信用风险分析的统计技术

前言: 本文为课堂笔记, 介绍了各种基本的信用风险分析的统计技术, 包括多元logistic模型, 多项probit模型, 判别分析法, Z评分模型, 生存模型, 马尔科夫链等方法.

违约概率: 公司不完全, 及时履行债券合约的可能性.
人们通常用公司债务的信用评级表示信用质量, 不同的信用评级对应不同的违约概率.
在金融市场的定价中, 资产并不总是能够按照价值出售. 资产流动性和出售限制也是决定公司违约概率的重要变量.

信用分析的统计技术, 指的是应用统计方法寻找公司违约的概率与公司状态, 行业, 宏观经济形势的统计关系. 统计方法会选择影响违约概率的经济变量来估计公司股东的违约概率. 而这样得到的均是关于公司信用质量的经验模型. 目前广泛被监管当局和实务界应用的金融风险模型, 都是基于信用风险理论和统计方法的经验模型.
若仅仅考虑公司是否违约, 不考虑公司违约的影响和后果, 则公司是否违约是一个定性判断的问题.
债券的违约概率是[0,1]之间的实数, 可以作为回归模型的因变量. 如果假设不同信用等级对应不同的违约概率, 将信用评级的违约概念与信用质量, 宏观经济状态等建立联系.

假设信用评级一共有K+1个等级, 例如取Y = {0, 1, 2, …, K}, 公司特征是影响公司信用质量的变量, 分别反映公司的经营风险和财务风险.
记反映公司经营风险和财务风险特征的指标(包括宏观经济状态等一切影响公司信用质量的指标)为x = (x1, x2, x3, …, xn), 称为状态. 这些指标既可以包含公司财务, 经营信息, 也可以包含宏观经济形势和行业信息. 则公司在状态x = (x1, x2, x3, …, xn)下, 信用质量为Y的概率为:
P{Y|x1, x2, x3, …, xn} = p(x1, x2, x3, …, xn), p表示概率, 取值在[0,1]之间.
用统计模型估计不同信用等级对应的违约概率时, 隐含价和债券的期限是给定的, 违约概率大小与债务期限长短有关, 不同的信用评级对应债务的不同违约概率, 而且相同信用等级债券的违约概率稳定, 仅仅随状态变量x = (x