商業(yè)銀行信用風(fēng)險(xiǎn)模型的發(fā)展及構(gòu)建

摘 要：2007年至2008年美國次貸危機(jī)引發(fā)的全球金融危機(jī)導(dǎo)致舉世聞名的投資銀行貝爾斯登（Bear Stearns）破產(chǎn)，雷曼兄弟（Lehman Brothers）破產(chǎn)以及對美林（Merrill Lynch）的收購（Gupta，J.，2014）。許多金融機(jī)構(gòu)飽受這場危機(jī)之苦，全球財(cái)富大幅貶值。隨著財(cái)富的貶值，世界經(jīng)濟(jì)經(jīng)歷了長期的衰退和蕭條，金融風(fēng)險(xiǎn)被推到了頂峰，但其信貸危機(jī)的根源是信貸過度擴(kuò)張所致。因此，防范信用風(fēng)險(xiǎn)的第一步是建立信用風(fēng)險(xiǎn)模型并加以應(yīng)用。本文將從中小企業(yè)和大型企業(yè)的角度描述不同的信用風(fēng)險(xiǎn)模型，分析信用風(fēng)險(xiǎn)度量的發(fā)展，最后找出銀行發(fā)展自身信用模型的動(dòng)力。

關(guān)鍵詞：商業(yè)銀行;信用風(fēng)險(xiǎn);Logistic模型;KMV模型;信用模型

引言：風(fēng)險(xiǎn)管理就是對各種風(fēng)險(xiǎn)因素進(jìn)行收集和分析的基礎(chǔ)上，能夠準(zhǔn)確地預(yù)測出可能出現(xiàn)的各類風(fēng)險(xiǎn)，然后制定出相應(yīng)的識(shí)別、衡量、有效處理等多種風(fēng)險(xiǎn)處理手段，主要目的就是以最小的成本降低風(fēng)險(xiǎn)后果，在制定一系列系統(tǒng)科學(xué)的管理辦法后降低損失。銀行是主要的風(fēng)險(xiǎn)管理主體，他們可以通過識(shí)別、衡量、有效處理等多種風(fēng)險(xiǎn)處理手段來分解和化解遇到的各種風(fēng)險(xiǎn)。選擇各種合理的風(fēng)險(xiǎn)管理技術(shù)來維持經(jīng)營，并且實(shí)現(xiàn)利益最大化。

在目前的銀行風(fēng)險(xiǎn)管理中信用風(fēng)險(xiǎn)管理是主要的分支，是針對違約可能造成的風(fēng)險(xiǎn)進(jìn)行的管理。銀行通過的信用風(fēng)險(xiǎn)的識(shí)別和度量進(jìn)行相應(yīng)的管控，在盡量降低和避免經(jīng)濟(jì)損失的前提下，保證經(jīng)營管理的安全進(jìn)行。其首要目的就是能夠保證銀行能夠承擔(dān)風(fēng)險(xiǎn)帶來的損失。銀行所面對的風(fēng)險(xiǎn)損失應(yīng)該是自己所能承受的，銀行要在資源配置風(fēng)險(xiǎn)最小化的前提下，完成收益最大化，并且能夠在此基礎(chǔ)上實(shí)現(xiàn)風(fēng)險(xiǎn)水平的降低。

信用風(fēng)險(xiǎn)量化主要是指違約率的測算，這是金融界不可回避的重要的話題之一。西方發(fā)達(dá)國家一直將信用風(fēng)險(xiǎn)量化模型分為如下兩種：傳統(tǒng)信用風(fēng)險(xiǎn)模型和現(xiàn)代信用風(fēng)險(xiǎn)模型。

一、傳統(tǒng)信用風(fēng)險(xiǎn)模型

傳統(tǒng)信用風(fēng)險(xiǎn)模型主要包括古典信用分析方法與財(cái)務(wù)比率模型。

1.專家系統(tǒng)

古典信用分析方法又稱專家系統(tǒng)，意味著信貸的決策權(quán)通常由受過長期培訓(xùn)、并具有豐富貸款經(jīng)驗(yàn)的管理者控制（Altman，EI，&Saunders，A.，1997）。他們使用分析工具來分析信用風(fēng)險(xiǎn)的主觀判斷。因子分析是常見的專家系統(tǒng)法則，概括為“5W或5P分析”。5W是誰（借款人），為什么（貸款原因），何時(shí)（還款時(shí)間），什么（抵押），如何（還款方式）。5P是個(gè)人因素，目的因素，支付因素，保護(hù)因素和預(yù)期因素。

