📚 课程目录第3章信用组合风险特征

3. 信用组合风险特征

单个借款人的违约概率和违约损失率，只能回答“这一笔会不会亏、亏多少”。一旦进入组合层面，风险就不再是单笔风险的简单加总：两笔同样评级、同样金额的贷款，放在不同组合里，对整体风险的贡献可能相差数倍。信用组合风险计量的核心，正是刻画这种“结构性差异”。本节围绕四个关键特征展开：分散化效应、相关性、集中度风险与尾部风险，并落到信用风险资本计量的监管背景上。

一、核心原理：组合风险不是单笔风险的线性叠加

组合层面的信用损失是一个随机变量。设组合中有 N 个债务人，第 i 个债务人的违约指示变量为 \(D_i\)（违约取1，否则取0），违约暴露为 \(EAD_i\)，违约损失率为 \(LGD_i\)，则组合信用损失可写为：

Loss = Σ_i  D_i × EAD_i × LGD_i

若各债务人违约相互独立，且单个违约概率为 \(PD_i\)，则组合损失的方差为各笔方差的直接相加，分散化效果最强。但现实中违约存在共同驱动因素（宏观经济、行业景气、区域风险），违约指示变量之间正相关，组合损失分布的方差被显著放大，极端损失出现的概率远高于独立假设下的结果。

由此引出三个基本结论：

分散化效应：在相关性不变的前提下，增加独立或低相关的敞口数量，可以降低单位敞口占用的非预期损失，但无法消除系统性风险部分。
相关性：相关性越高，组合损失分布越“厚尾”，分散化带来的风险削减越有限；相关性是组合风险计量中最敏感、最难估计的参数之一。
集中度：当少数敞口占据组合较大权重时，组合风险迅速向单名风险靠拢，分散化收益被侵蚀。

核心逻辑：分散化降低的是“特质风险”，相关性决定“系统性风险”的下限，集中度则决定组合是否还有资格被称为“组合”。三者共同塑造了损失分布的尾部形态。

二、方法流程：从单笔风险到组合损失分布

在实战中，组合风险计量通常遵循以下流程，每一步都对应着对上述特征的量化处理：

敞口与参数准备：整理每笔敞口的 EAD、PD、LGD、期限 M，以及行业、区域、评级等属性标签。
相关性设定：确定债务人之间的违约相关性。常用做法包括基于资产相关性的结构模型、基于行业/区域因子的多因子模型，或直接采用监管给定的相关性函数。
损失分布生成：通过解析法（如 CreditRisk+、CreditMetrics 的解析近似）或蒙特卡洛模拟，生成组合损失的完整分布。
风险度量提取：从分布中读取预期损失 EL、非预期损失 UL、经济资本（如 VaR、ES）以及各敞口的风险贡献。
集中度与压力测试：识别单名、行业、区域集中度，并在相关性上升、PD 上调等压力情景下重估资本。

其中，相关性设定与损失分布生成是决定结果质量的关键。以单因子高斯 copula 模型为例，债务人 i 的资产收益可表示为：

Z_i = sqrt(ρ) × Y + sqrt(1 - ρ) × ε_i

其中：
  Y   : 系统性因子（所有债务人共享）
  ε_i : 债务人特质因子（相互独立）
  ρ   : 资产相关性，决定系统性风险的权重

当 ρ 趋近于 0 时，违约近似独立，分散化效果最强；当 ρ 趋近于 1 时，所有债务人同涨同跌，组合退化为一个“巨型单名”，尾部风险急剧上升。监管资本公式中的相关性调整，本质上就是在为这种系统性联动定价。

三、案例场景：集中度如何吞掉分散化收益

假设某银行有两个信用组合，总敞口均为 100 亿元，单笔 PD 均为 1%，LGD 均为 45%，但结构不同：

组合	敞口结构	债务人数量	单笔最大占比	相关性假设	相对经济资本
组合 A	高度分散，单笔约 0.1 亿元	1000	0.1%	0.15	1.0（基准）
组合 B	前 5 大敞口占 60%	50	15%	0.15	约 2.5～3.5 倍
组合 C	与组合 A 相同，但相关性升至 0.35	1000	0.1%	0.35	约 1.8～2.2 倍

组合 B 说明：即使总敞口和平均 PD 相同，集中度也会让经济资本成倍上升。组合 C 说明：即使分散度很高，相关性上升同样会显著抬高资本。两者叠加时，风险放大效应往往不是线性相加，而是相互强化。

实战提示：在做组合风险归因时，建议同时输出“分散化收益”和“集中度惩罚”两个指标。前者衡量组合相对单名加总的资本节约，后者衡量前十大敞口对资本的边际贡献，便于向管理层解释资本占用的真实来源。

四、尾部风险与监管背景

信用损失分布通常高度右偏：大部分年份损失接近预期损失，但少数年份会出现远超预期的极端损失。VaR 关注的是某个置信水平下的分位点，而 ES（预期短缺）关注的是超过 VaR 后的平均损失，对尾部形态更敏感。在相关性上升、集中度高的组合中，VaR 与 ES 的差距会明显拉大，这也是监管逐步重视尾部风险的原因。

监管背景方面，巴塞尔协议框架对信用风险资本计量给出了明确的制度约束：

标准法：以外部评级或监管给定权重为基础，对分散化和相关性的处理较为粗糙，但实施成本低。
内部评级法（IRB）：允许银行使用内部估计的 PD、LGD、EAD，并通过监管给定的相关性函数和期限调整计算风险加权资产。其核心思想正是把相关性、期限和集中度纳入资本公式。
集中度与压力测试要求：监管明确要求银行识别重大集中度风险，并在压力情景下评估资本充足性，避免仅依赖常态下的 VaR 结果。

需要特别注意的是，监管资本公式中的相关性通常是“监管给定”的，而非银行自由估计。这意味着银行内部模型若估计出更高的相关性，往往需要在经济资本层面额外计提，形成“监管资本—经济资本”之间的差异。理解这一差异，是信用组合风险计量从合规走向管理的关键一步。

常见误区：把“债务人数量多”等同于“组合足够分散”。若这些债务人同属一个行业、一个区域，或共享同一核心供应链，其违约相关性可能极高，名义上的分散化只是统计幻觉。真正的分散化，必须建立在低相关性的实质独立之上。

五、复盘要点

回到本节的主线：分散化效应、相关性、集中度与尾部风险，并不是四个孤立概念，而是同一损失分布在不同维度上的表现。分散化决定组合能“摊薄”多少特质风险；相关性决定系统性风险的下限；集中度决定组合是否退化为单名风险；尾部风险则决定极端情景下资本是否足够。信用风险资本计量的监管背景，正是把这四个特征制度化、参数化的结果。掌握它们之间的联动关系，才能在后续的 Credit VaR 建模与实战中，对模型输出保持正确的判断力。