额）；一旦对手方停止付款，另一方无需继续付款。
- 外汇远期：对手方风险很大——需要交换名义金额，且期限长，从而提高了「至少违约一次」的概率。
- CDS：对手方风险很大——因为错向风险与显著的波动率（提高了「输的一方会违约」的概率）。
错向风险（wrong-way risk）
定义：对手方信用质量恶化时，敞口反而上升。简化例：某机构持有希腊主权债，为保护头寸，向一家希腊银行买入希腊主权债的 CDS。若希腊主权债评级下调，CDS 买方是「赢」的一方；但作为「输」方的希腊银行，其履约能力正因为这次评级下调而进一步受损——赢家的保护恰好由最可能同时倒下的人提供。
12.10 承担对手方风险的机构与核心术语
通过交易承担对手方风险的机构，在规模、交易量、资产类别覆盖度以及提交抵押品的意愿与能力上差异很大，可分为大型、中型、小型三类（大型＝大银行/交易商，品种覆盖最广、提交抵押品；中型＝较小银行或金融机构，客户多、OTC 交易量大但品种较窄；小型＝主权实体、大型企业或较小金融机构，需求特定、只与少数对手方交易、通常专注单一资产类别，抵押品若提交往往流动性差）。此外，还有第三方提供清算服务、软件、交易压缩（trade compression）与抵押品管理等产品与服务，帮助市场参与者降低对手方风险、提高效率。
| 术语 | 含义 | 要点 |
|---|---|---|
| 信用敞口 credit exposure | 以对手方违约为条件的损失 | 例：A 为正值（债权人、被欠钱）、B 为负值（债务人、欠钱）；若 B 违约，A 就欠款金额受损 |
| 重置成本 replacement cost | 量化敞口时，并非全部本金都有风险，故更相关的是重置成本，并假定回收价值为零 | 计算须考虑当前敞口（当前索赔与承诺）、未来敞口（潜在未来索赔）与或有负债 |
| 信用迁移 credit migration | 合约存续期内对手方可能违约、评级恶化（长期限尤甚），也可能改善 | 评估须看违约概率的期限结构：未来违约概率通常随时间下降（远期尤其，因为违约更可能已在此前发生）；预期质量恶化 → 概率上升；预期改善 → 概率下降。经验上存在均值回归：强评级对手方倾向恶化、弱评级倾向改善。违约概率可用真实（历史）与风险中性两种度量 |
| 回收率与 LGD | 回收率 = 违约后实际收回的未偿索赔比例；回收率 70% 意味着损失 30% | 定价信用风险时通常不考虑回收；LGD = 1 − 回收率 |
| 按市值 mark to market (MtM) | 应计会计度量，等于与某一对手方所有合约 MtM 价值之和；MtM = 期望流入现值 − 期望付款现值（对己方有利为正） | 理论上代表当前潜在损失，但未考虑净额结算、抵押品或对冲；MtM 是重置成本的度量，但因交易成本与买卖价差等因素，当前重置成本理论上与 MtM 价值并不完全相同（通常接近） |
12.11 管理、缓释与量化对手方风险
管理对手方风险的方法有七种：
- 只与高质量对手方交易——最直接的办法，对手方都具 AAA 评级，可能无需提交抵押品；
- 跨产品净额结算（cross-product netting）——把正负价值的交易合并轧差，降低双方风险（须考虑法律与操作风险：净额协议若被判不可执行，法律风险即兑现）；
- 平仓（close-out）——立即平掉与违约对手方的所有合约；
- 抵押（collateralization，即保证金）；
- walkaway 条款——对手方违约时可取消交易；
- 分散化——按对手方的违约概率限制对任一对手方的信用敞口；
- 交易所与中央清算所——作为对手方并为所有交易担保、移除对手方风险。
教材例：跨产品净额结算
从 A 的视角看（B 的数字相反）：
| A | B | |
|---|---|---|
| 正 MtM 的交易 | +$20 百万 | −$20 百万 |
| 负 MtM 的交易 | −$17 百万 | +$17 百万 |
| 不净额结算时的敞口 | +$20 百万 | +$17 百万 |
| 净额结算后的敞口 | +$3 百万 | $0 |
读法：不净额结算时，各方只看到对自己有利的那些合约（正 MtM 才有敞口）；净额结算把正负相抵，A 的敞口降到 $3 百万、B 归零。负 MtM 不是敞口——它是己方欠对方的金额。
平仓（close-out）与净额结算结合使用时：机构可把「欠对手方的金额（负）」与「对手方欠己方的金额（正）」相抵。净额为负 → 机构付款；净额为正 → 机构索赔，从而立即实现净损益。抵押（collateralization）则是双方约定提交足够抵押品支持净敞口，理论上可将净敞口降为零；为降低交易成本，抵押品按周期提交，但随之而来的是市场、操作、法律风险以及大量工作量。walkaway 条款在「己方 MtM 为负而对手方违约」时对自己有利——可以取消交易而不必付款。
缓释对手方风险的四种常见方式及其自带的新风险：
- 净额结算：各方的应付款先计算再轧差，只有净欠款方需付款；成效取决于付款的性质与是否易于抵消。
- 抵押：理论上可消除全部对手方风险，但带来行政成本、流动性风险（抵押品可能需在短期内大幅折价卖出）与法律风险（取得抵押品所有权可能是漫长程序）。
- 对冲：用信用衍生品减少对自身客户的对手方敞口，代价是增加对竞争对手客户的敞口——因此对冲产生市场风险。
- 中央对手方：集中对手方风险、便利结算、降低双边风险；但会削弱各方审慎评估与监控对手方风险的激励，因此产生操作、流动性与系统性风险。
量化对手方风险分三个层次：交易层（交易性质与相关风险因子）、对手方层（净额结算、抵押品等缓释因素）、组合层（整体对手方风险——给定期间内只有小比例会违约）。
在衍生品定价中，价值有一部分假设无对手方风险，另一部分计入对手方风险——后者即 CVA（credit value adjustment）；交易员的目标是赚取超过 CVA 的回报。CVA 在交易层与对手方层考察对手方风险，而信用限额（credit limits）在组合层限制敞口，二者互补、常同时使用：CVA 倾向于最小化对手方数量（以最大化净额结算收益），信用限额倾向于最大化对手方数量（以获得分散化收益）。CVA 的完整计算见第 15 章。
OTC 衍生品的全生命周期经济成本取决于交易处于正 MtM 还是负 MtM：
- 正 MtM（价内，in the money）：未抵押部分带来对手方风险与融资成本；已抵押部分由对手方选择抵押品类型。
- 负 MtM（价外，out of the money）：对手方风险来自己方自身可能的违约；未提交抵押品的部分产生融资收益；已抵押部分由己方选择抵押品类型。
- 两种情况都存在与交易所需资本及初始保证金相关的融资成本。
对手方风险、抵押、融资与资本的影响，可用一组 xVA（X-Value Adjustment）项捕捉。总体上它们代表成本，但部分项可能带来收益：
| 项 | 含义 |
|---|---|
| CVA 信用估值调整 | 对手方违约风险带来的调整（从己方视角看是成本） |
| DVA 债务估值调整 | 从己方视角定义的对手方风险——即己方自身违约的可能（对己方是收益） |
| FVA 融资估值调整 | 为交易融资产生的成本与收益 |
| ColVA 抵押估值调整 | 抵押协议中的嵌入期权以及附加抵押条款带来的成本与收益 |
| KVA 资本估值调整 | 在交易存续期内持有资本的成本 |
| MVA 保证金估值调整 | 在交易存续期内提交保证金的成本 |
- derivatives and counterparty credit risk — a derivative is a contractual agreement to buy or sell an underlying security, or to make a payment in the future; values change over the life of the contract although many are worth zero at inception for both parties. They hedge interest-rate, FX and commodity exposures, and let entities gain or reduce exposure (a farmer worried about falling wheat prices sells six-month futures to lock in a price). Counterparty credit risk is a combination of market and credit risk: as values change, the other party may fail to meet its obligations, deliver the security or make a payment. It can be managed bilaterally or centrally through a CCP.
- exchange-traded versus OTC — exchange-traded derivatives (futures, many options) have terms, prices, expiry dates and notional values specified by the exchange; standardisation facilitates clearing and settlement and promotes transparency and accessibility, but terms cannot generally be altered, and most exchanges are very liquid. OTC derivatives trade on informal global dealer networks with private, customised contracts, allowing risks to be transferred very precisely (a manufacturer needing 1,241 ounces of copper in 133 days), but unwinding a custom contract is difficult or only possible on unfavourable terms, novation usually needs the original counterparty's permission, and while many OTC markets are illiquid some, including FX, are very liquid.
- clearing and settlement — clearing is the process before settlement of recording counterparties' identities and computing and facilitating margin and payment obligations; settlement facilitates payment and transfers money when the contract is closed out. Clearing is the period between execution and settlement. Bilaterally, the original counterparty remains unchanged and each side manages risk; centrally, the CCP steps in as the new counterparty to each side and performs the risk management functions. Central clearing needs some standardisation and is not feasible for all OTC derivatives.
- market participants and collateralisation — participants are segmented by the size of the derivatives portfolio: large players (global banks trading the full spectrum, members of most exchanges and CCPs, dealers controlling around 80% of the notional value of OTC trades, posting collateral), medium-sized players (smaller banks and financial institutions with a fair amount of OTC trades but not the whole spectrum, likely but not definitely posting collateral) and end users (small financial institutions, large corporations, sovereign governments with specific needs, transacting with few counterparties and tending to avoid posting collateral or posting illiquid collateral, so counterparty credit risk is significant). Derivatives can be exchange traded (under 10% of the market, centrally cleared and collateralised), OTC centrally cleared (daily variation margin), OTC collateralised, or OTC uncollateralised — the riskiest market. Collateral reduces counterparty risk but introduces legal and operational risk and funding costs.
- ISDA Master Agreement — introduced in 1985 and widely used since 1992, it standardises terms and reduces risk through (1) contractual terms for posting collateral, (2) events of default and termination, (3) netting of obligations and (4) defining the close-out process; the main agreement is standard with a schedule of adjustable terms, and English or New York law usually governs. It comprises the master agreement, schedule, credit support (usually the ISDA CSA) and confirmation. Events of default — failure to pay or deliver, breach of agreement, credit support default, misrepresentation, default under a specified transaction, cross-default, bankruptcy and merger without assumption — terminate the agreement and initiate close-out; failure to pay and bankruptcy are the most common.
- central counterparties — after 2007–2009 the CCP became significantly more important for systemic risk mitigation. It stands between counterparties as buyer to every seller and seller to every buyer, setting standards for clearing members, closing out defaulting members' positions, requiring initial and variation margin and default-fund contributions to mutualise losses, and planning for extreme events (top-ups, haircutting variation margin). Benefits: default risk is minimised, multilateral netting keeps the CCP market neutral, losses are mutualised, and the close-out process is facilitated by auctioning the defaulting member's obligations with netting. Shortfalls: a CCP failure could cause a systemic shock, prioritising derivatives counterparties may come at the expense of other market participants such as bondholders, and cross-border activity means conflicting legal frameworks and regulations.
- margin and rating-driven entities — centrally cleared members post initial margin on all trades and variation margin for market value changes and contribute to a default fund; non-centrally cleared bilateral trades historically had no or limited margin requirements, although regulators are moving to introduce similar requirements. SPVs (SPEs) are off-balance-sheet, bankruptcy-remote entities whose investors have priority as creditors (flip provision); they transform counterparty risk into legal risk, since a bankruptcy court may consolidate the SPV's assets with its sponsor — US courts have a history of consolidation rulings (the flip provision was held unenforceable in the Lehman bankruptcy) while UK courts tend to avoid consolidation unless fraud is involved. DPCs are separately capitalised to obtain a very high (typically AAA) rating, with the rating depending on minimising market risk through mirrored trades, support from the parent (pre-arranged transfer or orderly unwind) and internal credit risk management; but orderly unwinding did not hold in practice, as two Lehman DPCs filed for bankruptcy and Bear Stearns' DPCs were wound down by JPMorgan. Monolines are highly leveraged single-line insurers of bond repayments (credit wraps) that do not post collateral in normal conditions and retained AAA ratings, but during the crisis they lost those ratings and were forced to post collateral just as insured losses rose, and several failed. CDPCs resemble DPCs but with monoline-like business models, do not post collateral, are highly leveraged and carry great market risk, and many failed during or shortly after the crisis.
- modelling derivatives risk — VaR measures the worst loss over a specified (typically short) period at a given confidence level (or the minimum loss at a given significance level); PFE is the credit-risk equivalent of VaR with a long horizon, measuring credit exposure due to a gain; ES measures the average loss beyond VaR. VaR summarises risk in a single number and does not depend on the shape of the loss distribution, but reveals nothing beyond the confidence level and may not be subadditive. Historical simulation and ex-post backtesting are typical, and models are often viewed as good or bad when in reality their success depends on how institutions use them. Historical correlations are poor predictors, change significantly in stressed periods, and dependence between credit risk, market risk and collateral becomes critical.
- counterparty risk versus lending risk — counterparty risk is the risk that a counterparty is unable or unwilling to meet its contractual obligations, with default occurring presettlement. Lending risk has a principal amount at risk known with reasonable certainty and is unilateral; counterparty risk involves an uncertain value in absolute amount and in which party gains or loses, and is bilateral. Counterparty risk typically refers to presettlement risk, though the term is occasionally used for settlement risk, where the timing of performance differs and credit exposure peaks. Exchange-traded derivatives carry no counterparty risk because the exchange is usually the counterparty, so the focus is securities financing transactions and OTC derivatives.
- transactions carrying counterparty risk — repos are short-term collateralised lending agreements in which the seller/borrower sells securities for cash and buys them back later, the lender receiving the repo rate (risk-free interest plus a counterparty risk charge); collateral is usually liquid securities and a haircut is applied, so a 2% haircut on a $100 million loan requires about $102.04 million of securities ($100m/(1 − 0.02)). Counterparty risk remains in both repos and reverse repos, and securities borrowing and lending is a repo with securities rather than cash. Among OTC derivatives, interest rate swaps dominate and carry less risk than loans because no principal is exchanged and netting reduces exposure to the difference; FX forwards carry large risk because notional amounts are exchanged over long maturities; and CDSs carry large risk due to wrong-way risk (exposure increasing as counterparty credit quality worsens — for example buying CDS protection on Greek sovereign debt from a Greek bank) and significant volatility.
- terminology — credit exposure is the loss conditional on counterparty default; replacement cost is more relevant than full principal, assuming zero recovery, and must consider current exposure, future exposure and contingent liabilities. Credit migration requires the term structure of default probability: future default probability likely decreases over time, an expected deterioration suggests increasing probability and an expected improvement a decreasing one, and empirically credit quality mean-reverts. Recovery is measured by the recovery rate (70% implies a 30% loss) with LGD = 1 − recovery rate. MtM is an accrual accounting measure equal to the sum of the MtM values of all contracts with a counterparty, ignoring netting, collateral and hedging, and is a measure of replacement cost, though transaction costs and bid-ask spreads mean current replacement cost is not theoretically identical to MtM.
- managing, mitigating and quantifying — management methods are trading only with high-quality counterparties, cross-product netting, close-out, collateralisation, walkaway features, diversifying counterparty risk, and exchanges and central clearing houses; the netting example shows exposures of +$20 million and +$17 million falling to +$3 million and $0 with netting. Mitigants bring their own risks: collateral creates administrative cost plus liquidity and legal risk, hedging generates market risk, and central counterparties generate operational, liquidity and systemic risk while reducing the incentive to monitor counterparties. Counterparty risk is quantified at trade, counterparty and portfolio levels; CVA applies at the trade and counterparty levels while credit limits operate at the portfolio level, making them complementary — CVA seeks to minimise the number of counterparties to maximise netting benefits while credit limits seek to maximise the number to diversify. For OTC derivatives, positive MtM (in the money) brings counterparty risk and funding costs on the uncollateralised component with the counterparty choosing collateral, negative MtM (out of the money) brings counterparty risk from the party's own default potential and a funding benefit on unposted collateral with the party choosing collateral, and both involve funding costs for capital and initial margin. The xVA terms are CVA, DVA, FVA, ColVA, KVA and MVA.