但是，專家系統(tǒng)方法是定性分析方法，不能對不同元素進(jìn)行排序。由于中小企業(yè)的管理落后，如抵押品少、規(guī)模較小等，因此不適用于中小企業(yè)的信用風(fēng)險(xiǎn)評估。評估過程的成本也是相關(guān)的相對較大，結(jié)果是主觀和隨機(jī)的。從嚴(yán)格的角度來看，此方法不適用于運(yùn)行嚴(yán)格的管理系統(tǒng)的大型公司。

2.信用評分方式

信用評分模型就是指對借款人信用狀況指標(biāo)進(jìn)行外部影響和內(nèi)部影響因素的權(quán)重，這些指標(biāo)在一定程度上，可以通過技術(shù)手段完成對借款人的經(jīng)濟(jì)狀況的精準(zhǔn)分析。將違約概率和信用綜合評分的值與標(biāo)準(zhǔn)值進(jìn)行比較，可以確定是否發(fā)放貸款和貸款等級。這種方法被廣泛使用，主要包括Logit分析方法。用信用評分法構(gòu)建的模型可以降低人工成本，同時(shí)提高決策效率。

Logit模型假設(shè)事件的概率遵循Logistic分布（Altman等，2010）。就是通過回歸分析索引變量的方式，來預(yù)測事件發(fā)生的概率。P=虛擬變量。當(dāng)P值為0時(shí)，說明風(fēng)險(xiǎn)事件的發(fā)生概率為零，則沒有任何風(fēng)險(xiǎn)。當(dāng)P值為1時(shí)，說明事件發(fā)生。P值的數(shù)值越接近1，風(fēng)險(xiǎn)發(fā)生概率越大。銀行在進(jìn)行信用風(fēng)險(xiǎn)評估的過程中，有兩種情況是違約或非違約。這是一個(gè)二進(jìn)制因變量，可以使用Logit方法進(jìn)行定量分析。

與其他方法相比，應(yīng)用Logit回歸模型的局限性較小。它不需要數(shù)據(jù)服從正態(tài)分布，并且方差不必相等。從回歸分析得出的默認(rèn)概率也不需要與影響因素呈線性關(guān)系。因此，Logit方法適用于中小企業(yè)和大公司的風(fēng)險(xiǎn)評估研究。

3.財(cái)務(wù)比率評分模型

在定性分析和計(jì)算出的財(cái)務(wù)比率的基礎(chǔ)上，銀行通過簡單的數(shù)學(xué)計(jì)算來分析借款人的財(cái)務(wù)狀況，并根據(jù)行業(yè)標(biāo)準(zhǔn)比較借款人的財(cái)務(wù)狀況和發(fā)展趨勢，從而確定客戶的信用風(fēng)險(xiǎn)狀況。財(cái)務(wù)比率評分方法包含大量的定性分析內(nèi)容，并且還包含某些定量指標(biāo)。具有一定的直覺和示范性，是銀行信用風(fēng)險(xiǎn)分析與管理技術(shù)的重大進(jìn)步。

由于財(cái)務(wù)比率計(jì)分方法過于依賴公司發(fā)布的財(cái)務(wù)報(bào)表來分析其信用風(fēng)險(xiǎn)，因此該方法不適用于由于會(huì)計(jì)系統(tǒng)不完整而無法保證財(cái)務(wù)報(bào)表的準(zhǔn)確性和嚴(yán)謹(jǐn)性的中小企業(yè)。此外，財(cái)務(wù)比率計(jì)分方法的特點(diǎn)是分別分析影響信用風(fēng)險(xiǎn)的各種財(cái)務(wù)指標(biāo)。它無法鏈接財(cái)務(wù)指標(biāo)以進(jìn)行全面分析。因此，不能從整體上評估公司的信用風(fēng)險(xiǎn)。從這個(gè)角度來看，這種方法不能滿足大型公司的要求，因?yàn)榇笮凸究赡軗碛袕?fù)雜的所有權(quán)結(jié)構(gòu)和多種資產(chǎn)類型。

二、現(xiàn)代信用風(fēng)險(xiǎn)模型

新的度量模型出現(xiàn)于上個(gè)世紀(jì)90年代，主要有J.P摩根的CreditMetrics模型、KMV（Kealshofer、McQuown、Vasicek）公司的 KMV模型、瑞士信貸銀行的組合信用風(fēng)險(xiǎn)度量的credit? risk+模型。

