互联网金融信用风险模型研究

潘昱含，李艳丽，李 虹，薛 亮

（盐城工学院，江苏 盐城 224051）

互联网金融是传统金融结合网络技术与信息技术利用大数据技术实现资金融通、在线支付等金融服务，其以虚拟形态存在，将金融与互联网深度融合，第三方支付、众筹、P2P等形式给金融市场注入了极大的活力，也带来了前所未有的机遇，极大提升了金融服务效率，已成为金融市场发展新趋势。互联网金融属于新生事物，由于消费者社会认知程度不同、法律不完善、监管漏洞等多种因素，以及其特殊的网络技术背景，具有信息不对称的特点，使得互联网金融领域存在着极高的信用风险。信用风险（即违约风险）指授信人未能按照契约履行其义务而造成授信人经济损失的风险。传统的信用风险评价方法有专家方法、评级方法和信用评分方法。在信息技术和网络技术快速发展的今天，互联网金融正融入我们每个人的生活，如何规避这种信用风险成为学术界和实务界面临的一大难题。本文在金融风险模型的基础上对信用风险度量模型进行研究，找到适合我国当前互联网金融市场的现代信用风险度量模型，为测度并降低互联网金融信用风险服务。现代信用风险模型包括以下几种：

一、CreditMetrics模型

该模型由J.P.Morgan提出，基于VAR模型估计信用风险，该模型分析债务人在给定的风险期间从一种信用评级转移为另一种信用评级的概率，包括分析性和Montecarlo模拟两部分，对贷款和债券在规定的单位时间内的未来价值变化分布进行估计。Credit Metrics用股票回报的相关性来近似代替资产回报的相关性，并通过资产相关性来计算违约相关性。对相同利率的债务人，设Pdef=Pr（Vt≤Vdef），其中Vt表示公司资产，并服从标准的几何布朗运动：，分别表示公司资产收益的均值和方差，E（VT）=V0exp{μt}表示VT在T时刻的期望，则违约发生在ZT的概率满足：

具体应用时，对于大量债务金融产品的组合，先算出每个级别的资产回报下限点、每对债务资产回报的相关系数，然后利用MonteCarlo法产生组合的远期价值分布。

二、CrdeitPortfolioView模型

该模型是受GDP增长率、失业率、利率、汇率等多个经济因素决定的模型，对每个国家不同行业中就不同等级的违约和转移概率的联合条件分布进行模拟。CreditPortfolioView模型与宏观经济有因果关系。当经济状况恶化时，违约增加。反之违约减少。经济状态决定系统性信用风险，违约概率

三、CreditRisk+模型

该模型是瑞士信贷金融公司于1996年开发的信用风险管理系统，是基于统计学的精算风险模型，它假定违约率在信用周期内是随机波动的，并且其本身是风险的驱动因素。其使用违约率的波动性来反映违约相关性效应，假定单笔债券或贷款的违约前景服从泊松过程（Poisson Process），它不关注违约的具体原因，CreditRisk+认为违约相关性一般由外部事件引起，使用违约率的波动性来反映，最大优点在于对数据要求较低。

四、KMv模型

模型是假设当公司的市场价值降到一定水平之下时公司就会违约。计算预期违约概率，在KMv模型中，信用风险从根本上是由发行者的资产价值的变化引起的。因此，在给定公司现时价值的情况下，一旦确定出资产价值的随机过程，便可以得到任一时间单位的实际违约概率。KMv模型特别适用于公开上市的公司，它们的股票价值由市值决定，这样包含公司股票价格和平衡表的信息便可以转化为一个暗含的违约风险，通过企业的财务结构、资产回报波动率和一企业资产的市值来推导预期违约率。认为债务人的违约风险内生于债务人企业的负债结构和资产结构，可以通过企业自身的财务特征而非最初的信用评级来预测企业的违约前景。