2007年-BIS国际清算银行_Modelling_and_calibration_errors_in_measures_of_portfolio_credit_risk_42页_307kb

报告摘要

总结：Modeling and Calibration Errors in Measures of Portfolio Credit Risk

核心内容

本文探讨了在评估组合信用风险时，模型误设和校准误差对资本缓冲计算的影响。作者通过实证方法分析了这些误差在不同情况下的表现，并得出结论：在实际操作中，模型校准误差是导致信用风险评估偏差的主要原因，而非模型本身的误设。

主要观点

ASRF模型的假设：
- ASRF模型假设信用风险由单一共同因子驱动，并且组合具有完美的分散性（即“完美颗粒度”）。
- 该模型的“组合不变性”特性意味着信用风险的计算仅依赖于单个暴露的参数，如违约概率（PD）、损失率（LGD）和对共同因子的依赖。
模型误设的影响：
- 违反ASRF模型的关键假设（如单一共同因子或完美颗粒度）对信用风险评估的影响微乎其微。
- 误设导致的多因子效应（multi-factor effect）仅使目标资本缓冲低估约1%，因为单一因子近似在数据中表现良好。
颗粒度效应：
- 当组合中暴露数量较少或集中于少数借款人时，颗粒度效应会显著增加。
- 颗粒度效应意味着模型低估了组合的信用风险，因为无法完全分散非系统性风险。
校准误差的影响：
- 校准误差主要来自资产回报相关性的估计误差或对尾部依赖性的错误假设。
- 相关性水平效应（correlation level effect）：资产回报相关性被高估时，资本缓冲会高估目标水平，增加约8%。
- 相关性分散效应（correlation dispersion effect）：资产回报相关性在不同暴露对之间存在差异时，资本缓冲可能高估目标水平，增加约12%。
- 小样本误差效应：当用户仅使用5到10年的月度数据时，资本缓冲可能与目标水平偏差达30%到45%。
- 尾部依赖性效应：实证数据显示，资产回报的尾部依赖性与传统正态分布假设不符，导致资本缓冲低估达22%到86%。
资本缓冲的计算：
- 资本缓冲应基于组合的“真实”损失分布计算，即信用VaR减去预期损失。
- 实际中，基于ASRF模型的“快捷”资本缓冲计算方法可能低估或高估目标资本，具体取决于误差类型。

关键信息

数据来源：使用了包含近11,000家非金融企业的Moody's KMV数据，包括PD和资产回报相关性。
误差类型：
- 多因子效应：由多个共同因子导致，可能使资本缓冲低估或高估。
- 颗粒度效应：由组合中暴露数量较少或集中导致，使资本缓冲低估。
- 相关性水平效应：由资产回报相关性估计的系统性偏差导致，使资本缓冲高估。
- 相关性分散效应：由相关性估计的非系统性偏差导致，使资本缓冲高估。
- 小样本误差效应：由数据不足导致，使资本缓冲偏差较大。
- 尾部依赖性效应：由对尾部依赖性的错误假设导致，使资本缓冲严重低估。
结论：
- 实际应用中，模型的校准误差比误设更为重要。
- 在资本缓冲计算中，应关注资产回报相关性估计的准确性和尾部依赖性的正确建模。

误差分解

文章将目标资本与快捷资本之间的差异分解为四个非重叠且全面的组成部分：

多因子效应：由多个共同因子导致，资本缓冲低估约1%。
颗粒度效应：由组合的非完美分散性导致，资本缓冲低估约5%。
相关性水平效应：由相关性估计的系统性偏差导致，资本缓冲高估约8%（每1个百分点的平均相关性高估）。
相关性分散效应：由相关性估计的非系统性偏差导致，资本缓冲高估约12%。

与文献对比

相较于现有文献，本文更全面地涵盖了模型误设和校准误差的多种来源。
其他研究主要关注ASRF模型的误设问题，而本文强调了校准误差的重要性。
一些研究（如Martin and Wilde, 2002；Gordy and Luetkebohmert, 2006）探讨了颗粒度效应，而本文进一步量化了其影响。
本文还分析了尾部依赖性与资产回报相关性之间的区别，指出尾部依赖性误差可能导致资本缓冲严重低估。