1.RAROC模型

風(fēng)險(xiǎn)信托調(diào)整后的資本回報(bào)率（RAROC）是在1970年代提出的，目前已經(jīng)成為世界上所有國際銀行中最主要的風(fēng)險(xiǎn)管理方式。其主要的計(jì)算方法就是：調(diào)整收益率的前提是，扣除預(yù)期損失和你經(jīng)濟(jì)資本計(jì)量的未計(jì)量損失。這種計(jì)算方式不但可以將風(fēng)險(xiǎn)損失量化，而且計(jì)入當(dāng)期成本之中，還能夠提升當(dāng)期盈利能力。在進(jìn)行風(fēng)險(xiǎn)調(diào)整之后，銀行開始根據(jù)收益后的分配進(jìn)行意外風(fēng)險(xiǎn)損失的緩沖，在衡量銀行資本效率的同時(shí)對其應(yīng)當(dāng)承擔(dān)的風(fēng)險(xiǎn)進(jìn)行脫離匹配，其主要目的就是實(shí)現(xiàn)股東利益和銀行利益的最大化。RAROC已被大型銀行廣泛接受，并適用于中小型企業(yè)和大公司的業(yè)務(wù)。

2.基于VaR的信用風(fēng)險(xiǎn)模型

在一定程度的公差d、下，VaR是可能損失的最大值。 VaR實(shí)際上回答了銀行投資組合在下一階段可能損失多少錢。

（1）信用指標(biāo)模型（JP Morgan）

Credit Metrics模型是基于JP Morgan Corporation并與其他公司聯(lián)合使用的VaR模型，于1997年引入，用于使用資產(chǎn)組合理論進(jìn)行信用風(fēng)險(xiǎn)評估。首先，要想獲得信用等級轉(zhuǎn)換概率矩陣，就必須根據(jù)貸款公司和個(gè)人信用等級變化獲取相應(yīng)的數(shù)值。根據(jù)市場價(jià)值進(jìn)行估計(jì)貸款和貸款組合，最終算出貸款和貸款組合價(jià)值的實(shí)際分布。最后，最終的結(jié)果VaR值，來源于貸款價(jià)值和貸款組合的均值和方差。該模型的最終結(jié)果不是借款人的違約概率，也不是信用損失，而是更直觀的信用風(fēng)險(xiǎn)值。它可以分析投資組合資產(chǎn)的VaR和單個(gè)風(fēng)險(xiǎn)的邊際風(fēng)險(xiǎn)貢獻(xiàn)（Frey，R.&McNeil，A. J.，2002）。

該模型結(jié)合了違約貸款回收率和信用評級轉(zhuǎn)移等其他因素，認(rèn)為貸款風(fēng)險(xiǎn)計(jì)量更全面地反映了銀行的信用風(fēng)險(xiǎn)。不僅適用于信用風(fēng)險(xiǎn)的預(yù)測，對信用資產(chǎn)組合風(fēng)險(xiǎn)進(jìn)行更好地衡量。最模型所涉及到的貸款回收率和信用等級轉(zhuǎn)換概率，都可以使用銀行提供的歷史實(shí)際數(shù)據(jù)來完成。中小企業(yè)并不具備歷史相關(guān)數(shù)據(jù)，同時(shí)也沒有全面的貸款數(shù)據(jù)庫。因此，該模型在中小企業(yè)信用風(fēng)險(xiǎn)評估中的應(yīng)用還不夠成熟。對于具有相對豐富的歷史數(shù)據(jù)和貸款數(shù)據(jù)庫的大公司而言，此方法可能是一個(gè)不錯(cuò)的選擇。