Q1. 一笔 $250 百万的回购贷款适用 5% 的 haircut。借款人需提交的抵押品金额最接近：
250 ÷ (1 − 0.05) = 250 ÷ 0.95 = $263.16 百万。
错法路径：A 用乘法代替除法（250 × 1.05 = 262.50）——haircut 的定义是「抵押品按市价打折后才能覆盖贷款」，所以要除以折扣后的比例，不是给贷款加价；B 方向做反，把抵押品按 95% 折减（250 × 0.95 = 237.50），等于让抵押品少于贷款额；D 直接忽略 haircut，认为抵押品等于贷款额。
直觉校验：haircut 越大、要求的抵押品越多，且抵押品必须严格多于贷款额——只有 C 同时满足这两条。
Q2. 某银行与其对手方有多笔交易：对其有利（正 MtM）的交易合计 +$46 百万，对其不利（负 MtM）的合计 −$31 百万。采用跨产品净额结算后，该银行的敞口变化最接近：
不净额结算时敞口只算对己方有利的合约：+$46 百万（负 MtM 是己方欠对方的金额，不构成敞口）；净额结算后敞口 = 46 − 31 = +$15 百万。
错法路径：B 把负 MtM 的绝对值当成对手方敞口（+$31 百万是对方的敞口，不是本行的）；C 把负 MtM 取绝对值后与正敞口相加（46 + 31 = 77）算「总敞口」——负值不是敞口，不能计入；D 把「对方净额后归零」的结论套到本行头上（净额结算后归零的是净欠款方，本行是净收款方）。
Q3. 某基金的风险经理估计其一周、95% 置信水平的 VaR 为 $1 百万。这一表述最准确的读法是：
置信水平指向「不超过」的那一侧：有 95% 的把握一周损失不超过 $1 百万，剩下 5% 的尾部才是「损失至少 $1 百万」。
错法路径：A 把 VaR 读成平均损失（衡量超过 VaR 之后的平均损失的是 ES，不是 VaR）；B 把置信水平与显著性水平对调（5% 是尾部概率）；C 方向做反——95% 落在「不超过」一侧，而非「至少」。
提醒：VaR 不揭示尾部的幅度（是 $1,000,001 还是 $50 百万），这正是 ES 要补的洞。
Q4. 关于 CVA 与信用限额（credit limits）的比较，下列说法最准确的是：
对手方风险在交易层、对手方层、组合层三个层次量化：CVA 覆盖前两层（逐笔交易与逐个对手方的对手方风险），信用限额在组合层限制总敞口；两者方向相反却互补——CVA 要「少而集中」（对手方越少，净额结算收益越大），信用限额要「多而分散」（对手方越多，单家失败的冲击越小）。
错法路径：A 混淆层次（CVA 不在组合层）且误判为「重复」；C 把两者的数量倾向记反；D 编造了二者的关系（二者都是定价与风险管理工具，实践中同时使用）。
13. 净额结算、抵押品与保证金（Netting, Collateral & Margin）
要点：ISDA 主协议的标准化的作用 · 支付净额结算 vs 平仓净额结算 · 双边 vs 多边净额结算 · 净额结算对敞口的削减机制（正负 MtM 轧差）· 终止条款（重置协议、break clause 三类触发、walkaway 条款）· 交易压缩（3 笔 CDS → 1 笔净合约）· 抵押品管理的四大动机 · CSA 七参数（threshold / IM / MTA / rounding / haircut / credit quality / credit support amount）· 估值代理人角色 · 抵押品类型与现金偏好 · 争议解决三步 · 抵押品协议特征（threshold 与 IM 反向、MTA 可加、haircut 折扣）· 替代、再质押与隔离 · 单向 vs 双向 CSA · 信用支持金额公式 · 抵押品风险六类（市场/操作/流动性/融资流动性/违约/外汇）· 监管资本要求（G20 2011、VM/IM 双轨）
第 12 章给出了对手方风险的制度框架；本章深入其中两个核心缓释工具——净额结算与抵押品——并回答三个问题：它们怎么算、怎么管、代价是什么。
- ① 净额结算的本质是「正负相抵」：不净额结算时，敞口 = 所有正 MtM 之和（负 MtM 是己方欠对方的，不构成敞口）；净额结算后，正负轧差，敞口大幅降低。但它只在法律上可执行时才有效——ISDA 主协议就是为此而存在。
- ② 抵押品 = 把对手方风险「预存」为资产：负 MtM 的一方向正 MtM 的一方提交抵押品。关键参数：threshold（免抵押额度）、初始保证金 IM（独立于敞口的额外抵押）、最低转移额 MTA（减少小额频繁操作）、haircut（抵押品打折，所以抵押品金额 = 贷款额 ÷ (1 − haircut)）。
- ③ 抵押品不是免费的：它带来市场风险（抵押品价值波动）、操作风险（交割失败、人为错误）、流动性风险（变现时折价）、融资流动性风险（频繁抵押调用消耗资金）、违约风险（抵押品本身违约）与外汇风险（跨境抵押品币种错配）。
- ④ 监管推着抵押品走：2011 年 G20 要求非中央清算的 OTC 衍生品必须交换变动保证金与初始保证金——VM 每日全额、无 threshold，IM 总额基础、隔离保护、10 天极端情景。
- ⑤ 交易压缩是「不加入 CCP 的多边净额」：把多笔方向相反的交易取消并替换为少量净合约，降低总名义金额与交易笔数，但不改变整体风险敞口。
13.1 ISDA 主协议与净额结算
ISDA 主协议由国际掉期与衍生工具协会制定，1985 年推出、1992 年起广泛使用。它的核心目的是标准化 OTC 衍生品条款，通过一份单一法律合同覆盖多笔交易，从而降低法律不确定性、缓释信用风险。主协议通常以英国法或纽约法管辖，ISDA 已在大多数司法管辖区取得法律意见书。
净额结算（netting）是把与同一对手方的多笔合约现金流合并为单一净额支付。它有两层含义：
- 支付净额结算（payment netting）：把同一到期日的多笔付款轧差，只支付净额——降低结算风险与操作成本。
- 平仓净额结算（close-out netting）：对手方违约时，把所有合约的市值轧差为一个净额——正 MtM 方成为债权人，负 MtM 方须全额支付。
净额结算的前提是法律上可执行。没有净额结算协议时，敞口是可加的（所有正 MtM 之和）；有净额结算时，敞口是轧差后的净额。ISDA 主协议正是为此提供法律基础。
教材例：净额结算的敞口削减
某机构与对手方有 5 笔交易，当前 MtM 分别为 +5、−4、+2、+3、−6（单位：百万美元）：
| 不净额结算 | 净额结算 | |
|---|---|---|
| 敞口计算 | 5 + 2 + 3 = 10 | 5 − 4 + 2 + 3 − 6 = 0 |
读法：不净额结算时，敞口 = 所有正 MtM 之和（负 MtM 是己方欠对方的，不构成敞口）；净额结算后正负完全抵消，敞口归零。
13.2 双边 vs 多边净额结算
双边净额结算只涉及两方，是 OTC 衍生品与回购交易中最常见的形式。多边净额结算涉及多个对手方，通常由中央实体（交易所或清算所）处理估值、结算与抵押品。
| 双边净额结算 | 多边净额结算 | |
|---|---|---|
| 参与方 | 两方 | 多方，通常有中央实体 |
| 优势 | 直接、灵活 | 进一步降低系统性风险、规模经济 |
| 劣势 | 只覆盖两方 | 互担风险（削弱监控激励）、冗余头寸积累、需披露交易信息 |
多边净额结算的核心劣势是风险互担：每个成员都承担其他成员的违约风险，因此削弱了各方自行监控对手方信用质量的激励。
13.3 终止条款与交易压缩
终止事件允许机构在对手方破产之前终止交易。主要形式：
- 重置协议（reset agreement）：当交易严重价内时，把交易重置为平价——例如跨货币互换在重置日交换 MtM 值并重置汇率，从而改变一条腿的名义金额。
- Break clause（流动性看跌 / 提前终止期权）：允许一方在指定未来日期按重置价值终止交易。三类触发：强制（到期自动终止）、选择（一方可选择终止）、触发器（如评级下调）。银行家悖论：break clause 要真正有用，应在对手方信用质量大幅下降之前就行使——但机构通常为避免损害关系而推迟行使。
- Walkaway 条款：对手方违约时，己方可逃避净负债（不付款），但仍可索赔正 MtM 敞口。1992 年 ISDA 主协议后已不常见，因增加违约方成本、制造道德风险。
交易压缩（trade compression）是「不加入 CCP 的多边净额」：参与者提交希望压缩的交易，按对手方匹配并净额为单一合约。不改变整体风险敞口，但降低总名义金额与交易笔数。
教材例：CDS 交易压缩
| 参考实体 | 名义金额 | 方向 | 到期日 | 票息 | 对手方 |
|---|---|---|---|---|---|
| XYZ 指数 | 200 | Long | 2025-03-20 | 100 | 对手方 X |
| XYZ 指数 | 100 | Short | 2025-03-20 | 100 | 对手方 Y |
| XYZ 指数 | 75 | Short | 2025-03-20 | 100 | 对手方 Z |
| 净合约 | 25 | Long | 2025-03-20 | 100 | 对手方 X |
三笔交易压缩为一笔：对手方 X 持有净多头 25。总名义金额从 375 降至 25，但整体风险敞口不变。
13.4 抵押品管理：动机与 CSA 参数
抵押品管理的四大动机：① 减少信用敞口以支持更多交易；② 获得与特定对手方交易的能力（如评级限制）；③ 降低资本要求；④ 允许对对手方风险进行更具竞争力的定价。
信用支持附约（CSA）是 ISDA 主协议的组成部分，管理抵押品提交的细节。CSA 必须定义所有抵押品化参数：
| 参数 | 含义 |
|---|---|
| Threshold | 敞口低于此水平时不调用抵押品——代表未抵押的敞口额度 |
| Initial Margin (IM) | 独立于敞口的额外抵押——将对手方风险转化为缺口风险 |
| Minimum Transfer Amount (MTA) | 可转移的最小抵押品金额——减少小额频繁操作 |
| Rounding | 抵押品调用/返还取整到特定规模 |
| Haircut | 抵押品价值折扣——现金 0%，风险证券更高 |
| Credit Quality | 对手方信用质量下降时抵押品要求提高 |
| Credit Support Amount | 某时点可要求的抵押品金额 |
估值代理人（valuation agent）负责计算信用敞口、市值、信用支持金额，并处理抵押品交割/返还。大型机构通常坚持担任估值代理人；规模相近时双方各任估值代理人（可能引发争议）；也可使用第三方估值代理人。
13.5 抵押品类型、争议与协议特征
抵押品类型包括现金、政府及政府机构证券、MBS、公司债与商业票据、信用证、股票。最常见的是现金；极端市场事件中现金供应可能紧张。非现金抵押品可能带来再质押（rehypothecation）问题与价格不确定性。
争议解决三步：① 争议方在抵押品调用次日结束前通知对手方；② 无争议金额立即转移，争议原因被识别；③ 未解决争议由多家做市商（通常四家）报价估值。定期对账可预防争议。
抵押品协议的关键特征：
- Threshold 与 IM 反向：有 IM 时 threshold 通常设为零——两者代表不同的缓冲层。
- Threshold 与 MTA 可加：敞口必须超过两者之和才能调用抵押品。
- Haircut 是折扣：x% 的 haircut 意味着每单位抵押品只获 (1−x)% 的信用——所以抵押品金额 = 贷款额 ÷ (1 − haircut)。
- 评级联动：抵押品条款通常与信用评级挂钩——评级越低，threshold 越低、IM 越高、MTA 越高。但评级触发可能导致死亡螺旋：降级 → 抵押品调用 → 流动性紧张 → 进一步降级。
教材例：Haircut 计算
某主权债券 haircut = 2%，抵押品调用 = $100,000：
- 每单位抵押品只获 98% 信用 → 需提交 $100,000 ÷ 0.98 = $102,041 的该债券
- 或直接提交 $100,000 现金（现金 haircut = 0%）
读法：haircut 越大、要求的抵押品越多，且抵押品必须严格多于贷款额。
13.6 单向 vs 双向 CSA 与信用支持金额
双向 CSA：双方都可能提交抵押品——适用于信用质量相近的对手方。单向 CSA：只有一方提交抵押品——适用于信用质量差异大的对手方（如银行 vs 对冲基金），对接收方有利、对提交方额外风险。
信用支持金额（credit support amount）计算公式：
双方：max(value − K_A, 0) − max(−value − K_B, 0) − CSB
其中 K_A / K_B 为 threshold，CSB 为已持有抵押品余额。结果为正 → 可调用抵押品；为负 → 须提交抵押品。IM 不参与此公式——它独立计算。
教材例：Margin 计算（无 IM）
| Time 1 | Time 2 | |
|---|---|---|
| 组合价值 | 250 | 225 |
| Threshold | 100 | 100 |
| 已持有抵押品 | 0 | 150 |
| 信用支持金额 | 150 | −25 |
Time 1：需提交 250 − 100 = 150。Time 2：组合价值降至 225，需 225 − 100 = 125，已持有 150 → 超额 25，信用支持金额 = −25（应返还 25）。
13.7 抵押品风险与监管资本
抵押品化可能引入六类风险：
| 风险 | 来源 |
|---|---|
| 市场风险 | 上次抵押提交后市场变动；MPoR（抵押品调用到收到的延迟） |
| 操作风险 | 错过抵押品调用、交割失败、计算机/人为错误、欺诈 |
| 流动性/清算风险 | 大量卖出抵押品冲击价格；缓慢清算则暴露于市场波动 |
| 融资流动性风险 | CSA 要求的频繁抵押调用消耗资金；市场紧张时成本骤升 |
| 违约风险 | 抵押品本身违约（评级低于协议要求） |
| 外汇风险 | 跨境抵押品币种错配 |
监管资本要求：2011 年 G20 要求非中央清算 OTC 衍生品必须交换变动保证金与初始保证金：
- 变动保证金（VM）：每日交换、无 threshold、全额抵押当前 MtM、MTA ≤ $650,000。
- 初始保证金（IM）：高流动性、总额基础（不净额）、隔离保护、10 天极端情景、按名义金额分阶段实施。
- ISDA Master Agreement and netting — introduced in 1985 and widely used since 1992, the ISDA Master Agreement standardises OTC terms through a single legal contract covering multiple transactions, reducing legal uncertainty and mitigating credit risk. Payment netting combines cash flows from different contracts into a single net payment, reducing settlement risk. Close-out netting nets contract values upon counterparty default: the positive-MtM party becomes a creditor, the negative-MtM party pays in full. Without a netting agreement, exposures are additive (sum of all positive MtM values); with netting, they are not.
- bilateral versus multilateral netting — bilateral netting involves two entities and is the most common form for OTC derivatives and repos. Multilateral netting involves multiple counterparties, usually with a central entity (exchange or clearinghouse) handling valuation, settlement and collateralisation. Its key disadvantage is risk mutualisation: each member bears other members' default risk, weakening the incentive to monitor counterparties' credit quality.
- termination provisions and trade compression — termination events allow institutions to trade before counterparties go bankrupt. Reset agreements readjust deeply in-the-money trades to at-the-money. Break clauses (liquidity puts) allow termination at specified future dates at replacement value, with three trigger types: mandatory, optional, and trigger-based (e.g. ratings downgrade). The banker's paradox: a break clause is most useful when exercised early, before substantial credit deterioration, but entities delay to preserve relationships. Walkaway clauses let a party escape net liabilities while claiming positive MtM — uncommon since 1992. Trade compression cancels offsetting trades and substitutes fewer net contracts, reducing gross notional without changing overall risk exposure.
- collateral management and CSA parameters — four motivations: reduce credit exposure, enable trading with restricted counterparties, lower capital requirements, and allow competitive pricing. The CSA governs collateral eligibility, interest, timing, haircuts, substitution, valuation, reuse, disputes and events. Key parameters: threshold (uncollateralised exposure level), initial margin (independent extra collateral converting counterparty risk to gap risk), minimum transfer amount (smallest callable amount), rounding, haircut (discount on collateral value), credit quality, and credit support amount.
- collateral types, disputes and agreement features — collateral types: cash (most common), government/agency securities, MBS, corporate bonds/CP, letters of credit, equity. Dispute resolution: (1) notify by end of next day, (2) transfer undisputed amounts, (3) obtain quotes from four market makers. Threshold and IM work oppositely (IM present → threshold usually zero). Threshold and MTA are additive. Haircut means collateral amount = loan ÷ (1 − haircut). Rating-linked terms can cause a death spiral: downgrade → collateral calls → liquidity stress → further downgrade.
- one-way versus two-way CSA and credit support amount — two-way CSA: both sides may post collateral (similar credit quality). One-way CSA: only one side posts (large credit quality difference). Credit support amount = max(value − K_A, 0) − max(−value − K_B, 0) − CSB. Positive → call collateral; negative → post collateral. IM is computed independently.
- collateral risks and regulatory capital — six risk types: market risk (MPoR delay), operational risk (missed calls, failed deliveries), liquidity/liquidation risk (large sales impact price), funding liquidity risk (frequent calls drain cash), default risk (collateral itself defaults), FX risk (cross-currency mismatch). G20 2011: non-cleared OTC must exchange variation margin (daily, no threshold, full MtM, MTA ≤ $650k) and initial margin (highly liquid, gross basis, segregated, 10-day extreme scenario, phased by notional).
