信用风险组合模型

　　根据原理上的差异，信用风险组合模型可以分为两类

　　l 解析模型。通过一些简化假设，对信贷资产组合给出一个“准确”的解。解析模型能够快速得到结果，但缺点是需要建立在对违约风险因素诸多苛刻的假定基础上。

　　l 仿真模型。用大量仿真试验(情景模拟)所产生的经验分布来近似代替真实分布。仿真模型具有很大的灵活性，但是对信息系统的计算能力要求很高。

　　(1)CreditMetrics模型

　　CreditMetrics模型本质上是一个VaR模型，目的是为了计算出在一定的置信水平下，一个信用资产组合在持有期限内可能发生的最大损失。CreditMetrics模型的创新之处正是在于解决了计算非交易性资产组合VaR这一难题。

　　①信用风险取决于债务人的信用状况，尔债务人的信用状况则用信用等级表示。

　　②信用工具(包括贷款、私募债券等)的市场价值取决于借款人的信用等级，即不同信用等级的信用工具有不同的市场价值，因此，信用等级的变化会带来信用工具价值的相应变化。

　　③CreditMetrics模型的一个基本特点就是从资产组合而并不是单一资产的角度来看待信用风险。

　　④由于CreditMetrics模型将单一的信用工具放入资产组合中衡量其对整个组合风险状况的作用，而不是孤立地衡量某一信用工具自身的风险，因而，该模型使用了信用工具边际风险贡献(Marginal Risk Contribution)这样的概念来反映单一信用工具对整个组合风险状况的作用。边际风险贡献是指因增加某一信用工具在组合中的持有量而增加的整个组合的风险。

　　相关推荐：2017年基金从业资格考试报名时间一览表

　　基金从业报名入口>>>中国基金从业协会

　　2017年基金从业准考证打印入口

　　2017年基金从业资格考试报名条件