（2）信用附加（Credit Risk+）模型（瑞士銀行）

1997年瑞士銀行開發(fā)了信用附加模型，這是一款可以有效的根據(jù)信用來度量信用風(fēng)險(xiǎn)的模型。對模型的設(shè)計(jì)主要是根據(jù)火災(zāi)保險(xiǎn)的精準(zhǔn)算法完成火災(zāi)發(fā)生頻率和程度過程中，可能會(huì)造成的損失大小。在此基礎(chǔ)上分析師會(huì)根據(jù)相關(guān)的貸款組合進(jìn)行損失分布的計(jì)算。Kollr，B.和B. Gondrov提出，該模型的最大特點(diǎn)就是，確定了隨機(jī)變量，即違約概率，假設(shè)違約概率服從Poisson分布，在只考慮違約風(fēng)險(xiǎn)的前提下，排除損失市場價(jià)值，就可以得到損失的概率、損失的程度以及損失分布的發(fā)生的不確定性具有一定的影響。通過將貸款組合分解為具有相同風(fēng)險(xiǎn)敞口的組合，可以通過違約概率和損失大小來計(jì)算每個(gè)組中的損失分布，并且可以通過將每個(gè)組的損失相加來獲得最終貸款組合的損失分布。

信用附加模型的最大優(yōu)點(diǎn)是簡單，易用且數(shù)據(jù)較少。它具有強(qiáng)大的處理能力，不需要考慮風(fēng)險(xiǎn)，信貸質(zhì)量和未來利率的變化。泊松分布在計(jì)算中非常有效，并且可以輕松獲得借款人的邊際風(fēng)險(xiǎn)。其良好的應(yīng)用基礎(chǔ)是不需要太多的數(shù)據(jù)輸入就可以預(yù)測損失。

但是，商業(yè)銀行沒有一定數(shù)量的數(shù)據(jù)儲(chǔ)備可用于違約概率和損失率。這一模型的最大特點(diǎn)是無法直接應(yīng)用于中小企業(yè)。技術(shù)的進(jìn)步可以科學(xué)地更改模型參數(shù)并正確使用它們。對于具有貸款數(shù)據(jù)庫和歷史數(shù)據(jù)的大型公司，可以合理地應(yīng)用它。

（3）KMV模型（KMV公司）

KMV模型是由美國KMV公司（現(xiàn)由穆迪（Moody's）收購）開發(fā)的一種信用監(jiān)控模型，用于評估貸款業(yè)務(wù)并在貸款到期時(shí)監(jiān)督銀行的違約情況（Valaskova，K，Gavlakova，P&Dengov，2014）。這是一種通過對公司的資產(chǎn)市場和債務(wù)價(jià)值進(jìn)行評估，通過這兩種價(jià)值評估來測定公司是否具備違約方法。首先，利用布萊克-斯科爾斯-默頓期權(quán)定價(jià)理論完成對股票市場價(jià)值的定價(jià)，并且通過對影響公司五個(gè)因素的市場價(jià)值的波動(dòng)進(jìn)行估算，最終得到相應(yīng)的結(jié)果，估算涉及到的內(nèi)容包括：權(quán)益的市場價(jià)值，公司權(quán)益的波動(dòng)性，公司負(fù)債的面額，無風(fēng)險(xiǎn)收益率和債務(wù)到期日。計(jì)算出來的結(jié)果會(huì)涉及到公司的債務(wù)狀況，最后確定公司違約距離和違約執(zhí)行點(diǎn)。一般來說，在計(jì)算的過程中會(huì)以公司流動(dòng)負(fù)債±長期負(fù)債的50%作為默認(rèn)執(zhí)行點(diǎn)。最后，公司的默認(rèn)距離數(shù)據(jù)可以直接反映出公司的默認(rèn)概率和默認(rèn)數(shù)據(jù)庫。KMV模型中既有金融數(shù)據(jù)又有市場交易信息，可以更充分地向公眾反映（Wu，Y. T.，2016）。

KMV模型的優(yōu)勢非常突出。首先，該模型基于股票數(shù)據(jù)并反映了公司的實(shí)際情況。預(yù)測結(jié)果可靠，真實(shí)且具有前瞻性。其次，其他基于財(cái)務(wù)報(bào)表的模型不會(huì)超過更改的違約概率計(jì)算和信用評級。最后，該模型基于現(xiàn)代公司財(cái)務(wù)理論和期權(quán)理論，并具有扎實(shí)的理論基礎(chǔ)。

但是，KMV模型前提之一是需要在股票市場上獲取相關(guān)數(shù)據(jù)。因此，這個(gè)模型是適用于大型公司（例如上市公司）的信用風(fēng)險(xiǎn)評估。未列出的中小企業(yè)可獲得的數(shù)據(jù)有限，并且所披露的信息也不全面。這樣，該模型當(dāng)前不適用于未上市中小企業(yè)的信用風(fēng)險(xiǎn)評估。簡而言之，所有可用的信用風(fēng)險(xiǎn)管理方法都已集成，并對風(fēng)險(xiǎn)進(jìn)行了量化。傳統(tǒng)風(fēng)險(xiǎn)管理方法的結(jié)果用作量化模型的基本數(shù)值，從這些量化模型獲得的結(jié)果更可靠，更直接，更可比。這是信用風(fēng)險(xiǎn)管理的發(fā)展趨勢。