Q1. 某机构与对手方有 4 笔交易，当前 MtM 分别为 +8、−3、+5、−7（单位：百万美元）。采用净额结算后，该机构的敞口为：
净额结算后敞口 = 8 − 3 + 5 − 7 = +3 百万。不净额结算时敞口 = 8 + 5 = 13 百万（只算正 MtM）。
错法路径：A 是不净额结算的敞口（只加正 MtM）；C 把所有 MtM 取绝对值相加（8 + 3 + 5 + 7 = 23）——负 MtM 不是敞口，不能计入；D 方向做反（把净额符号搞反）。
Q2. 某公司债的 haircut 为 4%，抵押品调用金额为 $200,000。提交该公司债的最低金额为：
200,000 ÷ (1 − 0.04) = 200,000 ÷ 0.96 = $208,333。
错法路径：A 用乘法代替除法（200,000 × 0.96 = 192,000）——haircut 是「抵押品打折后覆盖贷款」，所以要除以折扣后比例；B 用贷款额 × (1 + haircut)（200,000 × 1.04 = 208,000）——方向对但公式错；D 直接忽略 haircut。
Q3. 某 CSA 约定 threshold = $50 万、MTA = $10 万。当前组合价值为 $180 万，已持有抵押品 $80 万。信用支持金额为：
threshold 与 MTA 可加：触发点 = 50 + 10 = 60 万。所需抵押品 = 180 − 60 = 120 万。信用支持金额 = 120 − 80 = +$40 万（可调用）。
错法路径：A 只减 threshold 不减 MTA（180 − 50 − 80 = 50，再减 MTA 10 = 40）；C 方向做反（把「可调用」当成「须提交」）；D 把已持有抵押品当成可调用金额。
Q4. 关于 单向 CSA 与双向 CSA 的比较，下列说法最准确的是：
单向 CSA：只有一方提交抵押品——适用于信用质量差异大的对手方（如银行 vs 对冲基金），对接收方有利。双向 CSA：双方都可能提交——适用于信用质量相近的对手方，但参数（threshold、IM）可能因各自风险水平不同而不同。
错法路径：A 公平性记反（单向 CSA 对接收方有利、对提交方额外风险）；C threshold 高低取决于评级与谈判，不是单向/双向的必然结果；D 双向 CSA 中双方参数可以不同（如 threshold 与 IM 因风险水平而异）。
14. 中央清算（Central Clearing）
要点：CCP 定义与「完全清算」机制 · 双边 vs CCP 结构（CCP 成为每方的新对手方）· 五类可清算产品特征（标准化/复杂性/流动性/错向风险/市场规模）· novation 机制 · 多边抵消与交易压缩 · CCP 风险管理（会员要求/保证金/会员违约/MPoR 三段）· 损失瀑布六层（违约方抵押品 → 违约方违约基金 → CCP 股权 → 非违约方违约基金 → 评估权 → 外部流动性）· VMGH、tear-up、forced allocation · 双边 vs 中央清算对照 · IM vs 违约基金（成本/道德风险/可迁移性）· CCP 优势（透明度/多边抵消/损失互担/法律效率/流动性/违约管理）与劣势（道德风险/逆向选择/分叉/顺周期性）
本章把第 13 章的抵押品逻辑搬到中央对手方（CCP）场景：CCP 站在每笔交易中间，成为「每个人的对手方」，从而把双边风险转化为多边互担。
- ① CCP 不是「消灭」风险，而是「集中 + 互担」：CCP 通过多边净额结算与损失瀑布把单个成员的违约损失分散到所有成员。代价是道德风险（成员不再有激励监控彼此）与集中度风险（CCP 自身失败就是系统性事件）。
- ② 损失瀑布是 CCP 的核心：违约方的抵押品与违约基金先被消耗 → CCP 自掏股权（skin in the game）→ 非违约方的违约基金 → 评估权（追加出资）→ 外部流动性（央行）。越往下的层越极端、越罕见。
- ③ 初始保证金 vs 违约基金是「成本 vs 道德风险」的权衡：高 IM + 低违约基金 = 高成本低道德风险（损失由造成者承担）；低 IM + 高违约基金 = 低成本高道德风险（损失被互担）。
- ④ 不是所有 OTC 衍生品都能中央清算：必须标准化、简单、流动、无错向风险、有足够市场规模——奇异衍生品、非流动产品只能留在双边市场。
- ⑤ 中央清算 vs 双边清算的核心区别：中央清算有标准化的违约管理流程（损失瀑布），双边清算的违约处理完全靠两方协商，可能迅速升级为整个对手方的违约。
14.1 CCP 定义与中央清算机制
中央对手方（CCP）站在每笔交易的中间，成为「每个买方的卖方、每个卖方的买方」。原始对手方不再直接承担彼此的信用风险——CCP 成为新的对手方。这一过程称为完全清算（complete clearing）。
CCP 的核心好处是降低市场互联性：A 不再直接暴露于 B 或 C 的损失。CCP 能看到所有会员头寸，因此有更大的透明度。但 CCP 也带来集中度风险：CCP 层面的重大错误或失败对所有成员都是灾难性的。
CCP 的所有权与物流分两类：垂直模式（交易所拥有 CCP，只清算该交易所产品）与水平模式（清算会员共同拥有 CCP，可跨市场交易）。水平模式更适合双边 OTC 衍生品，也更受监管者青睐。
14.2 可清算产品的五类特征
并非所有 OTC 衍生品都能通过 CCP 清算。CCP 要求产品具备以下特征：
| 特征 | 要求 |
|---|---|
| 标准化 | 合约条款必须标准化——CCP 对所有现金流承担法律责任 |
| 低复杂性 | 奇异/复杂衍生品难以估值，CCP 无法可靠计算保证金 |
| 流动性 | 非流动产品缺乏定价数据，难以校准估值模型 |
| 无错向风险 | WWR 产品（敞口与违约风险正相关）增加 CCP 违约时的损失 |
| 足够市场规模 | CCP 需要足够的前期投入来建立清算专长 |
14.3 Novation、多边抵消与交易压缩
Novation（更替）是 CCP 取代原始对手方的过程：CCP 介入成为每笔交易的新对手方，原始双方不再对彼此承担合同义务。交易在买卖双方匹配后即获担保。
多边抵消（multilateral offset）是 CCP 的核心优势：CCP 把所有买盘与卖盘净额匹配，保持市场中立。例如，A 欠 B 60、C 欠 A 90——CCP 介入后，A 与 CCP 的两笔交易（60 和 90）净额为 30，C 的负债从 90 降至 60。
交易压缩在不取消交易的情况下降低总名义金额——与多边抵消不同，压缩是绝对基础上的取消与替换。压缩可与中央清算结合使用，降低 IM 要求、监管资本与行政工作量。
14.4 CCP 风险管理
CCP 通过以下机制管理会员风险：
- 会员要求：信用质量（低违约概率）、流动性（快速覆盖保证金调用）、合规意愿。
- 保证金：变动保证金（VM）通常只接受现金，按日覆盖市值变化；初始保证金（IM）接受现金与高流动性证券，使用多情景价格变动计算。
- 会员违约：违约导致不匹配账簿——CCP 通过宏观对冲（降低主要市场风险）与拍卖（按子组合出售违约方持仓）管理。
- MPoR（抵押品风险期）：从抵押品调用到收到的延迟，分三段——违约前（最近一次保证金提交到 CCP 宣布违约）、宏观对冲（快速降低主要市场风险）、拍卖（出售违约方持仓）。
14.5 损失瀑布（Loss Waterfall）
当 CCP 会员违约时，损失按以下六层瀑布吸收：
| 层 | 来源 | 说明 |
|---|---|---|
| 1 | 违约方抵押品 | 违约方提交的初始保证金与变动保证金 |
| 2 | 违约方违约基金 | 违约方对 CCP 违约基金的出资 |
| 3 | CCP 股权 | CCP 自掏资本（skin in the game），以不影响正常运营为限 |
| 4 | 非违约方违约基金 | 非违约会员的违约基金出资（按 pro rata 或拍卖结果分配） |
| 5 | 评估权（Rights of Assessment） | 非违约会员追加出资以恢复违约基金（通常有上限） |
| 6 | 外部流动性 | CCP 失败时由央行等资本充足实体提供 |
越往下的层越极端、越罕见。完整走完全部六层是极低概率事件。
除损失瀑布外，CCP 还可使用以下损失分配方法：
- VMGH（变动保证金收益削减）：CCP 对盈利方的保证金支付打折，同时要求对 CCP 的支付全额——假设 CCP 能以中间价成交。
- Tear-up（撕毁）：取消与违约方相反的不匹配合约，恢复匹配账簿——部分或全部撕毁。
- Forced allocation（强制分配）：要求会员按 CCP 指定的金额承担特定头寸——效果类似 tear-up，但不取消现有交易。
14.6 双边 vs 中央清算对照
| 双边清算 | 中央清算 | |
|---|---|---|
| 对手方 | 原始对手方保持不变 | CCP 成为新对手方 |
| 产品 | 无限制，可定制 | 必须标准化、简单、流动 |
| 参与者 | 向所有市场参与者开放 | 仅清算会员（大型金融机构） |
| 净额结算 | 需手动安排 | CCP 自然净额 |
| 保证金 | 可协商，灵活 | 标准化、不可协商 |
| 违约处理 | 双方协商，可能升级为整个对手方违约 | 协调的损失瀑布流程 |
| 损失吸收 | 主要通过资本 | 通过 IM 与违约基金 |
14.7 初始保证金 vs 违约基金
IM 与违约基金的权衡是 CCP 设计的核心：
| 高 IM / 低违约基金 | 低 IM / 高违约基金 | |
|---|---|---|
| 成本 | 更高 | 更低 |
| 可迁移性 | 鼓励（客户用 IM 支付自身风险） | 挑战（客户不直接支付自身风险） |
| 道德风险 | 更低（损失由造成者承担） | 更高（损失被互担） |
违约基金通过风险互担降低清算成本，但最优规模难以计算——CCP 通常用压力测试估计，以「能吸收几个违约」表示。
14.8 CCP 的优势与劣势
优势：
- 透明度：CCP 能看到会员头寸的集中风险，可提前采取缓释措施。
- 多边抵消：消除成员之间互相监控信用质量的需要，降低保证金成本。
- 损失互担：通过损失瀑布分散违约损失，降低系统性风险。
- 法律与操作效率：净额结算与抵押品政策提高运营效率，规则化结构降低法律成本。
- 流动性：多边抵消增强市场透明度，改善流动性。
- 违约管理：有序拍卖违约方持仓，为市场提供稳定性。
劣势：
- 道德风险：成员缺乏监控彼此信用质量的激励。
- 逆向选择：会员可能选择价格最优但信息最不透明的 CCP。
- 分叉：只能清算标准合约，导致部分交易留在双边市场，削弱多边抵消的好处。
- 顺周期性：市场波动时 CCP 提高保证金要求，可能加剧违约。
- CCP definition and central clearing — a central counterparty (CCP) stands between counterparties as buyer to every seller and seller to every buyer, becoming the new counterparty to each side. This is complete clearing. CCPs reduce market interconnectedness and increase transparency, but create concentration risk: a CCP failure is a catastrophic systemic event. Vertical scheme: exchange owns CCP, clears only exchange products. Horizontal scheme: clearing members own CCP, can transact across markets — better for OTC derivatives.
- clearable product characteristics — five features: standardisation (CCP legally liable for all cash flows), low complexity (exotic products hard to value), liquidity (illiquid products lack pricing data), no wrong-way risk (WWR increases CCP loss upon member default), and sufficient market volume (upfront expertise costs).
- novation, multilateral offset and compression — novation: CCP replaces original counterparty, original parties no longer have obligations to each other. Multilateral offset: CCP nets all buy/sell transactions, staying market neutral. Compression: cancels offsetting trades on a gross basis and substitutes fewer contracts — reduces gross notional without changing net exposure. Compression can be used with central clearing to lower IM, capital and admin costs.
- CCP risk management — membership requirements: creditworthiness, liquidity, compliance. Margin: variation margin (cash only, daily), initial margin (cash + liquid securities, multi-scenario). Member default: CCP uses macro-hedging and auctions. MPoR (margin period of risk): three phases — predefault, macro-hedging, auctions.
- loss waterfall — six layers: (1) defaulter's collateral, (2) defaulter's default fund, (3) CCP equity (skin in the game), (4) nondefaulting members' default fund, (5) rights of assessment (additional contributions), (6) external liquidity (central bank). Lower layers are more extreme and rarer. Additional methods: VMGH (discount variation margin gains), tear-up (cancel unmatched contracts), forced allocation (members take specified positions).
- bilateral versus central clearing — bilateral: original counterparty remains, unlimited products, open participation, manual netting, negotiable margin, messy close-out, loss absorption through capital. Central: CCP replaces counterparty, standardised products only, clearing members only, automatic netting, standardised margin, coordinated loss waterfall, loss absorption through IM and default fund.
- IM versus default fund — high IM / low default fund: higher cost, lower moral hazard, encourages portability. Low IM / high default fund: lower cost, higher moral hazard, challenges portability. Default fund size estimated via stress tests, expressed as number of absorbable defaults.
- CCP advantages and disadvantages — advantages: transparency, multilateral offset, loss mutualisation, legal/operational efficiency, liquidity, default management. Disadvantages: moral hazard, adverse selection, bifurcations, procyclicality.
Q1. 某 CCP 的损失瀑布中，第一层用于吸收违约损失的是：
损失瀑布第一层是违约方自己提交的抵押品（初始保证金 + 变动保证金）。第二层是违约方的违约基金出资，第三层是 CCP 股权，第四层才是非违约方的违约基金。
错法路径：A 是第四层（非违约方违约基金）；B 是第三层（CCP 股权）；D 是第五层（评估权）——越往下的层越极端、越罕见。
Q2. 关于 初始保证金（IM）与违约基金的权衡，下列说法最准确的是：
高 IM + 低违约基金：清算成本高（会员需提交更多 IM），但道德风险低——损失由造成违约的会员承担，其他会员不受影响。低 IM + 高违约基金：清算成本低，但道德风险高——损失被互担，会员缺乏监控激励。
错法路径：B 把成本与道德风险同时记反；C 把成本记反（高 IM = 高成本）；D 否认了二者的权衡关系。
Q3. 某 OTC 衍生品市场有 10 笔方向相反的交易，总名义金额 $500 万，净敞口 $100 万。通过交易压缩后，可能的结果是：
交易压缩取消方向相反的交易并替换为少量净合约——交易笔数减少、总名义金额降低（从 $500 万降至接近 $100 万），但净敞口不变（仍为 $100 万）。
错法路径：B 把「总名义金额」与「净敞口」混为一谈（压缩降低总名义金额，不改变净敞口）；C 否认了交易笔数的减少；D 把交易笔数方向记反（压缩是减少，不是增加）。
Q4. 关于 CCP 的劣势，下列说法最准确的是：
CCP 的道德风险：净额结算、抵押品化与损失互担使成员不再有激励监控彼此的信用质量。顺周期性：市场波动时 CCP 提高保证金要求（不是降低），可能加剧违约。分叉：CCP 只能清算标准合约，部分交易留在双边市场（不是「可以同时清算所有类型」）。
错法路径：A 把「降低」说成「消除」——CCP 不消除对手方风险，只是大幅降低；C 把顺周期性的方向记反；D 把分叉的含义记反。
15. 信用敞口与 CVA 深入（Credit Exposure & CVA）
要点：敞口指标（Expected MtM / EE / PFE / EPE / ENE / Effective EE·EPE / Maximum PFE）· 信用敞口 vs VaR 的三点额外考虑（应用/时间范围/缓释工具）· 敞口轮廓影响因素与各类证券的 PFE 形状（债券·贷款·回购≈名义、互换峰形、FX 单调递增、CDS 在信用事件处最大）· 支付频率与行使日期 · 净额结算与相关性（净额因子 √(n+n(n−1)ρ̄)/n）· 抵押品与抵押品风险期 MPoR（五步、OTC 10 天 / 回购 3 天）· 融资敞口 vs 信用敞口 · CVA = −LGD·Σ EPE·PD 与价差法 · 利差曲线形状与回收率的影响 · 净额与抵押品对 CVA 的影响 · 增量 CVA / 边际 CVA / 运行价差转换 · 双边 CVA（BCVA = CVA + DVA）· 错向风险 WWR 与正向风险 RWR · WWR 四类建模法与抵押品 / CCP 影响
第 12–14 章讲了对手方风险的制度与工具；本章把这些工具量化——先把「敞口」拆成一组指标，再把它推进到 CVA 的定价公式。
- ① 敞口不是单个数，而是一条曲线：未来每个时点都有一个可能为正或负的市值。EE 是「该时点平均正敞口」、PFE 是「该时点置信水平下的最坏正敞口」、EPE 是「整条 EE 曲线的时间平均」——CVA 用的就是 EPE，而 ENE（期望负敞口）是它的镜像、用于 DVA。
- ② 敞口的形状由产品结构决定：单一到期支付（FX 远期）不确定性随时间上升；定期现金流会削峰；利率互换是峰形（不确定性与 roll-off 平衡）；FX 产品单调递增（末期名义支付 + 高波动）；CDS 在信用事件处最大（= 名义 − 回收）。
- ③ 净额结算的收益取决于相关性：两笔交易 MtM 符号相反才有收益。正相关收益低、完全正相关零收益；负相关收益高、完全负相关收益最大。公式 净额因子 = √(n+n(n−1)ρ̄)/n：ρ̄=0 时简化为 1/√n（2 笔 → 71%、4 笔 → 50%）。
- ④ 抵押品不是「即时的」：从调用到收到之间有一段抵押品风险期（MPoR），其间敞口完全暴露——审慎做法是假设须提交抵押品的一方在 MPoR 内违约。OTC 衍生品 MPoR 约 10 天、回购约 3 天。
- ⑤ CVA 是「对手方风险的价格」：risky value = risk-free value − CVA，其中 CVA = −LGD·Σ EPE·PD。考虑双方都可能违约后升级为 BCVA = CVA + DVA。最危险的情形是错向风险（WWR）：对手方违约概率与你的敞口同步上升，使 CVA 被系统性低估。
15.1 信用敞口指标
信用敞口不是单一数字，而是一组描述「未来某个时点可能损失多少」的指标。核心是区分期望值（平均）与分位值（最坏情形），以及区分单时点与整条曲线。
| 指标 | 含义 |
|---|---|
| Expected MtM 期望市值 | 未来某时点交易的期望价值。测量期长、现金流特殊时，当前 MtM 与期望 MtM 可能差异很大。 |
| EE 期望敞口 | 若该时点为正 MtM 且对手方违约时的期望损失。EE 大于 Expected MtM——因为后者同时计入正负 MtM，而敞口只关心正的那部分。 |
