2. 信用风险基础

在构建信用风险迁徙矩阵之前，必须先厘清一组基础概念：什么是信用风险、如何量化违约、评级体系如何运作，以及迁徙矩阵在整个框架中扮演什么角色。这些概念不是名词解释，而是后续所有建模、计算与业务决策的“度量衡”。如果度量衡不统一，迁徙矩阵算出来的数字就只是漂亮的表格，无法支撑授信、定价与资本计量。

一、核心原理：信用风险的四个基本量

信用风险（Credit Risk）指交易对手未能按约定履行偿付义务，从而给债权人带来损失的可能性。它至少包含两层含义：违约是否发生（不确定性）和违约后损失多少（严重程度）。业界通常用四个量来刻画：

• 违约概率（PD，Probability of Default）：债务人在未来一段时间内发生违约的可能性，通常以一年为观察期。PD 是“会不会违约”的度量。
• 违约损失率（LGD，Loss Given Default）：一旦违约，债权人实际损失占风险暴露的比例。LGD 是“违约后亏多少”的度量，回收率 RR 与它互补，即 LGD = 1 − RR。
• 违约风险暴露（EAD，Exposure at Default）：违约发生时债权人被暴露在风险中的金额，对表内业务是余额，对表外业务需乘以信用转换系数。
• 预期损失（EL，Expected Loss）：EL = PD × LGD × EAD，是把三个量合成货币金额的核心公式，也是拨备与定价的基础。

这四个量之间的关系可以用一句话概括：PD 决定“频率”，LGD 决定“深度”，EAD 决定“广度”，三者相乘得到预期损失。迁徙矩阵关注的正是 PD 在时间维度上的变化——评级从高到低迁移，PD 随之上升。

二、方法流程：信用评级体系与迁徙矩阵的构建

信用评级体系是把债务人按风险高低分档的制度安排。内部评级通常分为 10～20 个等级，从 AAA 到 D（违约）。评级可以是外部评级（如标普、穆迪），也可以是内部评级（银行自建模型）。无论哪种，评级体系必须满足两个条件：单调性（等级越高，PD 越低）和可区分性（相邻等级 PD 有显著差异）。

迁徙矩阵（Migration Matrix）是评级体系在时间上的“转移概率表”。它的构建流程如下：

1. 确定观察窗口：通常为一年，也可用季度或月度，窗口越短矩阵越稀疏。
2. 获取期初与期末评级：对同一批债务人，记录期初评级和期末评级。
3. 统计转移频数：构建 N×N 的频数矩阵，N 为评级等级数，最后一档为违约 D。
4. 计算转移概率：每一行除以该行期初总数，得到行和为 1 的概率矩阵。
5. 平滑与校验：对样本不足的格子做平滑处理，并检查单调性、对角线优势等特征。

下面是一个简化的 4 档迁徙矩阵示例，行表示期初评级，列表示期末评级，数值为转移概率：

这张表传递了三个重要信息：对角线数值越大，评级越稳定；右上角（降级）概率通常高于左下角（升级），体现信用风险的“下迁惯性”；最后一列是各等级的违约概率，可直接用于 PD 校准。违约状态 D 是吸收态，一旦进入就不再迁出，因此最后一行是 0,0,0,1。

三、案例场景：从迁徙矩阵看组合风险变化

假设某银行年初有 1000 户 B 级客户，根据上表，年末预期有 50 户升到 A 级、850 户留在 B 级、80 户降到 C 级、20 户违约。如果银行只关注“违约 20 户”，就会忽略另外 80 户降级带来的潜在风险——它们虽然没违约，但 PD 已显著上升，未来一年违约概率从 2% 跳到 11%。

这正是迁徙矩阵的价值：它把“静态违约率”扩展为“动态风险迁移”。在实务中，银行会用迁徙矩阵做三件事：

• PD 校准：用矩阵最后一列作为各等级的一年期 PD 估计。
• 压力测试：调整矩阵中的降级概率，模拟经济下行时的组合损失。
• 风险预警：监控“降级率”指标，当 B→C 的转移概率从 8% 升到 15%，说明资产质量正在恶化。

四、误区与复盘：常见理解偏差

在教学中，学员最容易在以下四个地方出错：

1. 把评级等同于 PD：评级是序数，PD 是基数。两个客户都是 B 级，PD 可能相差数倍，迁徙矩阵只描述等级移动，不直接给出 PD 数值。
2. 忽略“违约态”的吸收性：违约后不再迁回正常等级，因此矩阵最后一行必须是 0,0,…,1。若写成可迁出，矩阵就失去数学意义。
3. 用全样本矩阵代替分组矩阵：不同行业、不同区域的迁徙规律差异很大。用一张总矩阵做定价，会掩盖结构性风险。
4. 把对角线优势当成“稳定”：对角线高只说明评级体系区分度不足或观察期太短，未必代表风险低。需要结合降级率和违约率一起看。