三、發(fā)展中銀行自身信用風(fēng)險(xiǎn)模型的動(dòng)因

1.《巴塞爾協(xié)議II》的要求

巴塞爾協(xié)議II闡明，銀行在獲得監(jiān)管機(jī)構(gòu)的批準(zhǔn)后，可以使用其自己的模型來估計(jì)違約概率并計(jì)算應(yīng)持有的資本額。 《巴塞爾協(xié)議二》的要求促使銀行投入更多的人力和物力，以開發(fā)出更好的模型來估計(jì)違約率（John Hull，2012年）。

2.風(fēng)險(xiǎn)防范要求

一直以來商業(yè)銀行非常注重業(yè)務(wù)發(fā)展，用不重視潛在的風(fēng)險(xiǎn)，你只是在近幾年才注重風(fēng)險(xiǎn)管理，但是相較于其他銀行來說，商業(yè)銀行的風(fēng)險(xiǎn)管理意識(shí)并不強(qiáng)。商業(yè)銀行由于過分強(qiáng)調(diào)市場開拓，所以許多規(guī)章制度的建設(shè)并不健全，更有些管理人員認(rèn)為要想發(fā)展業(yè)務(wù)就不應(yīng)當(dāng)考慮風(fēng)險(xiǎn)管理，他們認(rèn)為風(fēng)險(xiǎn)管理對于業(yè)務(wù)的拓展有一定的阻礙作用，并且認(rèn)為應(yīng)當(dāng)將風(fēng)險(xiǎn)管理單獨(dú)歸為風(fēng)險(xiǎn)控制部門。信用風(fēng)險(xiǎn)模型的使用為銀行提供了一個(gè)框架，用于及時(shí)檢查該風(fēng)險(xiǎn)，集中有關(guān)全球敞口的數(shù)據(jù)并分析邊際風(fēng)險(xiǎn)。模型的這些特性可能有助于提高銀行識(shí)別、衡量和管理風(fēng)險(xiǎn)的綜合能力（Saunders，A.，&Thomas，H.，1997）。因此，建模方法為風(fēng)險(xiǎn)管理，更透明的決策過程和更合理的經(jīng)濟(jì)資本分配提供了更靈敏的信息工具。此外，從監(jiān)管角度看，信用風(fēng)險(xiǎn)模型的開發(fā)提高了風(fēng)險(xiǎn)管理的嚴(yán)格性和一致性。

3.自身業(yè)務(wù)的獨(dú)特性

信用風(fēng)險(xiǎn)模型允許采用量身定制的靈活方法來進(jìn)行價(jià)格衡量和風(fēng)險(xiǎn)管理。每個(gè)銀行都有自己特定的借款人和客戶，并且業(yè)務(wù)類型多種多樣。沒有理由對所有銀行都采用相同，共同和一般的信用風(fēng)險(xiǎn)模型。因此，銀行有必要調(diào)整自己的信用風(fēng)險(xiǎn)模型。模型的設(shè)計(jì)受業(yè)務(wù)范圍，信用質(zhì)量，市場變量和經(jīng)濟(jì)環(huán)境的影響。此外，模型的這些屬性可能有助于改善銀行的整體信用文化。

4.銀行行業(yè)監(jiān)管需求

在銀監(jiān)會(huì)成立以后，商業(yè)銀行的監(jiān)管環(huán)境已經(jīng)開始逐漸優(yōu)化。監(jiān)管管理的專業(yè)和規(guī)范程度都有了明顯的提升。銀監(jiān)會(huì)工作大都是從如下幾個(gè)方面來完成對銀行的監(jiān)管：（1）銀監(jiān)會(huì)要求銀行能夠根據(jù)巴塞爾協(xié)約要求，加強(qiáng)對自身資金充足率的監(jiān)管。（2）在全面推進(jìn)商業(yè)銀行發(fā)展的過程中，要建立健全銀行的治理結(jié)構(gòu)。（3）銀監(jiān)會(huì)非常重視對商業(yè)銀行的風(fēng)險(xiǎn)監(jiān)控。一方面不斷可以推行和完善風(fēng)險(xiǎn)監(jiān)管方法，并且能夠推出相應(yīng)的監(jiān)控指標(biāo);另外，還可以促進(jìn)商業(yè)銀行的內(nèi)部控制機(jī)制，建立健全風(fēng)險(xiǎn)管理長效機(jī)制。