| PFE 潜在未来敞口 | 未来特定时点 MtM 的估计，基于高置信水平、考虑最坏情形。它代表一笔「收益」性质的金额——即对手方违约时真正处于风险中的金额。 |
| EPE 期望正敞口 | 整条 EE 曲线的时间平均，是量化敞口的单一有用金额，也是 CVA 的输入。 |
| ENE 期望负敞口 | 从对手方视角的敞口（用负未来值表示），是 EPE 的镜像，用于 DVA。 |
| Effective EE / Effective EPE | 为捕捉短期交易（1 年以下）的滚续风险（rollover risk）而设：Effective EE 是非递减的 EE；Effective EPE 是 Effective EE 的平均。 |
| Maximum PFE | 给定时间框架内的最高 PFE 值。 |
为什么需要 Effective EE / Effective EPE
普通 EE 可以随时间回落（例如短期限交易在临近到期时敞口趋近于零）。但如果交易会被滚续（rolled over），真实敞口不会在到期日归零——Effective EE 用「取历史最高、不允许下降」的方式把滚续风险算进去，因此 Effective EE 恒 ≥ EE。Basel 的资本计量用的正是 Effective EPE。
15.2 信用敞口 vs VaR
VaR 用于估计金融资产组合（股票、债券、衍生品等）的损失风险。例如某组合「一日 10% VaR = $100,000」，意为：在一天内组合市值跌幅超过 $100,000 的概率为 10%。信用敞口的刻画与 VaR 相似，但有三点额外考虑：
- 应用（Application）：信用敞口同时用于定价与风险管理，VaR 只用于风险管理。因此量化信用敞口更难，且定价与风险管理两个目的可能得出不同算法。
- 时间范围（Time horizon）：VaR 基于较短的时间范围，信用敞口必须定义在多个时间范围上。市场变量的趋势（漂移）、波动率、共依赖程度对信用敞口重要，对 VaR 则因期限短而不重要。VaR 倾向于忽略未来合约支付、行使决策、现金流与取消，信用敞口必须把它们纳入——因为这些会造成路径依赖（未来敞口取决于过去发生的事件）。
- 缓释工具（Risk mitigants）：净额结算与抵押品用于降低敞口，估算未来敞口时必须把它们算进去。净额规则会引入额外复杂性；未来抵押品带主观性——抵押品类型与收取时间都必须建模，而这些可能未知。
15.3 证券敞口轮廓：PFE 的形状
影响信用敞口轮廓的四类因素：
- 未来不确定性（Future uncertainty）：合约只有期末单一支付时，期末交换价值的不确定性随时间上升。外汇远期与 FRA 常属此类。
- 定期现金流（Periodic cash flows）：与单一支付相反，定期现金流会削弱未来不确定性的负面影响。但当各期现金流不等且基于可变的变量时（如浮动利率互换），会额外增加风险。
- 轮廓组合（Combination of profiles）：产品的敞口来自多个底层风险因子的组合——跨货币互换（外汇远期 + 利率互换）是典型例子。
- 期权性（Optionality）：行使决策（如互换结算的利率互换期权）会影响信用敞口。
按产品看，PFE 轮廓（教材用 99% 置信水平）有鲜明的形状差异：
| 产品 | PFE 形状 | 原因 |
|---|---|---|
| 债券 / 贷款 / 回购 | ≈ 名义金额（约 100%） | 债券付固定利率，利率下降则敞口增加；贷款多为浮动利率，提前还款使敞口随时间下降。 |
| 利率互换 | 峰形 | 未来不确定性与互换支付的 roll-off 风险相互平衡，在中期形成峰值。 |
| 外汇产品 / 跨货币互换 | 单调递增 | FX 汇率高波动 + 长期限 + 期末大额名义支付；大部分敞口来自 FX 汇率风险而非利率风险。 |
| 多头期权 | 随时间递增至行使 | 含权利金的多头头寸敞口随到期临近上升；近价/价内/价外会改变具体形状，但上升趋势一致。 |
| 信用衍生品（CDS） | 前期上升，信用事件处最大 | 前期因价差（权利金）扩大而上升；信用事件时敞口 = 名义 − 回收值（教材例：最终敞口 55% 对应 45% 的回收率）。 |
支付频率：当收到的支付比付出的更频繁时，不等额支付会降低敞口；反之（付出更频繁）则敞口高于等额支付的情形。行使日期使轮廓更复杂——以一年行使日的利率互换期权与远期互换对比：行使点之前互换期权敞口更大，行使点之后远期互换敞口更大（因为某些情景下远期互换有正值而期权未被行使）。
抵押品对敞口的影响（预告）
抵押品通常会降低敞口，但真实的风险削减幅度必须考虑关键参数（最低转移额、threshold 等）、抵押品风险期，以及抵押品带来的流动性、操作与法律风险。即便有抵押品，风险也不会完全消除：交割延迟、抵押品价值变动（非现金抵押品）、粒度效应（关键参数阻止要求全部应抵押金额）、以及抵押品的路径依赖（本次调用额取决于过去已收金额）。
15.4 净额结算建模与净额因子
净额结算协议允许两方在一方违约时轧差头寸，通常用蒙特卡洛模拟建模。净额收益在两笔交易 MtM 符号相反时实现——净额计算在个体层面先做，再汇总为总期望敞口 EE；EE 的时间加权平均即 EPE。
净额收益与相关性直接相关：正相关收益低（两笔交易同号，轧差空间小），完全正相关时收益最低（净额因子 100% = 无收益）；负相关收益高，完全负相关时收益最大（两笔完全对冲，整体风险为零，收益 100%）。
教材例：正相关下的净额收益
| 情景 | Trade 1 | Trade 2 | 不净额 | 净额 | 收益 |
|---|---|---|---|---|---|
| Scenario 1 | 15 | 5 | 20 | 20 | 0 |
| Scenario 2 | 5 | −5 | 5 | 0 | 5 |
| Scenario 3 | −5 | −15 | 0 | 0 | 0 |
| EE | 8.3 | 6.7 | 1.7 |
正相关下两笔交易常常同号，净额收益小（EE 从 8.3 降到 6.7）。
教材例：负相关下的净额收益
| 情景 | Trade 1 | Trade 2 | 不净额 | 净额 | 收益 |
|---|---|---|---|---|---|
| Scenario 1 | 15 | −5 | 15 | 10 | 5 |
| Scenario 2 | 5 | 5 | 10 | 10 | 0 |
| Scenario 3 | −5 | 15 | 15 | 10 | 5 |
| EE | 13.3 | 10.0 | 3.3 |
负相关下两笔交易常反向，净额收益明显更大（EE 从 13.3 降到 10.0）。注意两表的「不净额」列 = 所有正 MtM 之和（负 MtM 是己方欠对方的，不构成敞口）。
净额因子（netting factor）公式（适用于任意一组联合分布的随机变量、跨资产类别）：
- ρ̄ = 1（无净额收益）→ 净额因子 100%；净额收益最大化 → 因子趋近 0%。
- 暴露数量越多、相关性越低，净额收益越好（因子越低）。
- ρ̄ = 0 时简化为 1/√n：两笔独立敞口 → 71%；四笔 → 50%。
- 相关性有下界限制：最大负相关须不低于 −1/(n−1)，否则根号内的表达式会变负。
净额收益还取决于交易的初始 MtM：在所有情景下都呈强负 MtM 的交易会带来强净额收益（抵消其他交易的正 MtM）；反之，所有情景下都呈强正敞口的交易会削弱净额收益。
15.5 抵押品与抵押品风险期（MPoR）
当一方有正敞口（如从对手方收现金流）时，它承担信用敞口——因为对手方可能违约。当敞口（MtM）为负时，该方须提交抵押品给对方以最小化信用风险敞口。
抵押品风险期（MPoR，又称 remargin period）是从发出抵押品调用到抵押品实际交割之间的期间——这段时间敞口处于极端暴露状态。审慎的风险分析师会假设须提交抵押品的一方在 MPoR 内违约。MPoR 天数的计算包含五个步骤：
| 步骤 | 含义 |
|---|---|
| ① 估值 / 保证金调用 | 计算当前对手方敞口与抵押品市值，判断能否发出有效调用。 |
| ② 接收抵押品 | 从对手方收到请求到其放出抵押品的期间。 |
| ③ 结算 | 把抵押品卖成现金所需时间：现金可当日（intraday）；政府债约 1 天、公司债约 3 天。 |
| ④ 宽限期 | 调用后仍未收到抵押品时，给交付方的宽限时间；超过即可能构成「未能支付」违约事件。 |
| ⑤ 清算 / 平仓与再对冲 | 清算抵押品、平仓并再对冲头寸所需时间。 |
教材例：MPoR 时间线（含 Basel II 最低期限）
| 步骤 | OTC 衍生品 | 回购（Repo） |
|---|---|---|
| 估值 / 保证金调用 | 2 天 | — |
| 接收抵押品 | 1 天 | 1 天 |
| 结算 | 2 天 | 1 天 |
| 宽限期 | 3 天 | — |
| 清算 / 平仓与再对冲 | 2 天 | 1 天 |
| 合计 | 10 天 | 3 天 |
| Basel II 最低期限 | 10 天 | 5 天 |
OTC 衍生品与回购分开处理（两者由不同文件管辖）。MPoR 长度取决于抵押品协议、对手方、法律考量与机构管理结构；收取方也可能为维护关系对某些对手方「宽松处理」。
抵押品建模：抵押品化可能因协议条款（threshold、最低转移额、取整）而不完美——即 exposuret−Δ > collateralt−Δ（Δ = 自上次收到抵押品以来的时间 = MPoR）；且在两次保证金调用之间敞口可能增加而未被抵押。抵押品还是路径依赖的：本次请求额取决于过去已请求了多少。
影响抵押品效果的关键参数：MPoR（创造敞口）、threshold（低于此水平不调用，代表未抵押敞口额度）、最低转移额 MTA（可转移的最小抵押品单位，低于此也构成未抵押敞口）、初始保证金 IM（独立于后续抵押品化而提交）、取整 Rounding（把调用额调整到某一增量，方向不同会产生少量敞口）。
15.6 融资敞口 vs 信用敞口
融资成本与正信用敞口相关，融资收益与负信用敞口相关。对手方违约 → 正敞口 → 对己方是融资成本；己方违约 → 负敞口 → 融资收益。对正敞口提交保证金会同时降低融资成本与对手方风险；对负敞口提交保证金会降低融资收益与对方视角的敞口。
尽管相关，融资敞口与信用敞口有五点差异：
- 价值的定义：信用敞口的价值定义带主观性，取决于平仓程序的假设；融资敞口是客观的（非违约情景下也存在）。
- 抵押品风险期：信用敞口考虑对手方违约；融资敞口对应的融资延迟不必然假设违约——因此 FVA 可能为零而 CVA 非零。
- 聚合：信用敞口只在违约时产生，关注净额值；融资敞口可考虑整个组合，因为不同对手方的保证金可以重用。
- 错向风险：WWR 是信用敞口的概念，融资敞口不是关键考量。
- 隔离（Segregation）：隔离限制保证金的使用，对信用敞口与融资敞口的影响不同。
抵押品类型对对手方风险与融资的影响——为最大化风险缓释与融资收益，抵押品必须不含错向风险且可重用（非隔离）：
| 抵押品类型 | 对手方风险 | 融资成本 |
|---|---|---|
| 非隔离的现金 | 降低 | 降低 |
| 可再质押的证券 | 降低（haircut 足够时） | 降低 |
| 必须隔离、不可再质押的现金/证券 | 降低 | 无收益（非违约情景下不可重用） |
| 可再质押的对手方债券 | 有问题（需要用时债券正违约） | 降低 |
15.7 CVA 的定义与计算
对手方风险定价（即向对手方收取多少以补偿其可能违约的风险）是信用敞口与违约概率的函数。准确定价能生成储备以吸收对手方违约的潜在损失，且必须考虑缓释工具（净额、抵押品）。挑战来自双边衍生品合约（如固定-浮动互换），而非债券这类单向支付工具。
信用价值调整（CVA）定义为对手方信用风险的期望价值/价格，是对违约倾向更高一方的成本。有风险证券的价值 = 无风险价值 − CVA：
该计算的特点是快速简单，把风险管理组织内不同部门的成分聚合起来，结果可表达为名义金额的百分比。公式假设无错向风险，且不需要模拟违约事件——这简化了计算。公式以负号开头，是为了把 CVA 表示为一项损失/成本。
CVA 价差（CVA spread）：把 CVA 除以风险年金（如 CDS）的单位权利金，得到以基点计的年化价差——这是向较弱一方收取的费用：
该近似的三个假设：EPE 在整条轮廓上恒定、违约概率在整条轮廓上恒定、EE 或违约概率在整条轮廓上对称。
教材例：计算 CVA 价差
某互换的 EPE = 6%，对手方信用价差 ≈ 375 bps/年。CVA 作为运行价差：
− 6% × 3.75% = −0.225% = −22.5 bps ≈ −23 bps
这是交易者可以从交易腿中扣减的 CVA（信用费用），也是向客户展示互换中风险收费的常见方式。
15.8 利差与回收率对 CVA 的影响
评估违约概率与回收率对 CVA 的影响时，须考虑：信用价差水平、信用价差曲线的形状、回收率、以及不同回收率假设间的基差风险。
- 信用价差水平：价差上升时 CVA 通常上升，但非线性——因为违约概率上限为 100%。若对手方非常接近违约，CVA 反而会略降；一旦违约，CVA 降至零。
- 价差曲线形状：上升曲线对应的 CVA 更低（相对平坦与下降曲线）；下降曲线对应的 CVA 更高。
- 回收率：回收率上升会提高隐含违约概率，但降低 CVA。区分 settled recovery（违约时的回收）与 actual recovery（将收到的索赔金额）——教材例：settled 10%、actual 40% 时，比「两者都设 40%」产生更低的 CVA。
15.9 净额与抵押品对 CVA 的影响
净额结算降低 CVA（净额降低结算时的敞口）。评估时须比较交易执行前后的 CVA 变化——新交易至少要足够盈利以抵消 CVA 的增加：
抵押品化降低 CVA，但它只改变对手方的期望敞口 EE，不改变违约概率。最低转移额与 threshold 会线性增加 CVA（因为它们增加敞口）；初始保证金（相当于负的 threshold）增加则会降低 CVA。
MPoR 决定 CVA 测量的日历天数：MPoR 增加，CVA 逐渐向未抵押 CVA 靠拢。教材给出：MPoR = 40 天时，CVA 约为未抵押 CVA 的一半。已知某日 CVA 后可用时间平方根规则缩放：相对 10 天 MPoR，20 天的 CVA 近似为 √(20/10) = 1.41 倍（即更大/更负）。
15.10 增量 CVA、边际 CVA 与运行价差
CVA 的实用性在于它能纳入净额与抵押品带来的缓释；独立 CVA 只用于快速评估收费。
- 增量 CVA（Incremental CVA）：新交易创造的 CVA 变化（考虑净额），即「有/无该交易」的 CVA 之差。公式与独立 CVA 只差在敞口的变化 ΔEE。它用于对现有交易定价新交易。有净额的 CVA 永不高于无净额 CVA（净额不能增加敞口）；交易越大，净额收益越小，增量 CVA 越接近独立 CVA。
- 边际 CVA（Marginal CVA）：把净额后的交易分解为可加总到总 CVA 的交易级贡献——公式与独立 CVA 相同，只是把 EE 换成边际 EE。它便于分析哪些交易对对手方 CVA 影响最大，是事后（ex-post）视角。
把 upfront CVA 转成运行价差：把 CVA 除以相应期限的风险久期。教材例——5 年期 payer 利率互换、名义 100M、风险久期 3.75、独立 CVA = −90,000：
但加上这一价差又会反过来影响 CVA，因此正确值需递归求解，直到有风险的 MtM 降为零——即解 VC' = CVAC'（VC' 为调整后利率 C' 下的合约价值）。这样调整后利率 C' 就成为盈利的门槛利率（hurdle rate）。
奇异产品与路径依赖：奇异产品的估值可能需要蒙特卡洛模拟，因此常对产品本身做近似（如把 swaption 当作远期互换、把 Bermudan 期权当作 European 期权）再算 CVA。路径依赖要求掌握从当前到未来某日的整条路径信息；与奇异产品一样，对路径依赖事件的概率做近似即可。
15.11 双边 CVA（BCVA）与 DVA
历史上 CVA 只单边考虑对手方违约（偏向较强一方，通常是银行）。2007–2009 危机后，对手方风险被视为双边——双方都可能违约（但不同时违约）。机构自身的 CVA 称为债务价值调整（DVA），两者是镜像：
CVA = − LGDC × Σ EPE(ti) × PDC(ti−1, ti)
DVA = − LGDI × Σ ENE(ti) × PDI(ti−1, ti) ENE = 期望负敞口（对手方视角的 EPE）；因 ENE 为负值，DVA 为正
若机构先违约，它在 MtM 敞口为负时记一笔收益——因为违约方只支付其欠款的回收部分（欠款的一个比例），差额即为违约方的收益。
BCVA 模型的四点含义：
- 当 DVA 大于 CVA 时 BCVA 可为正，意味着衍生品的风险价值大于无风险价值；而独立 CVA 只能为负。
- 若双方对 BCVA 参数达成一致，由于公式的对称性，双方会结算轧平——一方 BCVA 为 +X，另一方即为 −X。
- 当 DVA 项占主导（机构比对手方风险更高）时，净额结算反而可能不利：无净额时机构可挑选正 MtM 合约结算，把负 MtM 合约作为破产负债甩掉。
- 理论上，若双方参数一致，市场上所有 BCVA 之和为零（但更多是理论而非现实）。
BCVA 价差（作为向较弱一方收取的基点费用）：
该式意味着：机构可用自身违约风险（自身价差 × ENE）来冲减单边 CVA 收费。计算与单边 CVA 相同，只是多了一项机构自身的相减项。
教材例：计算 BCVA
输入：EPE = 5%、ENE = 3%、对手方信用价差 = 300 bps、机构自身价差 = 200 bps。从机构视角：
BCVA = − (5% × 3%) − (2% × (−3%)) = −15 bps + 6 bps = −9 bps
注意第二项：公式中的 ENE 为负值（期望负敞口），所以「− XI × ENE」得到正的 6 bps，冲减了单边 CVA 的 15 bps 费用，最终净收费 −9 bps。
15.12 错向风险与正向风险
错向风险（WWR）是敞口与对手方信用质量之间任何关联、依赖或相互关系的产物，它使整体对手方风险上升、从而 CVA 上升、DVA 下降。WWR 很难确定——变量间关系难以评估，且缺乏相关历史数据。正向风险（RWR）正相反：任何使整体对手方风险下降的关联即为 RWR，它降低 CVA、提高 DVA。历史上 WWR 备受关注，RWR 相对被忽视，但两者都重要——机构应增 RWR、减 WWR。
「正常」的衍生品市场就是 RWR 的例子：对冲在正常市场会自动产生 RWR（对冲的根本目的就是抑制对手方风险）。需注意一个反直觉之处：信用质量上升反而会增大 WWR——高信用质量的对手方违约更出乎意料（相比低信用质量对手方）。
| 产品 | WWR 的机制 |
|---|---|
| OTC 看跌期权 | 宏观恶化使对手方信用恶化、标的（如股票）价格下跌 → 多头正收益但对手方风险敞口上升。价外看跌期权的 WWR 大于价内。 |
| OTC 看涨期权 | 对手方违约概率下降 + 标的上涨（对手方有能力履约）→ RWR；若对手方因义务上升而无法履约 → WWR。 |
| CDS | 2007–2009 危机经典案例：monoline 保险商（如 AMBAC、MBIA）集中承保 MBS/CDO，标的违约潮使其同时面临价差扩大与信用恶化 → 保护买方的纸面收益无法兑现。 |
| 外汇交易 | 发达经济体银行 vs 新兴市场银行：新兴市场主权债危机 → 本币贬值 → 交易价值上升 + 对手方风险上升 → WWR。 |
| 外汇互换 | 雷曼违约后日元大幅升值 → 以日元换美元的日本银行头寸大幅获利 + 美国银行违约概率上升 → WWR（日本银行视角）。 |
| 利率交易 | 衰退 → 政策利率下调 → 固定利率接收方获益，但对手方违约概率也上升 → WWR（欧债危机中的意大利金融机构）。 |
| 商品 | 航空公司做多原油远期，油价上涨使其获益；但集中持仓的交易商因大量索赔而信用恶化 → WWR。 |
WWR 的四类建模方法：
- 危险率法（Hazard rate / 强度法）：最容易实现——为信用价差生成随机过程（模拟），对发生违约的路径（通常价差更宽）计算条件 EPE。但它一般不显示违约与敞口间的强依赖，可能低估 WWR。
- 结构法（Structural）：把违约分布与敞口分布映射到双变量分布；WWR 表现为「早违约 + 高敞口」的组合。优点是使用现有敞口分布，缺点是该信息可能不相关。
- 参数法（Parametric）：直接考察组合价值与信用价差的历史联系。高组合价值与高于平均的信用价差相关联即提示 WWR；依赖参数越高，CVA 越高。可靠性要求历史数据反映当前情景。
- 跳跃法（Jump）：可能最适合 WWR——它隐含违约时的跳跃。例如对手方违约时 FX 汇率可能跳跃（货币贬值），跳跃因子又称残值（RV）因子，FX 汇率将贬值 (1 − RV)。历史证据显示，大企业与高评级主权的汇率跳跃更大（冲击更显著）。
抵押品与 CCP 对 WWR 的影响：敞口逐渐上升时，抵押品能有效抑制 WWR（且 WWR 越大、越容易追加抵押品，收益越大）；但敞口在某时点跳跃（如主权违约引发的货币贬值）时，抵押品收益非常有限（难以及时收到）。WWR 抵押品的例子：以高质量政府债抵押的 payer 利率互换（利率上升 → 互换价值上升 + 保证金下降）；以交易中任一货币抵押的跨货币互换；以及公司提交自身债券作抵押（更直接但更弱）。CCP 尤其易受 WWR 影响（依赖抵押品与违约基金出资）；由于 WWR 随信用质量上升而增加，CCP 应向信用质量更高的成员要求更高的保证金与违约基金，并对可能增加 WWR 的抵押品施加更高 haircut。
- credit exposure metrics — expected MtM (expected transaction value at a future date, allowing both signs), expected exposure EE (expected loss if positive MtM and the counterparty defaults; EE > expected MtM), potential future exposure PFE (worst-case MtM at a high confidence level), expected positive exposure EPE (time-average of EE; the CVA input), expected negative exposure ENE (the mirror of EPE, used for DVA), effective EE / effective EPE (non-decreasing EE and its average, capturing rollover risk for trades under one year), and maximum PFE.
