2. 信用风险基础
信用组合尾部风险分析之所以复杂，根源在于它并非研究“单个借款人会不会违约”，而是研究“多个借款人在同一压力情景下是否同时恶化”。要理解这种相关性驱动的尾部损失，必须先建立一套统一的信用风险语言。本节围绕五个核心概念展开：违约概率（PD）、违约损失率（LGD）、违约暴露（EAD）、信用迁移与联合违约，并说明它们如何共同构成组合层面的风险计量基础。
一、核心原理：从单笔风险到组合风险
单笔信用风险可以用一个简洁的乘法关系表达：预期损失 = PD × LGD × EAD。其中，PD 衡量“是否发生违约”，LGD 衡量“违约后损失多少比例”，EAD 衡量“违约时还欠多少钱”。三者相乘得到的是长期平均意义上的预期损失，而不是极端情景下的损失。
组合层面的风险则不能简单相加。若两笔贷款的违约事件相互独立，组合尾部损失会因分散化而显著降低；若它们高度相关，例如同处一个行业、同一区域或同一供应链，违约会集中爆发，尾部损失远高于独立假设下的结果。因此，违约相关性是连接单笔风险与组合尾部风险的关键桥梁。
关键区分：预期损失（EL）用于定价与拨备，非预期损失（UL）用于经济资本，而尾部损失（如 VaR、ES）用于压力测试与资本充足评估。PD、LGD、EAD 是这三者的共同输入。
二、五个基本概念与常见术语
1. 违约概率（PD，Probability of Default）
PD 通常指借款人在一定期限内（如一年）发生违约的概率。实务中分为两类：时点 PD（Point-in-Time，反映当前周期状态）与跨周期 PD（Through-the-Cycle，反映长期平均）。PD 可由外部评级、内部评级模型、市场隐含违约率（如信用违约互换利差）或历史违约率统计得到。常见术语包括“违约阈值”“评级迁移矩阵”“影子评级”等。
2. 违约损失率（LGD，Loss Given Default）
LGD 是违约发生后，损失金额占违约暴露的比例，等于 1 减去回收率（Recovery Rate）。LGD 受抵押品、清偿顺序、行业惯例和宏观经济影响。例如，有足额房产抵押的零售贷款 LGD 可能低于 20%，而无担保企业贷款的 LGD 可能高达 60% 以上。常见术语包括“回收率”“清偿率”“违约损失严重度”等。
3. 违约暴露（EAD，Exposure at Default）
EAD 是违约时刻的风险敞口金额。对于定期贷款，EAD 近似为未偿本金；对于循环授信、信用卡等，还需考虑违约前借款人进一步提款的可能，通常用信用转换系数（CCF）估算：EAD = 已提用金额 + CCF × 未提用额度。常见术语包括“敞口”“表内外暴露”“承诺额度”等。
4. 信用迁移（Credit Migration）
信用迁移指借款人信用质量在评级等级之间的变化，例如从 AA 降至 A，或从 BBB 降至 BB。迁移本身不等于违约，但会改变 PD 与估值。信用迁移矩阵记录了各评级在一定期限内迁移到其他评级的概率，是组合风险计量与压力测试的重要工具。
5. 联合违约（Joint Default）
联合违约指两个或多个借款人在同一时期内同时违约。其概率不仅取决于各自 PD，还取决于它们之间的违约相关性。在组合尾部风险中，联合违约是造成极端损失的主要来源。常见术语包括“违约相关系数”“资产相关性”“系统性风险因子”等。
| 概念 | 核心问题 | 典型度量 | 在组合尾部风险中的作用 |
|---|---|---|---|
| PD | 会不会违约 | 一年期违约概率 | 决定单笔违约频率，是相关性建模的输入 |
| LGD | 违约后损失多少 | 回收率、损失严重度 | 放大或缓冲突发损失的幅度 |
| EAD | 违约时欠多少 | 未偿本金、CCF | 决定风险敞口规模 |
| 信用迁移 | 信用质量如何变化 | 迁移矩阵 | 捕捉非违约但恶化的中间状态 |
| 联合违约 | 是否同时违约 | 违约相关系数 | 直接驱动组合尾部损失 |
三、方法流程：从单笔参数到组合尾部
在实际建模中，通常按以下流程组织：
- 确定敞口与期限：识别每笔资产的 EAD 与剩余期限。
- 估计 PD 与 LGD：基于评级、历史数据或市场信息，得到每笔资产的 PD 与 LGD。
- 建立相关性结构：通过资产相关性、行业因子或 Copula 模型刻画违约依赖关系。
- 模拟联合违约：在给定情景下生成大量违约场景，统计组合损失分布。
- 提取尾部指标：计算 VaR、ES、极端损失概率等，用于资本与压力测试。
示例：单笔与组合损失计算
单笔预期损失 EL = PD × LGD × EAD
若 PD=2%，LGD=45%，EAD=1000万
EL = 0.02 × 0.45 × 1000 = 9万元
组合尾部损失需考虑相关性：
若两笔资产 PD 均为 2%，独立时联合违约概率 ≈ 0.04%
若相关系数升至 0.3，联合违约概率显著上升
尾部损失随之放大四、案例/场景：同一行业两笔贷款的尾部差异
假设银行有两笔各 1000 万元的企业贷款，PD 均为 2%，LGD 均为 45%。若两家企业分属完全不同的行业且相互独立，组合一年期联合违约概率约为 0.04%，极端损失相对可控。但若两家企业同属一个强周期行业，且共用同一核心供应商，违约相关性显著上升，联合违约概率可能升至 0.5% 甚至更高。此时，虽然单笔预期损失不变，但组合尾部损失会成倍增加。
教学提示：尾部风险分析中，PD 和 LGD 决定“损失有多大”，而相关性决定“损失有多集中”。忽略相关性，会系统性低估极端损失。
五、误区与复盘
- 误区一：把 PD 当作固定常数。PD 具有周期性和迁移性，压力情景下会显著上升。
- 误区二：忽略 LGD 的波动。LGD 在经济下行期往往同步上升，与 PD 形成“双重恶化”。
- 误区三：用独立假设处理组合。独立假设会严重低估尾部损失，尤其在行业集中度高的组合中。
- 误区四：只看违约，不看迁移。评级下调虽未违约，但会推高未来 PD 并影响估值。
- 误区五：混淆预期损失与尾部损失。EL 是平均值，不能用于资本充足评估；尾部损失才是压力测试的核心。
复盘要点：在信用组合尾部风险分析中，必须同时关注 PD、LGD、EAD 的水平和相关性结构。任何单一参数的乐观假设，都可能在尾部被相关性放大为严重误判。