2. 信用风险基础
在进入CreditMetrics的建模细节之前，必须先统一语言。信用风险不是单一概念，而是一组彼此关联的术语体系：风险来自谁、在什么条件下触发、暴露多少金额、最终损失如何分布。如果这些基础概念混淆，后续的迁徙矩阵、违约相关性、VaR计算都会失去根基。本章用工程化视角梳理这些概念，并给出可直接用于建模的术语对照。
一、信用风险的核心定义与边界
信用风险（Credit Risk）指交易对手未能按约定履行义务，导致债权人发生经济损失的可能性。它至少包含三层含义：违约风险（是否不还）、迁徙风险（信用质量变化但尚未违约）、回收风险（违约后能收回多少）。传统观点只关注“是否违约”，而CreditMetrics的关键贡献在于把“信用等级迁移”也纳入风险来源。
常见术语边界如下：
- 违约概率（PD）：债务人在给定期限内发生违约的概率，通常按评级映射。
- 违约损失率（LGD）：违约后未能回收的比例，LGD = 1 − 回收率（RR）。
- 违约敞口（EAD）：违约时点实际暴露的金额，受还款计划、授信额度影响。
- 预期损失（EL）：EL = PD × LGD × EAD，是长期平均损失，不是风险。
- 非预期损失（UL）：损失围绕EL的波动，才是资本覆盖对象。
二、违约与迁徙：两种风险触发路径
违约是信用风险的极端事件，但信用组合的日常风险更多来自“迁徙”。例如某企业评级从AA降至BBB，虽未违约，但债券市值下降、未来PD上升，组合同样受损。CreditMetrics用迁徙矩阵描述这种变化。
一个简化的1年期迁徙矩阵如下（行=期初评级，列=期末评级，单位%）：
| 期初\期末 | AAA | AA | A | BBB | 违约 |
|---|---|---|---|---|---|
| AAA | 90.0 | 8.0 | 1.8 | 0.2 | 0.0 |
| AA | 1.0 | 88.0 | 9.0 | 1.8 | 0.2 |
| A | 0.1 | 2.5 | 88.0 | 8.0 | 1.4 |
| BBB | 0.0 | 0.3 | 5.0 | 88.0 | 6.7 |
矩阵每行之和为100%。对角线代表评级不变，右上角为升级，左下角为降级，最后一列为违约。CreditMetrics的核心计算就是：用该矩阵生成期末评级分布，再映射到债券价值分布。
三、敞口、回收与损失分布
仅有PD和迁徙还不够，损失金额取决于敞口和回收。对于贷款，EAD随还款递减；对于授信额度，EAD取决于提款行为；对于衍生品，EAD还受市值波动影响。
损失分布通常呈右偏、厚尾：大多数时候损失接近预期值，但极端情况下损失远大于EL。这正是信用VaR和UL存在的理由。下图展示单一资产在迁徙框架下的价值分布逻辑：
损失分布的关键参数包括：均值（EL）、标准差（UL）、分位数（如99.9% VaR）。CreditMetrics通过模拟或解析法得到这些分位数，用于经济资本计量。
四、案例与常见误区复盘
案例：某银行持有BBB级企业贷款1000万元，PD=1%，LGD=45%，则EL=1000×1%×45%=4.5万元。但若该企业评级降至BB，PD升至5%，债券市值下跌，组合可能立即产生估值损失。若同时考虑迁徙，99%分位损失可能达到80万元，远高于EL。这说明资本应对的是UL，不是EL。
常见误区二：忽略迁徙，只看违约。评级下调带来的市值损失往往先于违约发生。
常见误区三：迁徙矩阵长期不变。应定期校准并做压力测试。
常见误区四：EAD等于合同金额。实际EAD受提款、还款、市值影响，需动态估计。
建模前的参数清单可参考：
输入参数：
rating_initial # 期初评级
migration_matrix # 迁徙矩阵（行归一化）
exposure # 敞口 EAD
lgd # 违约损失率
recovery # 回收率
forward_curve # 远期利率曲线（用于估值）
correlation # 资产相关性（组合层面）
输出：
value_distribution # 期末价值分布
EL, UL, VaR_99.9 # 损失统计量
capital_requirement # 经济资本