- credit exposure versus VaR — VaR estimates loss on a portfolio (e.g., one-day 10% VaR of $100,000). Additional considerations for credit exposure: application (exposure is defined for both pricing and risk management; VaR only for risk management), time horizon (exposure spans many horizons and must reflect drift, volatility, co-dependence, contractual payments and path dependency), and risk mitigants (netting and collateral must be modelled).
- exposure profiles and PFE shapes — factors: future uncertainty (single end-of-life payout), periodic cash flows (unequal/variable flows add risk), combination of profiles (cross-currency swap), optionality. PFE shapes: bonds/loans/repos ≈ notional; interest rate swaps peaked; FX products and cross-currency swaps monotonically increasing; long options increasing to exercise; CDS maximum at a credit event (notional less recovery; 55% exposure = 45% recovery). More frequent receipts than payments reduce exposure; exercise dates make profiles more complex.
- netting modelling and the netting factor — netting benefits arise when MtM values have opposite signs. Positive correlation gives low benefit (perfect positive correlation: none); negative correlation gives high benefit (perfect negative: maximum). Netting factor = √(n + n(n−1)ρ̄)/n: 100% when ρ̄ = 1, 0% at maximum benefit; with ρ̄ = 0 it simplifies to 1/√n (2 exposures → 71%, 4 → 50%). Maximum negative correlation is bounded by −1/(n−1). Benefit also depends on initial MtM.
- collateral and the margin period of risk (MPoR) — MPoR is the period from a collateral call to actual delivery, a period of extreme exposure; a prudent analyst assumes the posting party defaults during the MPoR. Five steps: valuation/margin call, receiving collateral, settlement (cash intraday, government bonds 1 day, corporate bonds 3 days), grace period, liquidation/close-out and re-hedge. OTC derivatives total 10 days, repos 3 days (Basel II minimums 10 and 5). Collateral is imperfect (threshold, MTA, rounding) and path-dependent.
- funding exposure versus credit exposure — funding costs attach to positive exposures, funding benefits to negative exposures. Five differences: definition of value (subjective vs objective), MPoR (credit exposure assumes default; FVA may be zero while CVA is not), aggregation (credit exposure nets; funding exposure may consider the whole portfolio), wrong-way risk (a credit-exposure concept), and segregation. Collateral impact: non-segregated cash and rehypothecable securities mitigate both; segregated collateral mitigates counterparty risk but gives no funding benefit; rehypothecable counterparty bonds mitigate funding but are problematic for counterparty risk.
- CVA and CVA as a spread — CVA is the expected value/price of counterparty credit risk: risky value = risk-free value − CVA; CVA = −LGD × Σ EPE(t_i) × PD(t_{i−1}, t_i), assuming no wrong-way risk and no default simulation. CVA spread = CVA / risky annuity = −X^CDS × average EPE (assumes constant EPE and PD, symmetric profile). Spread level raises CVA non-linearly (CVA falls to zero at default); upward-sloping curves give lower CVA, downward-sloping higher; a higher recovery rate raises implied PD but lowers CVA (settled vs actual recovery).
- netting, collateral and CVA — netting reduces CVA; evaluate the change before and after a new trade: V(i) = ΔCVA. Collateralisation reduces CVA by changing only EE, not PD; MTA and threshold raise CVA linearly, initial margin lowers it. MPoR defines the calendar days over which CVA is measured; CVA approaches the uncollateralised level as MPoR grows (about half at 40 days); scale by √(time).
- incremental and marginal CVA — incremental CVA is the change a new trade creates (difference in CVA with and without it; differs only by ΔEE); marginal CVA breaks netted trades into trade-level contributions summing to total CVA (substituting marginal EE for EE; ex-post view). Converting an upfront CVA into a running spread divides CVA by the risky duration (e.g., −90,000/(3.75 × 100M) = −2.40 bps), solved recursively until risky MtM reaches zero.
- BCVA and DVA — BCVA = CVA + DVA; DVA = −LGD_I × Σ ENE × PD_I (positive because ENE is negative). BCVA may be positive when DVA exceeds CVA (standalone CVA is only negative); agreement on parameters means symmetric settlement; netting can be disadvantageous when DVA dominates. BCVA spread = −X_C × average EPE − X_I × average ENE; the institution offsets its CVA charge by its own spread times ENE.
- wrong-way and right-way risk — WWR is any linkage between exposure and counterparty credit quality that raises overall counterparty risk (raising CVA, lowering DVA); RWR lowers it. Credit quality increases actually increase WWR. Examples: put options, call options, CDS (2007–2009 monoline insurers), FX transactions, FX swaps (yen appreciation after Lehman), interest rate swaps (euro sovereign crisis), commodities. Modelling methods: hazard rate (intensity), structural, parametric, and jump (residual value factor; FX depreciates by 1 − RV). Collateral helps when exposure rises gradually but not when it jumps; CCPs should demand more margin from higher-credit-quality members.
Q1. 某互换的对手方 EPE = 8%，其信用价差为 250 bps/年。该互换的 CVA（作为运行价差）约为：
CVA 运行价差 = −8% × 2.50% = −0.20% = −20 bps（250 bps = 2.50%）。
错法路径：A 把 250 bps 误读为 25 bps（少一个零，得 −8%×0.25% = −2 bps）；C 方向记反——单边 CVA 是费用、只能为负（BCVA 才可能为正）；D 漏乘 EPE，直接把信用价差当结果。
Q2. 某机构与同一对手方有 9 笔交易，平均相关性 ρ̄ = 0。按净额因子公式，其净额因子约为：
净额因子 = √(n + n(n−1)ρ̄)/n；ρ̄ = 0 时简化为 1/√n = 1/√9 = 33.3%。
错法路径：A 是 ρ̄ = 1 时的值（无净额收益，因子 100%）；B 是 n = 4 时的值（1/√4 = 50%）；D 误用 1/n（= 1/9 = 11.1%）——正确是 1/√n，不是 1/n。
Q3. 从金融机构视角计算 BCVA：EPE = 4%、ENE = 2%、对手方信用价差 = 400 bps、机构自身价差 = 150 bps。BCVA 约为：
BCVA = − (4% × 4%) − (1.5% × (−2%)) = −16 bps + 3 bps = −13 bps。机构自身违约风险（3 bps）冲减了单边 CVA 费用（16 bps）。
错法路径：B 把 DVA 项也当同号相加（−16 − 3 = −19）——忽略了 ENE 为负使第二项为正；C 方向记反；D 漏掉机构自身价差项，只算了单边 CVA（−16 bps）。
Q4. 关于错向风险（WWR）与正向风险（RWR），下列说法最准确的是：
RWR 是使整体对手方风险下降的关联（敞口与违约概率呈有利/负向关联），故 CVA 下降、DVA 上升。
错法路径：A 方向记反（WWR 使 CVA 上升、DVA 下降）；C 与教材相反——信用质量上升反而增大 WWR（高信用质量对手方违约更出乎意料）；D 抵押品在敞口渐进上升时有效，但敞口跳跃（如主权违约的货币贬值）时收益非常有限，不能「完全消除」WWR。
16. 对手方敞口压力测试（Stress Testing Counterparty Exposures）
要点：对手方信用风险（CCR）的四种敞口度量（当期敞口 / 峰值敞口 / 期望敞口 EE / 期望正敞口 EPE）· CCR 作为信用风险 vs 市场风险的双重处理与各自敞口 · 压力测试当期敞口（最常见）及其两大缺点（聚合困难、无 WWR 信息）· 压力测试预期损失：贷款组合 EL = Σ PD·EAD·LGD、衍生品组合用 EPE×α 替代 EAD · 压力测试 CVA（风险中性公式、瞬时冲击、与 EL 的两大区别）· 压力测试 DVA / BCVA（纳入生存概率与 ENE）· 压力测试 CCR 的常见陷阱
前几章把对手方风险「量化」了；本章把它推进到压力测试——看它在极端市场情景下会变成什么样。
- ① CCR 有两个「身份」，必须同时管：作为信用风险，它暴露于 CVA 变化（估值必须扣 CVA）；作为市场风险，它可用市场风险工具对冲，但仍暴露于对手方信用恶化。只从一侧管，另一侧就会漏。
- ② 最常见的压力测试是「压当期敞口」：对每个对手方按情景（如股市跌 25%）重估组合。但它有两大缺点——结果难以聚合（简单求和隐含「所有对手方同时违约」）、且无法揭示错向风险。
- ③ 压力损失怎么算：贷款组合 EL = Σ PD·EAD·LGD，压 PD 得 EL_S；衍生品组合把随机、依赖市场因子的 EAD 换成 EPE×α（alpha 因子）。压力损失 = EL_S − EL。
- ④ CVA 也能压力测试：对信用价差、市场价差等施加瞬时冲击，得到压力 CVA（CVA_S），压力损失 = CVA_S − CVA。与 EL 的两大区别：CVA 用风险中性值（EL 用真实值）、用全生命期（EL 用特定时间范围）。
- ⑤ 别踩的坑：把 CCR 与贷款/交易头寸合并损失时用当期敞口是错的（应用 EE 或 EPE）；用 delta 敏感度衡量敞口变化也困难——因为 delta 是非线性的，线性化会带来显著误差。
16.1 对手方信用风险的四种敞口度量
对手方信用风险（CCR）的度量与管理在 1990 年代兴起，如今已成为多数机构风险治理的关键部分。早期机构通过分析衍生品敞口、跟踪对对手方的当期敞口来纳入 CCR；监管资本以当期敞口的加项计量（按总名义衍生品价值的百分比）。建模随后演进为期望正敞口模型，使衍生品能与贷款一起纳入组合风险模型；CCR 的度量也成为 Basel II 监管资本的基础，并允许把净额协议等信用缓释工具纳入建模。
| 度量 | 定义 |
|---|---|
| 当期敞口（Current exposure） 又称重置成本（replacement cost） | 取以下两者的较大者：① 零；② 若对手方违约、破产中无任何价值回收时，一笔（或一组）交易会损失的市场价值。即 max(0, 市场价值)。 |
| 峰值敞口（Peak exposure） | 在净额组内最长到期敞口到期之前的某个未来时点，敞口分布的高分位（95% 或 99%）。通常对多个未来日期生成。 |
| 期望敞口（Expected exposure, EE） | 同一时点敞口分布的均值（平均），同样针对净额组内最长到期敞口到期前的未来日期，通常也对多个日期生成。 |
| 期望正敞口（Expected positive exposure, EPE） | EE 随时间的加权平均，权重 = 各期 EE 占整个时间区间的比例。计算最低资本要求时，平均取第一年或最长到期合约的长度。 |
CCR 的核心问题之一是错向风险（WWR）：对手方敞口增长的同时、其违约风险也在上升。注意：固定利率贷款不会产生 WWR（敞口在贷款期内基本固定）。
16.2 对手方信用风险的双重处理：信用风险 vs 市场风险
历史上，把 CCR 当作市场风险处理是通过 CVA 定价完成的——CVA 代表 CCR 的市场价值。2007–2009 危机前，信用价差稳定、CVA 只占衍生品组合的一小部分；危机带来异常损失与收益后，机构才开始重视 CVA 的风险管理。机构可以把 CCR 视为信用风险或市场风险并据此管理信用组合，但只看作单一风险（孤立视角）会让机构暴露于另一侧的风险。
| 视角 | 含义与管理方式 |
|---|---|
| 作为信用风险 | 使机构暴露于 CVA 的变化，因此估值衍生品组合时必须纳入 CVA（否则市场价值可能大幅波动）。信用风险在初始或通过抵押品安排管理，交易建立后不主动管理。违约时所有交易须在市场上替换，故重点是风险缓释与信用评估。 |
| 作为市场风险 | 允许机构对冲市场风险损失，但仍暴露于对手方信用恶化与违约。CCR 可通过替换合约对冲（不必等到违约）——按对手方的违约概率 PD 成比例购买头寸：低 PD 对手方只有小部分交易被替换，信用质量恶化者的交易被更快替换、移到其他对手方。 |
把 CCR 同时当作信用风险与市场风险，会产生大量且难以解释的度量：信用风险用当期敞口、峰值敞口、期望敞口；市场风险用 CVA 与 CVA 的波动（CVA 的 VaR）。压力测试时结果数量可能非常大——至少等于「对手方数量 × 2 + 1」（每个对手方 + 组合层面各跑压力），若在压力风险度量之外再考虑瞬时冲击，数量还要再翻倍。
16.3 压力测试当期敞口
压力测试当期敞口是最常见的压力测试。机构对每个对手方、在风险因子变化的场景下重估组合；敞口最大、压力后当期敞口最大的对手方通常被上报给高级管理层。
例如，用「股市下跌 25%」的情景做当期敞口压力，会生成一张「压力后当期敞口最大的对手方」表，含其信用评级、MtM 值、抵押品价值与当期敞口。这张表告诉管理层：哪些对手方最易受大规模股市下跌冲击、会欠机构多少钱。机构也可构造其他压力（信用事件、利率冲击）——不同情景会牵出不同的对手方。
但当期敞口的压力测试有两个主要缺点：
- 聚合结果困难：要让压力结果有意义，聚合时须纳入额外信息。简单地把所有敞口求和，只反映了「所有对手方同时违约」的损失——这是不太可能的情景。而且压力当期敞口未计入对手方信用质量，只看交易价值、不看对手方偿付能力或意愿；比较高风险早期公司与高评级成熟公司时尤其重要。但把信用质量纳入每个压力情景非常繁重。
- 不提供 WWR 信息：既然压力度量已省略对手方信用质量，就无法给出敞口与信用质量相关性的有意义信息。
16.4 压力测试预期损失：贷款组合与衍生品组合
贷款组合：任一对手方的预期损失 EL 是违约概率 PD、违约敞口 EAD、违约损失率 LGD 的函数；组合 EL 是个体敞口之和：
压力测试 EL 可通过压 PD 实现（PD 是失业率、相关汇率等变量的函数）——压力预期损失 ELS 因此以这些变量对 PD 的影响为条件：
贷款组合的压力损失 = ELS − EL。机构可通过提高 PD 或压各种变量来构造不同情景（这些变量通常是宏观或资产负债表数值）。
衍生品组合：EL 与 ELS 的推导与贷款组合类似（都用 PD 与 LGD），但违约敞口 EAD 是随机的、依赖市场因子，因此用 EPEi × α（alpha 因子）替代——这让 CCR 敞口能进入组合信用模型：
ELS = Σi=1..N PDiS × (EPEiS × α) × LGDi
与贷款组合一样，可通过提高 PD，或压宏观变量、资产负债表值、金融工具价值来构造情景。在 EPE 语境下，机构还可压市场变量（互换利率、股价）——这些压力可能增加或减少 EL，其总体影响部分取决于机构组合的方向性偏置、哪些对手方有保证金、哪些有超额保证金。这与贷款组合不同（贷款压力方向一致、对各对手方影响相似）。
为什么 EPE 压力不必与贷款组合聚合
做了 EPE 压力的机构不需要再单独把它与贷款组合聚合——因为贷款对市场变量不敏感，不会因这些市场变量的变化而改变敞口。贷款组合的压力与衍生品组合的 EPE 压力在聚合上是「正交」的。
瞬时冲击与联合压力：机构通常一次性瞬时冲击一系列市场变量——在跑 EPE 模拟之前先冲击衍生品的初始价值，影响程度取决于抵押品化程度与组合的价内/价外程度（moneyness）；也可随时间做一系列冲击，但常见做法是只冲击当期敞口。机构也可考虑信用质量与市场变量的联合压力——概念上容易，实践困难（变量间无有意义的联系）；股权法可能最接近，但「冲击敞口」与「股权法违约概率」的联系并不清楚。识别 WWR 的最佳方式，仍是压当期敞口、找出最暴露于 WWR 的对手方。
16.5 压力测试 CVA
市场风险事件下的 CCR 压力，看的是市场风险事件或信用价差变化导致的对手方敞口的市场价值损失。机构通常只考虑单边 CVA（只看对手方对机构违约），但也应考虑自身对对手方违约的可能，即双边 CVA（BCVA，见 16.6）。
CVA 的简化公式（不含错向风险，采用风险中性口径）：
对组合中 N 个对手方聚合，CVA 为：
公式各组件都依赖市场变量（信用价差、市场价差、衍生品价值）。计算压力 CVA 即对这些市场变量施加瞬时冲击（可能影响折现期望敞口或风险中性边际违约概率）：
压力损失 = CVAS − CVA。在信用风险框架下压力测试 CCR，与在市场风险框架下有相似之处（都依赖 EL = f(LGD, 敞口, PD)），但数值会因视角不同而不同——两大区别：
- CVA 使用风险中性值（ELS 使用真实世界/物理值）。
- CVA 使用交易全生命期的 EL（ELS 使用特定时间范围）。
此外，CVA 用市场法模型计算 PD——其优点是可以纳入敞口与 PD 之间的相关性，而这一相关性会显著影响 CVA。由于相关性存在不确定性，机构应做压力测试以确定错误的相关性假设对损益的影响。
16.6 压力测试 DVA（双边 CVA）
机构应把负债效应纳入压力计算，才能正确算出 CVA 的损益——通过双边 CVA 纳入自身对对手方违约的期权价值，这一部分常称债务价值调整（DVA）。
BCVA 公式与 CVA 公式有两点不同：① 纳入期望负敞口 ENE（从对手方视角计算）；② 机构对对手方违约的期权取决于对手方先存活，因此须纳入对手方的生存概率 SI（I 代表机构）——这一变化也必须反映在 CVA 项中：
− Σn=1..N LGDI* × Σj=1..T ENEn*(tj) × PDI*(tj−1, tj) × Sn*(tj−1) 第一项 = CVA（含对手方生存概率修正）；第二项 = DVA（机构自身违约项）
生存概率取决于 CDS 价差，损失取决于机构自身的信用价差。机构应留意这可能产生反直觉的结果——例如暗示损失是「机构信用质量改善」造成的。机构应考虑 BCVA 的压力结果，压力损失 = 压力 BCVA − 当前 BCVA。
纳入 BCVA 的好处是：它使 CCR 可作为市场风险处理，从而能被一致地纳入市场风险压力测试——BCVA 压力带来的任何损益都可加到机构的市场风险压力测试结果中。
16.7 压力测试 CCR 的常见陷阱
- CCR 压力测试是相对较新的方法，机构通常不把 CCR 与贷款组合或交易头寸的压力测试聚合在一起。
- 机构在把损失与贷款/交易头寸合并时，通常压的是当期敞口——这是个错误，应当改用期望敞口 EE 或期望正敞口 EPE。
- 用当期敞口会导致显著误差，在衡量衍生品市场价值时，平价（at-the-money）敞口尤为明显。
- 计算敞口变化时用 delta 敏感度也很困难——因为 delta 是非线性的，模型中对 delta 敏感度的线性化会带来显著误差。
- four CCR exposure measures — current exposure (replacement cost) is the greater of zero or the market value lost on default assuming no recovery. Peak exposure is a high percentile (95% or 99%) of the exposure distribution at a future date before the maturity of the longest-dated exposure in the netting set. Expected exposure (EE) is the mean of that distribution. Expected positive exposure (EPE) is the weighted average of EE over time (weights = each EE's proportion of the interval); for minimum capital it is averaged over the first year or the longest-maturing contract. Wrong-way risk arises when exposure grows as default risk rises; it does not arise with fixed-rate loans.
