摘要：針對傳統(tǒng)的二項檢驗假設違約事件相互獨立的問題，本文在考慮違約相關情況下，應用交通信號燈法將組合違約資產數(shù)目分布分為綠、黃和紅三個區(qū)域，并采用改進的粒度調節(jié)方法估計違約資產數(shù)目的臨界值，進而根據(jù)實際違約資產數(shù)目的降落情況判斷內部評級的校準質量，得到一種方便、有效的商業(yè)銀行內部評級系統(tǒng)驗證方法。

關鍵詞：違約概率驗證；交通信號燈法；二項檢驗；粒度調節(jié)法

違約概率（PD）是度量信用風險的關鍵參數(shù)之一，其準確性直接影響著商業(yè)銀行信貸決策、風險管理的水平?，F(xiàn)有的二項檢驗、正態(tài)檢驗等均假設信用組合的違約事件相互獨立，使得預測違約概率與真實違約率之間偏差被顯著地高估，尤其是在預測違約概率低于真實違約率、存在低估風險的情況下。從保守風險評估的角度看，高估偏差并不是違約概率驗證的關鍵問題，但一直顯著地高估會導致頻繁地校準評級模型，從而對評級系統(tǒng)的穩(wěn)定性造成負面影響。因此，發(fā)展結合違約相關影響的違約概率驗證程序是銀行建立內部評級體系、提升風險管理能力的內在要求和必然選擇。

本文借助Vasicek單因素模型，在考慮違約相關情況下，應用交通信號燈法檢驗違約概率預測的準確性并采用改進的粒度調節(jié)方法求解信用組合違約人數(shù)分布的臨界值，以得到一種方便、有效的商業(yè)銀行內部評級系統(tǒng)的定量驗證方法。

一、交通信號燈法

交通信號燈法是巴塞爾委員會推薦用于驗證商業(yè)銀行市場風險內部模型的主流方法，其對所產生的受險價值（VaR）的離群值進行綠、黃和紅區(qū)的二項檢驗，以做出是否增加資本要求的決策，是對統(tǒng)計檢驗的一個很大的擴展性探索。

將交通信號燈法的思想用于驗證內部評級的違約概率PD預測，考慮一個信用等級個數(shù)為K的評級系統(tǒng)，對于一個時期（通常為一年）的任一信用等級k∈{1，…，K}，定義其包含借款人的數(shù)目為nk，在觀察期內發(fā)生違約的人數(shù)為Kk，進行“評級系統(tǒng)預測的信用等級k的違約概率PDk是否被顯著性地低估”的單側檢驗，即原假設H0：違約概率預測PDk是保守的，其大于或等于信用等級k的實際違約率；備擇假設H1：違約概率預測PDk小于信用等級k的實際違約率。

二、信用組合損失建模

三、粒度調節(jié)法求解違約人數(shù)分布

上面方法實際上是對信用組合違約率Rk分布進行無限粒度調節(jié)，如果信用等級k中含有充分多的借款人，（13）式就提供了關于違約率Rk分布的極好近似，但這在現(xiàn)實中通常是無法達到的，從而導致依據(jù)其計算出的組合違約數(shù)目Dk的分位數(shù)出現(xiàn)偏差，進一步影響到違約概率PDk驗證結果的準確性。下面將利用Taylor展開公式將無限粒度調節(jié)方法改進為有限粒度調節(jié)，解決信用等級k中借款人數(shù)量較小時違約率Rk的分位數(shù)計算和違約概率PDk驗證結果的失真問題，有效地提高決策的準確性。

需要說明的是，（12）式是在組合違約率Rk連續(xù)分布假設下得出的Taylor展開形式，而違約數(shù)目Dk分布的離散本質可能導致違約率Rk的α分位數(shù)q（α，Rk）的一階、二階導數(shù)在非整數(shù)Dk對應的組合違約率Rk點不存在，但其對于整數(shù)Dk對應的組合違約率Rk是有意義的，這恰好是需要關注的重點。

對于給定違約概率預PDk測、資產相關系數(shù)ρ的信用等級k，當資產數(shù)目非常大（如nk≥200）時，可應用（11）式近似計算組合違約率Rk的α分位數(shù)q（α，Rk）；當資產數(shù)目較小（如nk<200）時，可應用（13）式計算組合違約率Rk的α分位數(shù)q（α，Rk），而當資產數(shù)目nk→∞時，（13）式將收斂于（11）式。進一步，可利用交通信號燈法檢驗信用等級k的違約概率預測PDk的準確性，當實際違約數(shù)目閱贊k位于違約數(shù)目Dk分布的紅色區(qū)域時，表示內部評級系統(tǒng)存在著十分嚴重的問題，必須對其進行重新校準，使其與銀行主標尺相一致。

四、結論

從以上分析可以得出以下結論。

1.應用交通信號燈法，可將原假設“信用等級的違約概率預測準確”下估計的組合違約資產數(shù)目分布分為綠、黃和紅三個區(qū)域，進而根據(jù)實際違約資產數(shù)目的降落情況判斷內部評級的校準質量，做出是否需要對其進行重新校調的決策。

2.由于假設違約事件相互獨立，傳統(tǒng)的二項檢驗存在著低估違約資產數(shù)目臨界值的現(xiàn)象，尤其在資產相關系數(shù)較高時，這種低估顯得更為嚴重。

3.在資產數(shù)目較小時，無限粒度調節(jié)方法也存在著低估違約資產數(shù)目臨界值的現(xiàn)象，而有限粒度調節(jié)方法可以得到違約資產數(shù)目臨界值的較好近似；隨著組合資產數(shù)目的增加，兩種粒度調節(jié)方法得出的違約資產數(shù)目臨界值會趨于一致。

參考文獻：

[1]Wolfgang A. and Florian R. Pitfalls and remedies in testing the calibration quality of rating systems[J]. Journal of Banking & Finance，2011（3）.

[2]Vasicek O..Loan Portfolio Value[J].Risk，2002（10）.

[3]Gordy M. Granularity adjustment in portfolio credit risk measurement[J].Risk Measures for the 21st Century，John Wiley，2004.

[4]Martin R. and Wilde T..Unsystematic Credit Risk[J].Risk，2002（11）.

*本文系教育部人文社會科學研究青年基金項目，項目編號為：12YJC790116。

（作者單位：天津財經(jīng)大學金融系）