四、結(jié)論

《新巴塞爾協(xié)議》為銀行的信用風(fēng)險(xiǎn)管理帶來了新的要求，銀行正在不遺余力地研究自己的信用風(fēng)險(xiǎn)模型，并加強(qiáng)信用風(fēng)險(xiǎn)管理。信用風(fēng)險(xiǎn)模型可以為銀行提供及時(shí)檢查和處理風(fēng)險(xiǎn)的框架，有助于提高銀行的風(fēng)險(xiǎn)管理能力。Logit模型對于中小企業(yè)可能是更好的選擇，而KMV模型則適合于大型企業(yè)。根據(jù)商業(yè)銀行現(xiàn)有的違約頻率、違約收回比例、信用等級轉(zhuǎn)換概率等構(gòu)建現(xiàn)代信用風(fēng)險(xiǎn)模型，所需要的數(shù)據(jù)來自于發(fā)達(dá)國家長期以來使用的信用資產(chǎn)和評級的歷史數(shù)據(jù)庫。我國商業(yè)銀行信用評價(jià)只是近年來才開始建立健全的，這也是能夠有效地防范信用風(fēng)險(xiǎn)的前提下建立起來的，我國評級機(jī)構(gòu)和銀行根據(jù)國外信用風(fēng)險(xiǎn)模型建立起適合我國的信用評級模型。商業(yè)銀行的信用風(fēng)險(xiǎn)有其自身的特點(diǎn)和規(guī)律，由于業(yè)務(wù)，客戶和目標(biāo)領(lǐng)域的多樣性，因而，必須結(jié)合自身特點(diǎn)構(gòu)建切實(shí)可行的信用風(fēng)險(xiǎn)模型。

盡管當(dāng)前的信用風(fēng)險(xiǎn)模型各有優(yōu)缺點(diǎn)，但銀行應(yīng)利用每種模型的各自特點(diǎn)，并為不同的借款人運(yùn)行適當(dāng)?shù)哪Ｐ汀Ｍ瑫r(shí)，銀行還積極優(yōu)化自己的信用風(fēng)險(xiǎn)模型，以克服現(xiàn)有信用風(fēng)險(xiǎn)模型的不足，滿足自身的業(yè)務(wù)需求。

參考文獻(xiàn)：

[1]Basle Committee on Banking Supervision， & Bank for International Settlements. （1999）.Credit risk modelling： Current practices and applications. The Committee.

[2]Hull， J. （2012）.Risk management and financial institutions，+ Web Site（Vol. 733）. John Wiley & Sons.

[3]Altman， E. I.， & Saunders， A. （1997）. Credit risk measurement： Developments over the last 20 years.Journal of banking & finance，21（11-12），1721-1742.

[4]Saunders， A.， & Thomas， H. （1997）.？Financial institutions management. Boston： Irwin.

[5]Valaskova， K， Gavlakova， P？& Dengov， V？2014，？Assessing Credit Risk by Moody′s KMV Model. in2014 2ND INTERNATIONAL CONFERENCE ON ECONOMICS AND SOCIAL SCIENCE （ICESS 2014），PT 1.Information Engineering Research Institute，pp.40-44.

[6]Altman， E. I.， & Sabato， G. （2007）. Modelling credit risk for SMEs： Evidence from the US market.？Abacus，43（3）， 332-357.

[7]Altman， E.I.， Sabato， G.， Wilson， N.， 2010. The value of non-financial information in small and medium-sized enterprise risk management. J. Credit Risk 2，95-127

[8]Frey， R.， & McNeil， A. J. （2002）. VaR and expected shortfall in portfolios of dependent credit risks： conceptual and practical insights.Journal of banking & finance，26（7），1317-1334.

作者簡介：韓蔚（1994.11- ），女，漢族，籍貫：河北省秦皇島市盧龍縣，碩士，西南交通大學(xué)希望學(xué)院，助教，研究方向：會(huì)計(jì)學(xué)、財(cái)務(wù)管理學(xué)