- CCR as credit risk versus market risk — CVA is the market value of CCR. Treating CCR as credit risk exposes the institution to changes in CVA, so CVA must be included in valuation; credit risk is managed at inception or via collateral and not actively managed afterwards. Treating CCR as market risk allows hedging market risk losses but leaves exposure to credit deterioration and default; CCR can be hedged by replacing contracts in proportion to the counterparty's PD. Treating CCR as both is prudent but complex; the number of stress results is at least twice the number of counterparties plus one, and double again with instantaneous shocks.
- stress testing current exposure — the most common stress test: repricing each counterparty's portfolio under a risk-factor scenario (e.g., a 25% equity decline), reporting the largest stressed exposures with ratings, MtM, collateral and current exposure. Two shortcomings: aggregating results is challenging (a simple sum assumes all counterparties default simultaneously, and stressed current exposures omit counterparty credit quality), and it provides no information on wrong-way risk.
- stress testing expected loss — loans: EL = Σ PD × EAD × LGD; EL_S = Σ PD^S × EAD × LGD; the stress loss is EL_S − EL (stress the PD, which depends on macro variables). Derivatives: EAD (stochastic, market-factor driven) is replaced by EPE × alpha: EL = Σ PD × (EPE × alpha) × LGD and EL_S = Σ PD^S × (EPE^S × alpha) × LGD. EPE stresses to market variables may raise or lower EL depending on the portfolio's directional bias and margining; no aggregation with the loan portfolio is needed since loans are insensitive to market variables.
- stress testing CVA — CVA_n = −LGD_n* × Σ EPE_n*(t_j) × PD_n*(t_j−1, t_j) using risk-neutral values; aggregating over N counterparties. A stressed CVA applies an instantaneous shock to market variables (credit spreads, market spreads, derivative values) affecting discounted expected exposure or risk-neutral marginal PD. The stress loss is CVA_S − CVA. Two differences from EL stresses: CVA uses risk-neutral (not physical) values, and EL over the transaction's life (not a specific horizon). The market-based PD model can capture the exposure-PD correlation.
- stress testing DVA / BCVA — institutions should include liability effects via the bilateral CVA, capturing the value of the option to default (DVA). BCVA differs from CVA by incorporating expected negative exposure (ENE) and the counterparty's survival probability. Survival probability depends on CDS spreads; losses depend on the institution's own credit spread, which can give counterintuitive results (losses from improved credit quality). Stress loss = stressed BCVA − current BCVA. BCVA lets CCR be treated as market risk and aggregated consistently with market risk stress tests.
- pitfalls in stress testing CCR — CCR is typically not aggregated with loan portfolio or trading position stress tests; institutions often stress current exposure when merging losses, which is a mistake (they should use EE or EPE); current exposure can cause significant errors, especially for at-the-money exposures; and delta sensitivities are nonlinear, so linearising them in models leads to significant errors.
Q1. 某贷款组合中一笔贷款的 EAD = $50 百万、LGD = 40%。压力情景下其 PD 从 2% 升至 6%。该笔贷款的压力损失为：
EL = 2% × 50 × 40% = $0.4 百万；ELS = 6% × 50 × 40% = $1.2 百万；压力损失 = 1.2 − 0.4 = $0.8 百万。
错法路径：A 只算了压力前的 EL；C 只算了压力后的 ELS（未相减）；D 漏乘 LGD（(6%−2%) × 50 = $2.0 百万）——压力损失必须逐项含 LGD。
Q2. 某衍生品对手方的 PD = 3%、EPE = $80 百万、alpha 因子 α = 1.4、LGD = 50%。其预期损失 EL 为：
EL = 3% × (80 × 1.4) × 50% = 3% × 112 × 50% = $1.68 百万。
错法路径：A 漏乘 α（3% × 80 × 50% = 1.20）；C 同时漏乘 α 与 LGD（3% × 80 = 2.40）；D 漏乘 LGD（3% × 112 = 3.36）。衍生品用 EPE×α 替代贷款的 EAD，三项（PD、敞口、LGD）缺一不可。
Q3. 某机构当前 CVA = −$2.0 百万；对信用价差施加瞬时冲击后，压力 CVAS = −$3.5 百万。其 CVA 压力损失为：
压力损失 = (−3.5) − (−2.0) = −$1.5 百万，即损失 $1.5 百万（CVA 变得更负）。
错法路径：B 只取压力后的 CVAS，未与当前 CVA 相减；C 方向记反（CVA 变得更负是损失，不是收益）；D 把两个数相加（−3.5 + −2.0 = −5.5）——压力损失是差值不是和。
Q4. 关于对手方信用风险（CCR）压力测试，下列说法最准确的是：
把 CCR 损失与贷款/交易头寸合并时，用当期敞口是常见错误——应改用 EE 或 EPE，否则会产生显著误差（平价敞口尤为明显）。
错法路径：A 反了——压力当期敞口省略了信用质量，无法揭示 WWR；C 反了——delta 是非线性的，线性化会带来显著误差；D 反了——简单求和隐含「所有对手方同时违约」，这是不太可能的情景，聚合必须纳入信用质量等信息。
17. 结构化信用与证券化（Structured Credit & Securitization）
要点：结构化产品谱系（覆盖债券 / 过手证券 / CMO / 结构化信用产品 / ABS）· SPV、真实出售与破产隔离 · 参与者与利益冲突 · 三种 SPV 结构（摊还 / 循环 / 主信托）· 资本结构分层与从属化 · 信用增级（内部 vs 外部；超额抵押与超额利差）· 现金瀑布的期中分配算法与期末清算 · 证券化的动机与收益 · 违约概率与违约相关性的影响（均值与信用 VaR）· 违约敏感度 default '01 · 系统性风险 / 分层厚度 / 贷款颗粒度 · 隐含相关性 · 模拟方法 · 绩效分析工具与结构比率（delinquency / default / MPR / DSCR / WAC / WAM / WAL / SMM / CPR / PSA）
本章把信用风险从「一笔一笔看」推进到「打包、分层、卖出去」——证券化（securitization）与结构化信用（structured credit）。
- ① 一句话抓住本质：把一组能产生现金流的资产打包（pooling），再把它们的现金流按优先级重新分配给不同档次的证券——这就是分层（tranching）。损失从最底层往上吸收：先股权层、再夹层、最后高级层。
- ② 破产隔离是证券化的地基：资产卖给一个独立法律实体 SPV（真实出售、无追索），发起人破产也带不走它。这正是「真证券化」与「覆盖债券」的分界线。
- ③ 信用增级分两类：内部（超额抵押 OC、超额利差 excess spread、从属化）与外部（第三方保险/担保 wrap）。内部增级里 OC 是硬增级（期初即存在），超额利差是软增级（期初为零、靠时间累积）。
- ④ 现金瀑布是分配的规则书：先付高级层票息、再夹层，残差（超额利差）先补信托账户、再给股权层。期初现金流最大，所以信托账户天然是「丰年存、荒年用」。
- ⑤ 相关性比违约率更致命：违约率上升会压低所有档的价值，但相关性上升会同时抬高所有档的信用 VaR，并让高级层变差、股权层变好（「一起不违约」的机会变大）。对分层定价而言，相关性通常是更重要的风险因子。
17.1 结构化产品谱系：从覆盖债券到 CDO 平方
证券化是把信用敏感的资产打包、并据此创造新证券（结构化产品或组合信用产品）的过程——新证券的现金流建立在底层贷款或信用索偿之上。每种产品的风险收益特征都可以与原始资产相去甚远。下表是常见谱系与关键特征。
| 产品 | 是否真实证券化 | 关键特征 |
|---|---|---|
| 覆盖债券（covered bonds） | 否（表内证券化） | 抵押池留在发起人资产负债表内（独立成「覆盖池」）。银行违约时投资者优先于一般债权人；本息由发起人支付并担保，不取决于底层资产自身表现。资产不属于破产隔离结构，投资者对发起人有追索权——因此不是真正的证券化。 |
| 按揭过手证券（mortgage pass-through） | 是（表外） | 投资者现金流完全取决于资产池表现（扣除付给服务商的费用）。多数是机构 MBS，带隐性或显性政府担保，故违约风险不是主要问题；主要风险是提前还款（prepayment）——利率下行后再融资、或卖房时提前还清。 |
| 抵押担保债券（CMO） | 是 | 把按揭池现金流按预定规则分层，各档在期限、付息方式（固定/浮动）上不同。最基础的是顺序支付（sequential pay / waterfall）：第 1 档先收全部本金（含提前还款）直到付清，其余档在轮到之前只收利息。因此靠前的档承担更多提前还款风险，靠后的档在前期被「挡住」。 |
| 结构化信用产品（structured credit products） | 是 | 资产池由风险债务工具支撑，差别在于分层后各档的信用风险量不同：最次级的股权档先吸收损失（最先被违约资产减记），股权档被打光后轮到次次级，最高级档评级最高、被减记概率最低。 |
| 资产支持证券（ABS） | 是 | 最一般的一类：把产生现金流的资产打包、再分层。按此定义，MBS 是 ABS 的一个特例。其他品种包括 CBO（担保债券凭证）、CDO（担保债务凭证）、CLO（担保贷款凭证）、CMO；更复杂的还有把其他证券化产品再打包的 CDO 平方（CDO-squared，CDO of CDOs）。 |
结构化信用产品还可以沿另外三个维度变化：① 底层抵押品——贷款、债券、信用卡应收款、汽车贷款，甚至收费公路通行费等非债务类现金流资产；② 分层的大小与档数——每笔交易单独设计；③ 池的管理方式——被动池（按揭、汽车贷款等自然摊还）与主动管理池（选择性买入/卖出资产，管理人靠识别高估/低估的贷款品种提升表现）；此外还有循环池（revolving pool）：有一段时期把贷款回收款再投资到新资产，循环期结束后资产余额固定（如信用卡余额）并自然消耗。
17.2 证券化的机制：SPV、真实出售与破产隔离
证券化是把金融机构或公司的非流动资产转化为一揽子 资产支持证券（ABS）或按揭支持证券（MBS）的过程：第三方通过精心的打包、信用增级、流动性增级与结构设计，发行以同一批底层资产的本息现金流为支撑的证券。现金转移给出售方；若交易无追索权（without recourse），该义务即从卖方资产负债表上移除——因此证券化是一笔表外交易。可证券化的资产范围很广（按揭、信用卡应收款、汽车贷款等），共同点是底层资产能产生现金流；要注意：第三方不参与底层资产的发起。
两个关键角色是发起人（originator）与发行人（issuer）。发起人是想把信用敏感资产换成现金的一方，信用风险由此转移出去；发行人站在发起人与最终投资者之间的第三方，从发起人处买入资产。发行人必须是区别于发起人的独立法律实体，资产出售才能被认定为真实出售（true sale）——真实出售下资产移出表外、且无追索权。特殊目的载体（SPV），又称特殊目的实体（SPE），就是为此专门设立的法律信托或公司。
SPV 把支撑证券化的资产池与发起人的其他资产隔离开，这一步至关重要：即使发起人破产，已证券化的资产也不受影响。这一过程为新生证券提供了信用增级——SPV 为证券的信用质量作保，因此投资者不必担心发起人的财务实力或信用状况，只需关注证券本身与 SPV 的担保。发起人若破产，除首损档相关的考虑外，不影响 SPV。
| SPV 的形态与设立 | 要点 |
|---|---|
| 公司 vs 信托 | SPV 可以是公司或信托。若设为公司：发起人把资产卖给 SPV 换取现金，SPV 再直接以 SPV 的资产为支撑发行索偿。欧洲的会计规则允许公司形式；但美国会计准则下公司形式对发起人的隔离程度可能不够，因此美国最常见的是SPV 信托。 |
| 税务与设立地 | 出于税务考虑，SPV 常设在对 SPV 立法友好的离岸地（如开曼群岛、都柏林、荷兰）。 |
| SPV 的其他用途 | 最常见是现金流证券化（发起人卖资产、SPV 发债募资买入）；此外也用于通过货币互换转换底层资产币种、发行信用联结票据（CLN）、把非流动资产（如设备租赁的应收账款）转为流动资产。 |
参与者与利益冲突
| 角色 | 职责 | 利益冲突 |
|---|---|---|
| 发起人 originator | 出资放贷、把贷款卖给信托；若提供大部分抵押品也称发起方/保荐人（sponsor）。 | 与投资人利益冲突：主动管理池中，管理人天然倾向少花力气持续监控抵押品信用质量，除非有明确激励。常见做法是让发起人/管理人承担资本结构中的首损。 |
| 承销商 underwriter | 设计交易（分层规模、票息、触发条件）并把债券卖给投资者；同时仓储抵押品，承担「发不出去」或抵押品贬值的风险。 | 面临发行失败与抵押品价格风险，与投资者对定价与结构的诉求可能不一致。 |
| 信用评级机构 CRA | 通过评级让投资者能评估风险；选择附着点从而影响分层规模，并可要求追加增级，是主动参与者。 | 天然冲突：评级机构要盈利、要扩张业务，而这可能以「把更大比例资本结构分给付息更低的高级票据」为代价。投资者可通过自行（昂贵的）分析，或购买 wrap/保险来缓解。 |
| 服务商 servicer | 收取并分配抵押品现金流与相关费用；必要时在还款逾期时提供流动性、处理违约情形。 | 处置抵押品（如止赎）上的冲突：服务商倾向于推迟止赎以多收费用，投资者则希望尽快解决以减少损失、并避免无经济动机的房主疏于维护。 |
| 受托人 trustee | 违约时承担受托责任，保护投资者利益；按资产池的预定条件（如最低信用质量、拖欠比率）监控资产。 | 行政角色，冲突最弱。 |
| 托管人 custodian | 最初负责保管实物证券，现已扩展到收取与分配股票、债券等资产的现金流。 | 行政角色，冲突最弱。 |
| 金融担保人 financial guarantor | 保险公司，为交易提供 wrap：SPV 违约时提供财务支持的担保。在主信托安排中更常见。 | 承担担保风险，与投资者对增级水平的诉求一致。 |
| 结构设计方 structuring agent | 交易的事实顾问：负责证券设计（期限、目标评级、信用增级）与利息/本金现金流预测；可能与保荐人角色重叠。 | 与保荐人重叠时，设计激励可能偏向发行方。 |
评级机构若给出过低评级，交易可能被结构设计方重新设计、追加信用增级。评级机构除量化发起人的公司信用质量外，还会分析竞争者、行业、监管问题、SPV 的法律结构与现金流。
17.3 SPV 的三种结构：摊还型、循环型与主信托
证券化中主要使用三种 SPV 结构：摊还型（amortizing）、循环型（revolving）与主信托（master trust）。判断用哪一种，取决于 ABS 存续期内现金流如何收回。
| 结构 | 机制 | 典型资产 |
|---|---|---|
| 摊还型 amortizing | 本金与利息按摊还计划在存续期内支付给投资者。由于现金流「收到即转付」，也称过手（pass-through）结构。估值基于预期到期日与加权平均期限（WAL）——WAL 是底层资产存续的时间加权期间；由于借款人常可提前还款，WAL 必须纳入提前还款假设。 | 住宅按揭、商业按揭、消费贷款等有摊还计划的资产。 |
| 循环型 revolving | 本金不以摊还计划支付，而是以大额一次性方式偿还。循环期内本金回收款通常用于购买符合条件的新应收款。投资者收回本金的方式是受控摊还计划或一次性大额偿付（soft bullet）。 | 信用卡债务、汽车贷款（期限短、提前还款率高）。 |
| 主信托 master trust | 允许 SPV 频繁发行/多次证券化：发起人把资产转入主信托 SPV，SPV 再从该资产池持续发行新票据。不同系列（series）的投资者都从整个池获得支付。 | 按揭与信用卡债务。 |
主信托的两个细节值得记牢。① 超额利差来自高收益的信用卡债务减去发行 ABS 的成本；覆盖管理费后，剩余超额利差留在储备账户抵御未来损失，若无损失则返还发起人。② 信托安排下会设立两个独立的 SPV：发起人把资产卖给主信托（SPV 1）换取现金，主信托再把资产存入授予人信托（grantor trust，SPV 2）；主信托持有对授予人信托的受益权，经济地位与只用单一 SPV 相同，但证券化的索偿改为以对主信托的受益权为支撑，而非直接以资产为支撑。由于信用卡债务没有抵押担保、违约回收率低，通常引入金融担保人作信用增级；若某个系列出现支付违约，则共享超额利差来弥补损失。
17.4 资本结构：分层、优先级与从属化
证券化的资本结构指各档被赋予的优先级。总体规律：越靠上越优先受偿、票息越低。
| 档位 | 受偿优先级 | 收益形态 | 规模 |
|---|---|---|---|
| 高级档 senior | 最高——最先获得本金与利息 | 被视为最安全，票息最低 | 通常最大的一档 |
| 夹层档 mezzanine（junior） | 在股权档被完全减记后才开始吸收损失 | 固定收益则票息较高、浮动收益则价差较高；被有意做薄以维持交易可行性 | 刻意做薄 |
| 股权档 equity | 最低——先吸收损失，上限为预先设定的水平 | 通常无固定票息，在其他索偿满足后拿残差现金流，故收益可变，得名「equity」 | 通常是最小的一档 |
夹层档在术语上从上方附着于股权档、从下方脱离高级档（attaches to equity from above, detaches from senior from below）。高级档同时受股权档与夹层档两层保护，这层保护就叫从属化（subordination）或信用增级（credit enhancement）。注意：给某些档提供信用保护，必然意味着把风险转移到资本结构的其他部分——保护不是凭空产生的。
17.5 信用增级：内部增级与外部增级
