4. 迁徙矩阵的定义与类型
迁徙矩阵是信用风险计量中连接“评级体系”与“风险量化”的关键桥梁。它用矩阵形式记录一组债务人或债项在给定时间跨度内，从某一评级状态迁移到另一评级状态（含违约与退出）的频率或概率。理解迁徙矩阵，核心不是记住矩阵长什么样，而是理解三个变量：时间跨度、条件设定、样本口径。这三个变量决定了矩阵的类型、含义与适用边界。
一、核心原理：从计数到概率
假设期初有 N_i 个主体处于评级 i，经过一个观察期后，有 N_ij 个主体迁移到评级 j，则转移频率为：
P(i → j) = N_ij / N_i
其中：
i, j ∈ {AAA, AA, A, BBB, BB, B, CCC, D, Withdrawn}
N_i = 期初处于评级 i 的主体数量
N_ij = 期内从 i 迁移到 j 的主体数量
D = 违约状态（Default）
Withdrawn = 评级撤销或数据缺失状态把所有 i 行、j 列的频率排列起来，就得到迁徙矩阵。矩阵每一行的元素之和应等于 1（若包含违约与退出列）。年度迁徙矩阵是最基础的形式：观察期固定为一年，通常用于监管资本计量和年度风险报告。
二、四种矩阵类型与转移概率
根据时间跨度和条件设定，迁徙矩阵可分为以下主要类型：
| 类型 | 时间跨度 | 条件设定 | 典型用途 |
|---|---|---|---|
| 年度迁徙矩阵 | 1年 | 无条件 | 年度评级迁移监控、监管报告 |
| 多年期迁徙矩阵 | 2～5年或更长 | 无条件 | 长期违约率估计、压力测试 |
| 条件迁徙矩阵 | 1年或多年 | 给定宏观经济情景 | 情景分析、IFRS 9 预期信用损失 |
| 无条件转移概率 | 跨周期 | 全样本平均 | 长期平均违约率、评级校准 |
| 有条件转移概率 | 特定时期 | 经济扩张/衰退 | 顺周期效应分析、压力测试 |
年度迁徙矩阵是最常用的基准工具。它假设观察期为一年，统计所有期初评级相同的主体在一年后的评级分布。其优点是口径统一、易于比较；缺点是忽略了年内迁移路径，且对样本年份敏感。
多年期迁徙矩阵通过累乘年度矩阵或直接统计多年期迁移得到。若假设转移概率满足马尔可夫性质，则多年期矩阵可由年度矩阵的幂次近似：
M_n = M_1 ^ n
其中：
M_1 = 年度迁徙矩阵
M_n = n年累计迁徙矩阵
^ = 矩阵乘法（非元素幂）但现实中转移概率并不完全满足马尔可夫性，存在路径依赖和评级动量，因此直接统计多年期迁移频率往往更稳健。
条件迁徙矩阵是在给定宏观经济情景下估计的转移概率。例如，将样本年份划分为“GDP增速高于趋势”和“低于趋势”两组，分别计算迁徙矩阵。条件矩阵能揭示评级的顺周期特征：经济下行时，下调迁移概率显著上升，违约率跳升。
三、方法流程：构建迁徙矩阵的六个步骤
- 确定样本与观察期：明确主体范围、评级体系、观察起点与终点，处理新增、退出和评级撤销样本。
- 对齐期初与期末评级：确保同一主体在期初和期末均有有效评级，剔除数据缺失记录。
- 定义状态空间：包括所有评级级别、违约状态和退出状态，通常将退出单独列示。
- 计数与频率计算：按行统计迁移数量，除以期初样本数，得到转移频率。
- 平滑与调整：对小样本单元格进行贝叶斯平滑或合并评级，避免零概率和过度波动。
- 校验与回测：检查行和是否为1、对角线是否合理、违约列是否单调，并与历史矩阵对比。
以下是一个简化的年度迁徙矩阵示例（行=期初评级，列=期末评级）：
AAA AA A BBB BB B CCC D Withdrawn
AAA 0.90 0.09 0.01 0.00 0.00 0.00 0.00 0.00 0.00
AA 0.02 0.88 0.08 0.01 0.00 0.00 0.00 0.00 0.01
A 0.00 0.03 0.87 0.07 0.01 0.00 0.00 0.01 0.01
BBB 0.00 0.00 0.04 0.85 0.07 0.02 0.00 0.01 0.01
BB 0.00 0.00 0.00 0.05 0.80 0.10 0.02 0.02 0.01
B 0.00 0.00 0.00 0.01 0.06 0.78 0.08 0.05 0.02
CCC 0.00 0.00 0.00 0.00 0.02 0.10 0.65 0.20 0.03观察该矩阵：对角线数值最大，说明评级具有粘性；越靠近违约列，迁移概率越高；投资级向投机级的下调迁移在经济下行期会明显放大。
四、案例与场景：条件矩阵如何揭示顺周期性
假设某银行用2008—2023年数据分别构建“扩张期”和“衰退期”条件迁徙矩阵。在扩张期，BBB级一年内下调至BB的概率约为3%；在衰退期，该概率升至9%，同时BBB直接违约概率从0.2%升至1.5%。这种差异就是评级的顺周期性。
在IFRS 9预期信用损失模型中，条件矩阵用于计算“显著信用恶化”后的违约概率。若仅使用无条件矩阵，三阶段资产的违约率会被系统性低估，拨备不足。反之，在监管资本计量中，通常要求使用跨周期无条件矩阵，以反映长期平均风险。
五、复盘与要点清单
- 迁徙矩阵是条件频率表，行=期初评级，列=期末评级，行和应为1。
- 年度矩阵用于基准监控，多年期矩阵用于长期风险估计，条件矩阵用于情景分析。
- 无条件转移概率是跨周期平均，有条件转移概率是特定情景估计，二者用途不同。
- 构建矩阵时必须处理评级撤销、样本退出和小样本平滑问题。
- 矩阵校验应检查行和、对角线粘性、违约列单调性和历史可比性。
- 条件矩阵的核心价值在于揭示评级迁移的顺周期效应，是压力测试和预期信用损失的关键输入。
掌握迁徙矩阵的类型与转移概率的条件差异，是后续进行评级转移分析、违约率校准和压力测试的基础。只有在明确时间跨度、条件设定和样本口径之后，矩阵中的每一个数字才具有可解释的风险含义。