互聯網金融信用風險模型研究

潘昱含，李艷麗，李 虹，薛 亮

（鹽城工學院，江蘇 鹽城 224051）

互聯網金融是傳統金融結合網絡技術與信息技術利用大數據技術實現資金融通、在線支付等金融服務，其以虛擬形態存在，將金融與互聯網深度融合，第三方支付、眾籌、P2P等形式給金融市場注入了極大的活力，也帶來了前所未有的機遇，極大提升了金融服務效率，已成為金融市場發展新趨勢?；ヂ摼W金融屬于新生事物，由于消費者社會認知程度不同、法律不完善、監管漏洞等多種因素，以及其特殊的網絡技術背景，具有信息不對稱的特點，使得互聯網金融領域存在著極高的信用風險。信用風險（即違約風險）指授信人未能按照契約履行其義務而造成授信人經濟損失的風險。傳統的信用風險評價方法有專家方法、評級方法和信用評分方法。在信息技術和網絡技術快速發展的今天，互聯網金融正融入我們每個人的生活，如何規避這種信用風險成為學術界和實務界面臨的一大難題。本文在金融風險模型的基礎上對信用風險度量模型進行研究，找到適合我國當前互聯網金融市場的現代信用風險度量模型，為測度并降低互聯網金融信用風險服務?，F代信用風險模型包括以下幾種：

一、CreditMetrics模型

該模型由J.P.Morgan提出，基于VAR模型估計信用風險，該模型分析債務人在給定的風險期間從一種信用評級轉移為另一種信用評級的概率，包括分析性和Montecarlo模擬兩部分，對貸款和債券在規定的單位時間內的未來價值變化分布進行估計。Credit Metrics用股票回報的相關性來近似代替資產回報的相關性，并通過資產相關性來計算違約相關性。對相同利率的債務人，設Pdef=Pr（Vt≤Vdef），其中Vt表示公司資產，并服從標準的幾何布朗運動：，分別表示公司資產收益的均值和方差，E（VT）=V0exp{μt}表示VT在T時刻的期望，則違約發生在ZT的概率滿足：

具體應用時，對于大量債務金融產品的組合，先算出每個級別的資產回報下限點、每對債務資產回報的相關系數，然后利用MonteCarlo法產生組合的遠期價值分布。

二、CrdeitPortfolioView模型

該模型是受GDP增長率、失業率、利率、匯率等多個經濟因素決定的模型，對每個國家不同行業中就不同等級的違約和轉移概率的聯合條件分布進行模擬。CreditPortfolioView模型與宏觀經濟有因果關系。當經濟狀況惡化時，違約增加。反之違約減少。經濟狀態決定系統性信用風險，違約概率

三、CreditRisk+模型

該模型是瑞士信貸金融公司于1996年開發的信用風險管理系統，是基于統計學的精算風險模型，它假定違約率在信用周期內是隨機波動的，并且其本身是風險的驅動因素。其使用違約率的波動性來反映違約相關性效應，假定單筆債券或貸款的違約前景服從泊松過程（Poisson Process），它不關注違約的具體原因，CreditRisk+認為違約相關性一般由外部事件引起，使用違約率的波動性來反映，最大優點在于對數據要求較低。

四、KMv模型

模型是假設當公司的市場價值降到一定水平之下時公司就會違約。計算預期違約概率，在KMv模型中，信用風險從根本上是由發行者的資產價值的變化引起的。因此，在給定公司現時價值的情況下，一旦確定出資產價值的隨機過程，便可以得到任一時間單位的實際違約概率。KMv模型特別適用于公開上市的公司，它們的股票價值由市值決定，這樣包含公司股票價格和平衡表的信息便可以轉化為一個暗含的違約風險，通過企業的財務結構、資產回報波動率和一企業資產的市值來推導預期違約率。認為債務人的違約風險內生于債務人企業的負債結構和資產結構，可以通過企業自身的財務特征而非最初的信用評級來預測企業的違約前景。