信用增级分内部与外部。外部增级是从第三方购买的保险或 wrap（通常是单一险种保险公司 monoline insurer）；内部增级主要靠超额抵押与超额利差。完整清单还包括池保险、从属票据档、利差上调。
| 增级方式 | 机制 | 硬 / 软 |
|---|---|---|
| 超额抵押（overcollateralization, OC） | 池提供的索偿少于抵押品金额。例：抵押池里有 101 笔按揭，但所有档的债券面值合计只对应 100 笔——超额抵押为 1 笔按揭，投资者可先吸收 1 次违约而不受经济损失。 | 硬增级——保护在设立池时就已存在 |
| 超额利差（excess spread） | 收到的现金流减去付给所有债券持有人的款项之差。例：抵押品加权平均收益 8%（已扣费用），而承诺付给高级、夹层、股权各档的加权平均为 7%，则 1% 的残差累积在独立信托账户中；该资金会被投资、可用于弥补未来缺口。 | 软增级——设立时为零，靠时间累积 |
| 池保险（pool insurance） | 由综合保险公司为 ABS 提供池保险：SPV 违约时，覆盖抵押池的本金损失。 | 外部 |
| 从属票据档（subordinating note classes） | 把抵押池分为不同档次：Class B（次级）从属于 Class A（高级），Class A 未完全赎回或评级机构要求未满足前，Class B 拿不到本金；且在向次级档付本金前，抵押池须在一段时间内通过特定绩效测试。 | 内部（结构型） |
| 利差上调（margin step-up） | ABS 有时约定在赎回日（call date）之后上调票息结构；发行人有在该日之后赎回的选择权。上调给投资者额外激励，但若上调后票息高于市场利率，发行人可能选择再融资。 | 内部（现金流型） |
| 储备账户（reserve account） | 把超额利差在覆盖管理费后留存于储备账户，抵御未来损失；若无损失则返还发起人。 | 内部（现金流型） |
17.6 现金瀑布：期中分配的规则与分步算法
瀑布结构（waterfall structure）规定抵押品现金流如何分配给各档。超额利差即残差现金流；超额抵押触发条件（OC trigger）决定残差如何在股权投资者与累积信托账户之间切分。直觉上，底层现金流在前期最大，所以信托账户会在早期累积储备、以抵御未来缺口。实务中结构可能复杂到十几档甚至更多（票息、期限、OC 触发各异），违约还会进一步复杂化——简化处理是假设一个恒定违约率并把它建进瀑布分配；若实际违约少于预期，更高的抵押品现金流将惠及所有债券持有人，其中股权档受益最大。
三档（高级 / 夹层 / 股权）结构的期中现金流可以拆成流入与流出。流入＝抵押品利息 Lt ＋ 当期违约资产处置回收 Rt；流出＝付给高级与夹层持有人的票息（合并记为 B，假设恒定）。股权档的现金流依赖「流入减去划入信托的金额」，划入信托的金额记为 OCt，其上限（触发额）为 K。
期中分配的分步算法（t = 1, …, T−1）
- 情形 1：Lt − B ≥ 0（当期利息足以覆盖两档票息）。残差 = Lt − B。股权投资者当期可取残差与触发额 K 中的较小者；若残差超过 K，超出部分划入超额抵押（信托）账户：OCt = 残差 − K；若残差不超过 K，则全部归股权层、无划转（OCt = 0）。
- 情形 2：Lt − B < 0（当期利息不足）。全部 Lt 归债券持有人，缺口 = B − Lt。接着检查信托账户累计资金能否覆盖缺口：够则债券持有人足额受偿，不够则发生减记（write-down）。
- 信托账户的累积：当期入账 = 回收 Rt ＋ 划转 OCt；历史上已入账的资金按货币市场利率 r 生息。故第 t 期信托账户总额 = Rt + OCt + Στ=1..t−1(1+r)t−τOCτ。
- 托管人在缺口情形下的测试：Rt + Στ=1..t−1(1+r)t−τOCτ > B − Lt。注意此时没有 OCt 项可加（当期没有超额利差）。测试成立则信托账户能把债券持有人补足；不成立则信托账户清零，债券持有人只拿到 Rt + Στ=1..t−1(1+r)t−τOCτ。
- 违约回收：假设回收率 40%，则第 t 期回收 Rt = 0.4 × dt × 贷款金额（dt 为当期违约笔数，简化假设各期相同）。
- 股权档现金流：max(Lt − B − OCt, 0)。
⚠️ 勘误提示：源文的 OC 划转方向
源文正文「Step 1」与超额抵押分段公式写作「划入信托的金额以 K 为上限」（OCt = min(Lt − B, K)），这与同一篇的两处算例以及触发条款本身方向相反：触发条款说「股权持有人最多可得 $15 百万，超出部分划入超额信托账户」；图 40.1 中残差 $17 百万 → 股权层 $15 百万、信托 $2 百万；图 40.2 中残差 $13.8 百万 → 股权层 $13.8 百万、信托 $0。两处算例彼此自洽、且与触发条款一致，本讲义按算例口径表述（股权层以 K 为上限、超出部分入信托），并把该冲突显式标出。
期中分配算例（无违约）。1,000 笔相同贷款、每笔 $100 万；贷款利率为浮动＝市场参考利率 + 300 bp、每年重设。高级、夹层、股权三档分别占池的 80% / 15% / 5%；高级与夹层价差为 1% 与 5%；OC 触发额＝股权层最多可得 $1,500 万，超出部分划入信托。设参考利率 5%：高级本金 $8 亿、夹层本金 $1.5 亿，对应票息 6%（=5%+1%）与 10%（=5%+5%）。
| 步骤 | 金额 |
|---|---|
| 池流入 = $10 亿 × 8% | $80,000,000 |
| 高级票息 = $8 亿 × 6% | $48,000,000 |
| 夹层票息 = $1.5 亿 × 10% | $15,000,000 |
| 残差（超额利差）= 80 − (48 + 15) | $17,000,000 |
| 股权层（受触发额 $1,500 万约束） | $15,000,000 |
| 划入信托账户 = 17 − 15 | $2,000,000 |
把违约率改为 4%。第一处差别是贷款总收益被违约贷款削减：$10 亿 × 8% × (1 − 0.04) = $7,680 万。现金流仍足以足额支付高级与夹层；但做 OC 测试时，股权层达不到上限——因此股权层只拿到 $1,380 万，且无资金划入信托账户。
17.7 期末清算：终值四项与三档分配
最后一年必须单独处理，原因有三：① 存活贷款到期、本金被返还；② 结构结束、所有收益按瀑布分配，不再向信托账户划转；③ 既然不划转，就无需再做 OC 触发测试。期末可分配的四项为：
② 存活贷款按面值赎回 = (N − Σdt) × 面值
③ 期末回收 RT = 0.4 × dT × 面值
④ 信托账户期末余额（含按 r 累积的利息） N = 期初贷款笔数；Σdt = 累计违约笔数
四项之和先与高级档的应得额比较：足够则高级档足额偿付，余额留给资本结构的其余部分；若余额足以覆盖夹层档，残差归股权档；若余额不足以满足夹层档，则夹层档拿走全部余额、股权档分文不得。
期末清算算例（三档，三种情景）
原始贷款池 100 笔、每笔面值 $100 万、固定票息 8%；存活贷款 90 笔；高级与夹层分别占 75% 与 20%，股权投资者出资剩余的 5%；期内 2 笔违约、回收率 40%（期末回收）；期初信托账户 $1,600 万、年收益 4%。
| 步骤 | 情景 A | 情景 B（利率 5%、信托 $300 万） | 情景 C（利率 4%、信托 $100 万、回收 0） |
|---|---|---|---|
| ① 贷款利息 = 90 × 票息 × $100 万 | 90 × 8% = $720 万 | 90 × 5% = $450 万 | 90 × 4% = $360 万 |
| ② 按面值赎回 = 90 × $100 万 | $9,000 万 | $9,000 万 | $9,000 万 |
| ③ 期末回收 = 2 × 40% × $100 万 | $80 万 | $80 万 | $0（回收率为 0） |
| ④ 信托期末余额 = 期初 × 1.04 | $1,600 万 × 1.04 = $1,664 万 | $300 万 × 1.04 = $312 万 | $100 万 × 1.04 = $104 万 |
| 合计可分配 | $11,464 万 | $9,842 万 | $9,464 万 |
| 高级档索偿 $7,500 万 | 足额受偿 | 足额受偿 | 足额受偿 |
| 夹层档索偿 $2,000 万 | 余额 $3,964 万 ≥ $2,000 万 → 足额 | 余额 $2,342 万 ≥ $2,000 万 → 足额 | 余额 $1,964 万 < $2,000 万 → 受损，只拿 $1,964 万 |
| 股权档所得 | 11,464 − 7,500 − 2,000 = $1,964 万 | 9,842 − 7,500 − 2,000 = $342 万 | 9,464 − 7,500 − 2,000 < 0 → $0 |
17.8 证券化的动机与收益
对发起人（贷款方）而言，把贷款卖给信托能获得比「自持」或「二级市场出售」更低的融资成本——这来自贷款池的分散化与发起人「承销高质量贷款」的声誉。但要注意：某些池（如商业按揭池）本身难以分散，仍会残留系统性风险成分，可能使整体风险被低估。发起人的额外好处是收取服务费。对投资者而言，证券化提供了原本接触不到的分散化贷款池（按揭、汽车贷款），并且能通过分层自选风险收益水平——股权档风险收益高、高级档低。但投资者必须做充分尽职调查，弄清自己实际承担的风险。
对金融机构而言，证券化有三个主要理由：为资产融资、管理资产负债表、风险管理。
| 理由 | 机制与效果 |
|---|---|
| 融资 | 为特定资产（住宅按揭、汽车贷款、商业贷款、信用卡债务）提供资金，支持增长、分散融资来源、减少期限错配；融资来源分散化既降风险也降成本。SPV 发行的 ABS 常比发起人自身债券评级更高，因此经 SPV 发债能降低发债成本——ABS 市场流动性不如债券市场，但更高的评级通常使其更具成本效益。成本节约为发起人创造现金盈余。 |
| 期限匹配 | 金融机构常用短期负债（储蓄、活期账户）为长期资产（住宅按揭）融资；证券化让 SPV 发行与底层资产期限匹配的票据，同时让发起人移除资产负债表上的久期错配风险。 |
| 资本管理 | Basel I 按资产风险设定资本要求，给银行证券化以获取监管资本减免带来强激励：SPV 不算银行、不受同样资本要求约束（例如监管要求银行持有总资产价值 8% 的资本）。把资产卖给 SPV 可降低资本要求；但发起人常保留首损档，故资本要求是显著降低而非完全消除。降低资本要求本身就是一种融资——银行可少发优先股与其他权益；资本占用下降还会提高净资产收益率（ROE）。 |
| 风险管理 | 把不良资产移出资产负债表：既移除信用风险，也移除不良资产带来的负面情绪；且若这些不良资产未来重新产生现金流，发起人还可能从 SPV 获得盈余利润。 |
| 对投资者的收益 | 获得此前无法接触的新流动资产；可构造不同的风险收益组合、分散到新板块；同评级下，证券化票据常比公司债提供更高的风险收益补偿（改善来自发起人保留股权档）；持有的是「一个资产池」而非「单一实体的公司债」，分散度更好；证券化通过分散化与定制化拓宽买卖双方市场，流动性提升降低交易成本，借款人与投资者同时受益。 |
17.9 违约概率与违约相关性：对分层均值与信用 VaR 的影响
前面的瀑布分析做了几个重要简化：违约率逐年恒定、每笔贷款违约概率相同、忽略贷款之间的相关性。要把这些假设放开，唯一可操作的方式是模拟。
模拟法计算各档信用损失：三步
- 第 1 步：估计参数——违约强度（default intensity）可用市场价差数据反推各期限的风险率（hazard rate）；两两相关系数的估计更困难，因为缺少可用的市场数据。copula 相关性理论上可用，但实务中经验精度不足，因此通常对不同的「违约概率—相关性」组合做敏感性分析。
- 第 2 步：模拟违约时间——判断是否违约、以及何时违约。
- 第 3 步：计算组合信用损失——用模拟输出确定信用损失的频率与时间，把损失「对齐」到资本结构上评估各档损失；分布的尾部给出每一档的信用 VaR。
违约概率的影响很直接：给定相关性，提高违约概率会同时压低所有档的现金流与价值。相关性的影响则更微妙：
- 相关性极低（如 0）时，贷款表现相互独立，大组合中违约笔数会非常接近「违约概率 × 贷款笔数」——就像掷 1,000 次硬币，正面数几乎不可能少于 400 或多于 600。此时池的违约水平几乎等于数学期望，不太可能伤到高级档；反过来，股权档几乎必然遭受减记（违约笔数可预测但为正）。
- 相关性上升时，一笔违约会提高另一笔违约的可能性，违约开始聚集（clustering）：极端损失更可能出现，高级档价值下降；同时「几乎没有违约」的情形也更可能出现，股权档价值上升。违约概率越高，这一效应越被放大。
- 夹层档的影响最复杂：违约率低时，提高相关性会增加夹层损失（与高级档类似）；违约率高时，提高相关性反而降低夹层预期损失（「违约很少」的机会变大了），此时夹层模仿股权档的收益形态。一句话：低违约率下相关性上升压低夹层价值，高违约率下抬高夹层价值。
- 凸性也要看：违约率从低位上升时，股权档价值先急跌、后缓跌（正凸性——因为股权档很薄，违约率的微小变化起初会不成比例地冲击价格）；高级档呈负凸性（违约增加，价格跌幅加大）；夹层档介于两者之间——低违约率下负凸性、高违约率下正凸性。
把视角从「均值」切换到「分布尾部（风险）」，结论按信用 VaR 表述如下。
| 情景 | 档位 | 均值价值 | 信用 VaR |
|---|---|---|---|
| 违约概率上升（相关性不变） | 股权档 | ↓ | ↓（收益变动变小） |
| 夹层档 | ↓ | 先 ↑ 后 ↓ | |
| 高级档 | ↓ | ↑（收益变动变大） | |
| 相关性上升（违约概率不变） | 股权档 | ↑ | ↑ |
| 夹层档 | 低违约率下 ↓、高违约率下 ↑ | ↑ | |
| 高级档 | ↓ | ↑ |
关于相关性上升还有三个值得记住的结论：① 相关性趋近 1 时，股权档 VaR 稳步上升——均值虽在改善，但收益更不稳定（要么大亏、要么几乎不亏）。② 高级档 VaR 也随相关性单调上升，但高相关区间（0.6 与 0.9）的增量差异相对很小。③ 两个两两比较很有意思：相关性低而违约频率较高时，高级档被保护得很好——在 10% 的从属化水平下，即使违约率很高，高级档也不受影响；反过来，相关性高（0.6 以上）时，无论违约概率高低，各档 VaR 都相当接近。因此总的来说，相关性是比违约概率更重要的风险因子——这一点未必符合直觉。夹层档则继续「两面派」：违约率与相关性都低时更像高级档（VaR 低），违约概率高和/或两两相关性高时风险特征更接近股权档。
17.10 违约敏感度、结构化产品的其他风险与隐含相关性
违约概率对档位价值的影响不是线性的，还与违约相关性的交互有关。要更细致地看边际效应，就把 DV01 的定义扩展到违约概率上，称为 default '01（违约敏感度）：把违约概率上下各冲击 10 个基点（即 ±0.001），每档都通过 VaR 模拟重新估值，再把差额折算为每基点的敏感度——源文给出的公式为：
由此有三条定性结论：① 对任何「违约概率—相关性」组合，违约敏感度始终为正——这来自「所有档都受违约概率上升的负面影响」。② 当违约率足够高时，违约敏感度趋近于零（继续提高违约率的边际影响已很小）。③ 由 ② 推出：当损失接近某档的附着点时，违约敏感度的变动更大——这与期权在平值时具有高 gamma（delta 敏感度高）的道理相似。
除组合建模问题外，结构化产品至少还有三类风险：
| 风险 | 含义 |
|---|---|
| 系统性风险 systematic risk | 与分散良好的股票组合无法消除系统性风险一样，信用组合也是如此。即使抵押池在贷款人、条款、地域等方面分散良好，高相关性所表达的高系统性风险仍能严重损伤组合——两两相关性上升会提高高级档被减记的可能性。 |
| 分层厚度 tranche thinness | 股权档与夹层档相对很薄。这体现在 95% 与 99% 信用 VaR 相对接近上，含义是：一旦该档被击穿，损失很可能非常大。 |
| 贷款颗粒度 loan granularity | 指贷款层面的分散程度。若抵押 MBS 池只有少数几笔、但每笔金额很大，这种低颗粒度会（在同等规模下）提高尾部事件的概率——相对于用更多、更小额贷款构成的池。 |
隐含相关性（implied correlation）与股票期权的隐含波动率概念高度相似：对期权而言，Black-Scholes-Merton 是被广泛接受的定价模型，因此可观测的市场价格对应一个唯一的不可观测波动率；对证券化分档，过程完全相同——从可观测的市场价格与分档的定价函数出发，反推出唯一的隐含相关性，使模型价格与市场价格校准一致。
隐含相关性的机械步骤
- ① 用可观测的 CDS 期限结构提取风险中性违约概率（以及可能的回收率）。
- ② 假设两两相关性恒定，并取各档的市场价格，把违约估计与相关性估计喂入 copula。
- ③ 输出为每档的风险中性隐含相关性（即基础相关性 base correlation）。各档之间的相关性估计并不相同、也不会恒定，由此产生相关性偏斜（correlation skew）。
例：若股权档的市场价格从 $300 万升到 $320 万，而风险中性违约概率估计未变，则可推断市场对隐含相关性的估计必然上升。精确数值必须由定价模型反解，但方向是确定的——相关性上升有利于股权持有人。
17.11 绩效分析工具与提前还款
MBS 最早是为住宅提供更便宜融资而生：发行过手证券，投资者获得一个新的流动资产品类，贷款方把利率风险移出资产负债表；此外还有政府支持机构担保的按揭证券品种（如 Ginnie Mae 发行的品种）。2002–2007 年低利率环境下，汽车贷款与信用卡 ABS 也更受投资者欢迎——投资者对 ABS 的需求来自分散化收益与高于公司债市场的回报。ABS 与 MBS 的组合表现在很大程度上取决于个人偿还消费债务与按揭的能力；各项绩效指标同时充当触发机制，用于加速摊还；ABS 结构还设有储备账户，抵御利息缺口带来的损失。一个关键区别：CDO 与 ABS 的底层贷款笔数不同——CDO 组合通常少于 200 笔，而 ABS/MBS 结构往往有数千个债务人。
| 资产类别 | 特征 | 绩效工具 |
|---|---|---|
| 汽车贷款 | 违约时抵押资产流动性高；期限短（3–5 年）；提前还款风险稳定、损失相对其他 ABS 较低。 | 损失曲线（loss curve）：显示抵押池整个存续期的预期累计损失，与实际损失对比。优质（prime）贷款人的损失通常分布均匀；次级/非优质贷款人初期损失更高、曲线更陡；各类贷款的损失在后期年份通常下降。 绝对提前还款速度（APS）：以当期实际还款占抵押池总余额的百分比衡量提前还款，用于确定 ABS 隐含赎回期权在任何时点的价值。 |
| 信用卡 | 信用卡未偿余额没有预定到期期限（区别于其他 ABS）；但多数信用卡债务在六个月内还清。还款速度由计划摊还或主信托框架下的循环期控制（主信托允许多次发行、本金回收款用于购买新应收款）。 | 拖欠比率（delinquency ratio）＝逾期 90 天以上的应收款 / 信用卡应收款池总额； 违约比率（default ratio）＝已核销应收款 / 池总额； 月度支付率（MPR）＝当月本息支付额 / 池总额。 三者都作为提前摊还（early amortization）的触发信号；评级机构要求所有非摊还型 ABS（如信用卡）设定最低 MPR 作为提前摊还触发条件。 |
| 商业按揭 | 关注借款人偿还债务的能力。 | 偿债覆盖率（DSCR）＝净经营收入（NOI）/ 债务支付总额。NOI 是扣除全部经营费用后剩余的收益或现金流；总债务服务包括利息、本金及其他义务。DSCR < 1 说明按揭池现金流不足以覆盖全部债务支付。投资者信心上升时，要求的 DSCR 下降；住宅按揭的 DSCR 通常在 2.5–3.0；应收款风险更高（违约时价值被大幅折价）时需要更高的 DSCR。 |
| 按揭（MBS） | 波动性与底层证券的期限长度直接相关。 | 加权平均票息（WAC）＝Σ(各池按揭利率 × 该池贷款余额) / Σ余额，衡量整个按揭池的加权票息，与付给投资者的净票息对比、用以判断池在存续期内的付息能力。 加权平均期限（WAM）＝各池剩余到期月数的加权平均。按法定到期日计算的 WAM 用实际到期日、纳入了组合中所有按揭证券的流动性风险；按重设日（reset dates）计算的 WAM 则捕捉提前还款对期限的影响。 加权平均期限（WAL）＝Σ (a / 365) × PF(t)，其中 a 为距下次付款的实际天数、PF(t) 为池因子（按还款加权调整后的未偿名义金额）。 |
| 按揭、房屋净值、学生贷款 | 提前还款是估值核心。 | 单月死亡率（SMM）＝当月提前还款额 / 池余额；条件提前还款率（CPR）＝1 − (1 − SMM)12；PSA（公共证券协会）基准：100% PSA 指 CPR 从 0 开始、前 30 个月每月上升 0.2%，之后维持 6%（= 0.2 × 30）；50% PSA 每月上升 0.1%、上限 3%；150% PSA 每月上升 0.3%、上限 9%。 |
提前还款的直觉：PSA 假设提前还款会随池接近到期而增加。影响 CPR 的因素包括市场环境、底层按揭池的特征、以及池的未偿余额。提前还款会降低 MBS 的收益率（假设本金偿付不变）。
17.12 结构比率的计算实例
下面把关键比率按源文算例走一遍，数字务必能自己复算。
例 1：拖欠比率、违约比率与 MPR（信用卡 ABS）
某 ABS 的信用卡应收款总额 $57,800,000：其中 $49,900,000 正常、$5,750,000 逾期 30 天以上、$1,270,000 逾期 60 天以上、$880,000 逾期 90 天以上；另有 $1,100,000 已核销。当月本息支付合计 $1,560,000。
| 指标 | 算式 | 结果 |
|---|---|---|
| 拖欠比率 | $880,000 / $57,800,000 | 1.522% |
| 违约比率 | $1,100,000 / $57,800,000 | 1.903% |
| 月度支付率 MPR | $1,560,000 / $57,800,000 | 2.699% |
例 2：DSCR（商业按揭 MBS）
