R语言计量金融初学指南

第7章　信用风险管理

本章介绍一些信用风险管理的有用工具。因为金融协议中对手方的信用质量发生未预期的改变，相应产生的金融损失的分布（Giesecke 2004）称为信用风险（credit risk）。人们已经发展了许多工具和行业解决方案来管理信用风险。依照文献，信用风险可以分为违约风险（default risk）、降级风险（downgrade risk）或对手风险（counterparty risk）。在大多数情况下，违约风险是与不履行债权或信用直接相关的风险。相比而言，由于信用评级恶化而非发生任何信用事件引发债券价格下降时，降级风险上升。对手风险意味着因为合约的对手方不满足合约义务而引发的风险。但是，定义信用事件的合约或监管常常比仅仅错过一个支付更为广泛。对可能违约的最终估计建模是所有3种情况的基本要求。

信用风险管理在金融机构中通过多种方式实施。通常的相关任务如下。

• 信用组合选择（例如，商业银行关于贷款或信用评分的决策）。
• 度量并预测违约或降级的概率（比如，使用CreditMetrics的信用评级迁移矩阵）。
• 对违约或降级所引起的金融损失分布建模（对单个实体进行结构化的和简约化的定价和建模，或者对投资组合进行相依性的结构化建模）。
• 减轻或消除信用风险（采用对冲、分散化、预防，或者保险，我们不会在本书中进行研究）。

在本章中，我们对上面列出的一些问题会给出一些R应用案例。首先，我们介绍信用损失建模的基本概念，即结构化和简约化的方法，及其在R中的应用。接着，我们提供一种叫作copula的相关随机变量实践方法，它对结构化信用衍生品定价是一种有用的技术。我们还会说明如何使用R管理信用迁移矩阵，最后，我们还使用分析工具深入探究信用得分，比如logit和probit回归以及受试者操作特征曲线（ROC）分析。 ...