商业按揭物业的净经营收入 $89,572,500，对应票据的债务支付总额 $87,958,000。DSCR = 89,572,500 / 87,958,000 = 1.02。大于 1 说明按揭池现金流足以覆盖债务支付；但对按揭而言这是非常低的 DSCR。
例 3：WAC 与 WAM（三个按揭池）
WAC：$600 万按揭收益 7.8%、$1,000 万收益 6.0%、$400 万收益 5.0%。
= (46.8 万 + 60 万 + 20 万) / 2,000 万 = 126.8 万 / 2,000 万 = 0.0634 = 6.34% 若 SPV 发行的票据票息为 5.5%，则在底层按揭无违约时会产生超额利差
WAM：$600 万按揭剩余 180 天、$1,000 万剩余 360 天、$400 万剩余 90 天。
= (10.8 亿 + 36 亿 + 3.6 亿) / 2,000 万 = 50.4 亿 / 2,000 万 = 252 天 源文此处的算式标签写作「WAC」，实为 WAM 的计算（加权平均期限）
WAL：源文以池初余额 $89,530,000 的 MBS 为例，逐期用 (a/365) × PF(t) 加权求和，得 WAL = 2.565（单位：年）。池因子 PF(t) 由 1.00 逐期降至 0，反映本金逐期偿还。
例 4：CPR 与 PSA
某 ABS 的 SMM = 1.5%，则 CPR = 1 − (1 − 0.015)12 = 16.59%。含义：当月提前还款额约等于「剩余按揭余额的 1.5% 减去计划本金偿还」。
PSA 基准的三种情形：100% PSA → 前 30 个月每月 +0.2%、上限 6%；50% PSA → 每月 +0.1%、上限 3%；150% PSA → 每月 +0.3%、上限 9%。
- types of structured products — covered bonds are on-balance-sheet securitizations: the pool stays on the originator's balance sheet, investors rank ahead of general creditors, and principal and interest are guaranteed by the originator rather than driven by the underlying assets, so they are not true securitizations. Mortgage pass-throughs are true off-balance-sheet securitizations whose cash flows depend entirely on pool performance; most are agency MBS with a government guarantee, so the main risk is prepayment. CMOs tranche mortgage cash flows (sequential pay: Tranche 1 takes all principal including prepayments until retired; later tranches are shielded). Structured credit products create tranches with different amounts of credit risk; ABS is the most general class, with MBS a special case, plus CBOs, CDOs, CLOs and CDO-squared. Pools differ by collateral, number and size of tranches, passive versus actively managed, and revolving structures.
- securitization mechanics — securitization transforms illiquid assets into ABS or MBS; with a sale without recourse the obligation leaves the seller's balance sheet, making it an off-balance-sheet transaction. The originator and the issuer are the two key participants; the issuer must be a distinct legal entity for a true sale. The SPV (or SPE) is a separate legal trust or company that isolates the asset pool, so the originator's insolvency does not affect the securitized assets (except for first-loss considerations) and investors need only assess the securities and the SPV's guarantee. SPVs are often set up as corporations or, most commonly in the United States, as trusts, and are frequently domiciled offshore for tax reasons.
- participants and conflicts — originator (sponsor), underwriter, credit rating agency, servicer, manager, trustee, custodian, structuring agent and financial guarantor. Conflicts include the rating agency's incentive to grow its business at the expense of larger senior note allocations, the servicer's incentive to delay foreclosure to keep collecting fees, and the manager's incentive to minimise monitoring effort unless it bears the first loss.
- SPV structures — amortizing (pass-through, payments on an amortizing schedule; used for residential and commercial mortgages and consumer loans; valued on expected maturity and weighted-average life including prepayment assumptions); revolving (principal repaid in large lump sums, with principal collections used to buy new receivables; used for credit card debt and auto loans; repayment via controlled amortization or soft bullet); master trust (used by frequent issuers; multiple securitizations from one pool, with series sharing the pool; excess spread held in a reserve account and returned to the originator if no losses; two SPVs, a master trust and a grantor trust, with the master trust holding a beneficial interest).
- capital structure and credit enhancement — the senior tranche has the highest priority and lowest coupon; the mezzanine tranche absorbs losses only after the equity tranche is fully written down and is purposefully thin; the equity (first-loss) tranche is typically the smallest and receives residual cash flows. Subordination protects the senior tranches. Credit enhancement is internal (overcollateralization — a hard enhancement available at origination; excess spread — a soft enhancement that is zero at origination; subordinating note classes; margin step-up; reserve accounts) or external (insurance or wraps, typically from a monoline insurer, pool insurance, financial guarantor).
- waterfall and terminal cash flows — the waterfall allocates collateral cash flows: senior and mezzanine receive promised coupons, and the residual (excess spread) is split between equity holders and the accumulating trust account subject to the overcollateralization trigger. If interest is insufficient, all interest goes to bondholders, the shortfall is tested against the trust account, and a write-down occurs if the trust cannot cover it. Terminal cash flows are last interest plus principal from surviving loans, final-period recovery, and the terminal trust account; senior claims are paid first, then mezzanine, and any residual accrues to equity.
- default probability and default correlation — increasing default probability lowers the mean value of all tranches; increasing correlation makes pool behaviour more extreme (very few or very many defaults), lowering senior values and raising equity values, with a mixed effect on mezzanine (negative at low default rates, positive at high default rates). Credit VaR rises for all tranches as correlation rises; increasing default probability lowers equity VaR and raises senior VaR. Generally correlation is a more important risk factor than default probability. Simulation is the only tractable way to incorporate time-varying default intensity and pairwise correlation.
- default sensitivities, other risks and implied correlation — default '01 shocks the default probability up and down by 10 basis points and revalues each tranche through VaR simulations; sensitivities are always positive, approach zero at sufficiently high default rates, and vary most when the resulting loss is near a tranche's attachment point. Other risks are systematic risk, tranche thinness (the 95% and 99% credit VaR are close, so a breach implies a large loss) and loan granularity. Implied correlation is backed out of observable market prices and a tranche pricing function using CDS-implied risk-neutral default probabilities and a copula, producing a base correlation per tranche and hence correlation skew.
- performance tools — loss curves and absolute prepayment speed for auto loans; delinquency ratio, default ratio and monthly payment rate for credit cards; debt service coverage ratio for commercial mortgages; weighted average coupon, weighted average maturity and weighted average life for mortgages; and single monthly mortality, constant prepayment rate and the PSA benchmark for mortgages, home-equity and student loans. CPR = 1 − (1 − SMM)^12; 100% PSA rises 0.2% per month for 30 months to a 6% cap.
Q1. 某三档证券化结构：600 笔贷款、每笔 $2 百万，贷款利率 7%（参考利率 4% + 3% 价差）；高级层占池 75%、票息 4.5%；夹层占 20%、票息 8.5%；股权层占 5%。首期无违约。该期可用于股权层与超额抵押账户分配的残差（超额利差）为：
池流入 = 600 × $2 百万 × 7% = $84.0 百万；高级票息 = $1,200 百万 × 75% × 4.5% = $40.5 百万；夹层票息 = $1,200 百万 × 20% × 8.5% = $20.4 百万；残差 = 84.0 − 40.5 − 20.4 = $23.1 百万。
错法路径：A 没扣两档票息（把池流入当成残差）；B 把两档票息之和当成残差（40.5 + 20.4 = 60.9）；D 把超额抵押触发额当成残差——触发额约束的是股权层当期能取多少，与残差本身不是一回事。
Q2. 某证券化结构：原始池 200 笔、每笔面值 $100 万；高级档占 70%、夹层档占 25%、股权档 5%。期内 15 笔违约、存活 185 笔；贷款利率 7%；违约回收率 35%（期末回收）；期初信托账户 $1,200 万、年收益 4%。期末清算时股权档可分得：
① 贷款利息 = 185 × 7% × $100 万 = $1,295 万；② 存活贷款按面值赎回 = 185 × $100 万 = $1.85 亿；③ 期末回收 = 15 × 35% × $100 万 = $525 万；④ 信托期末余额 = $1,200 万 × 1.04 = $1,248 万。合计 = 1,295 + 18,500 + 525 + 1,248 = $21,568 万。高级档索偿 $1.4 亿 → 足额；夹层档索偿 $5,000 万，余额 21,568 − 14,000 = $7,568 万 > $5,000 万 → 夹层足额；股权档 = 21,568 − 14,000 − 5,000 = $2,568 万。
错法路径：A 只扣了高级档（21,568 − 14,000 = 7,568），忘了夹层档也要先足额受偿；C 漏加期末回收（21,568 − 525 − 19,000 = 2,043）；D 误以为期末清算不给股权档分配——只有在夹层档都拿不满时股权档才为零。
Q3. 某按揭 ABS 的单月死亡率（SMM）为 0.9%，其条件提前还款率（CPR）为：
CPR = 1 − (1 − 0.009)12 = 1 − 0.89719 = 10.28%。
错法路径：B 把月率简单年化（12 × 0.9% = 10.8%），漏了复利；C 把单月率直接当年率（未做任何年化）；D 把复利方向做反（(1 + 0.009)12 − 1 = 11.35%）。注意 CPR 恒小于「月率 × 12」，因为每月提前还款会缩小后续的池余额基数。
Q4. 关于违约概率与违约相关性对证券化分层的影响，下列说法最准确的是：
违约概率上升会压低所有档的均值价值；在信用 VaR 上，股权档 VaR 下降（收益变动变小）、高级档 VaR 上升（收益变动变大）、夹层档先升后降。
错法路径：A 方向记反——相关性上升会让「几乎没有违约」的情形也更可能出现，因此股权档价值上升而非下降（受损的是高级档）；B 混淆了档位——夹层档的影响是混合的：低违约率下相关性上升压低其价值（像高级档）、高违约率下反而抬高（像股权档），并非与高级档相同的单调关系；C 与源文结论相反——当相关性高（0.6 以上）时各档 VaR 对违约概率高低不敏感，总体上相关性是更重要的风险因子，不能忽略。
🧮 交互计算器 Calculators
输入数字，点击按钮即得结果（默认采用考试常用口径）。
① 预期损失 EL = PD × EAD × LGD
② 单笔 UL（简化二项）：UL = EAD×LGD×√(PD(1−PD))
③ 距离违约 DD 与违约概率（Merton 近似）
④ 由信用利差近似违约概率：PD ≈ s/(1−R)
⑤ 单因子模型资产相关：ρ = β₁×β₂
⑥ 净额结算后净敞口 = max(Σ市值, 0)
⑦ CSA 信用支持金额 = max(暴露 − 门槛, 0)
⭐ 信用风险核心公式速查
按章节组织，考前冲刺一目了然。
| 公式 | 含义 / 中文 |
|---|---|
| EL = PD × EAD × LGD | 预期损失（可定价、靠拨备） |
| UL = EAD×LGD×√(PD(1−PD))（简化二项） | 非预期损失（靠经济资本） |
| UL_p = √(ΣULᵢ² + ΣΣi≠jρijULᵢULⱼ) | 组合 UL（含违约相关） |
| EC = 损失(置信分位) − EL | 经济资本 = 尾部损失 − 预期损失 |
| CAR = 资本 / RWA | 资本充足率（Basel III ≥ 8%） |
| RAROC = (收益 − EL) / 经济资本 | 风险调整资本回报率 |
| Z-score = 1.2X₁+1.4X₂+3.3X₃+0.6X₄+1.0X₅ | Altman 判别：>2.99 安全，<1.81 危险 |
| CPDn = Σ 各年 MPD | 累计 = 各年边际之和 |
| F(t) = 1 − e^(−λt) | 危险率 λ：到 t 年违约概率 |
| s ≈ (1−R)·λ → λ ≈ s/(1−R) | 由 CDS 价差近似危险率 |
| PD ≈ s/(1−R)（价差） | 由信用利差近似违约概率 |
| DD = (V−F)/(σ_V·V)；PD ≈ N(−DD) | Merton 距离违约与违约概率 |
| a_i = βᵢ·m + √(1−βᵢ²)·εᵢ | 单因子模型（收益分解） |
| Corr(aᵢ,aⱼ) = βᵢ·βⱼ | 单因子下资产相关 |
| P(Dᵢ∩Dⱼ) = Φ₂(Φ⁻¹(PDᵢ),Φ⁻¹(PDⱼ);ρ) | Gaussian copula 联合违约概率 |
| CVA ≈ (1−R)·Σ EPEtPDtDFt | 信用估值调整 |
| DVA ≈ (1−R)·Σ ENEtPDtDFt；BCVA=CVA+DVA | 债务估值调整 / 双边 CVA |
| 净敞口 = max(Σ 市值, 0) | 净额结算后敞口 |
| 应缴抵押品 = max(暴露−门槛, 0) | CSA 信用支持金额 |
| SMM = 1−(1−CPR)^(1/12) | CPR 月化 |
| 100% PSA: 30月升到 6% CPR 后维持 | 提前还款基准曲线 |
| WAL/WAC/WAM/DSCR 定义 | 结构化业绩指标 |