3. CreditRisk+模型概述

CreditRisk+是由瑞士信贷金融产品部于1997年提出的信用组合损失分布模型。与Merton类结构模型从企业资产价值出发不同，CreditRisk+采用精算视角：它不解释违约为何发生，而是直接对违约事件本身进行统计建模，把组合损失视为一系列独立违约事件造成的损失之和。这一视角转换使模型在计算上极为高效，特别适合处理包含成百上千个敞口的零售信贷、中小企业贷款和信用卡组合。

一、核心假设：模型成立的四个支柱

CreditRisk+的数学简洁性建立在若干明确假设之上，理解这些假设是判断模型适用边界的前提。

• 违约事件服从泊松分布：在给定时间区间内，单个债务人发生违约的次数服从泊松分布，且违约概率与区间长度成正比。
• 违约事件相互独立：不同债务人的违约事件在统计上相互独立，不存在直接违约传染。
• 违约损失率确定：每个敞口的违约损失率（LGD）被视为已知常数，损失金额由敞口与LGD共同决定。
• 违约概率随机化：违约率本身并非固定常数，而是受若干系统性风险因子驱动，服从Gamma分布，从而引入违约相关性。

二、泊松近似：从二项分布到泊松分布

对于单个债务人，违约是一个典型的二项事件：违约或不违约。当违约概率为p、观察期数为n时，违约次数服从二项分布B(n, p)。当n很大而p很小时，二项分布收敛于泊松分布，参数λ = np。在信用组合中，债务人数量庞大、单个违约概率较低，这一近似条件通常成立。

泊松分布的概率质量函数为：

P(X = k) = (λ^k * e^(-λ)) / k!

其中：
  k  = 违约次数（0, 1, 2, ...）
  λ  = 期望违约次数，λ = Σ p_i
  e  = 自然常数

泊松近似的最大优势在于可加性：若各债务人违约相互独立，则组合总违约次数仍服从泊松分布，其参数为各债务人违约概率之和。这意味着我们无需逐笔模拟，即可直接得到组合违约次数的分布。

三、违约事件独立性与相关性引入

基础泊松模型假设违约率恒定，这会导致组合损失分布尾部过薄，低估极端损失。CreditRisk+的解决方式是：让违约率λ本身成为随机变量，并假设其服从Gamma分布。Gamma分布的形状参数α和尺度参数β决定了违约率的均值与方差。

当违约率服从Gamma分布时，违约次数的无条件分布变为负二项分布。负二项分布比泊松分布具有更厚的尾部，能够更好地反映经济周期下行时违约集中爆发的现象。不同债务人若共享同一风险因子，其违约率会同步波动，从而产生相关性。

四、损失分布生成逻辑：从违约次数到损失金额

CreditRisk+的损失分布生成遵循“分档—卷积—聚合”的流程。由于不同敞口的损失金额差异巨大，模型首先将敞口按损失金额分档，每档作为一个“损失单元”。

1. 敞口分档：将各敞口按违约损失金额划分为若干档位，每档设定一个标准损失单位。
2. 计算各档违约率：将各敞口违约概率按档位汇总，得到每档的期望违约次数。
3. 概率生成函数：为每档构造概率生成函数，描述该档违约次数的分布。
4. 卷积聚合：将所有档位的概率生成函数相乘，得到组合总损失的概率生成函数。
5. 递归求解：利用Panjer递归算法，从概率生成函数中逐项提取组合损失分布。

这一流程的计算复杂度与档位数量成正比，而非与敞口数量成正比，因此即使组合包含数万笔贷款，计算仍然可行。

五、适用边界与常见误区

CreditRisk+并非万能模型，其假设决定了它的适用场景和局限。

• 适合的场景：债务人数量多、单笔敞口占比小、违约概率低且相对稳定、损失率可合理估计的组合，如零售贷款、信用卡、中小企业分散贷款。
• 不适合的场景：敞口高度集中、存在明显违约传染、损失率随违约状态变化、或需要刻画迁移风险的组合。
• 常见误区一：将违约率视为常数。忽略Gamma随机化会系统性低估尾部风险。
• 常见误区二：混淆违约相关性与资产相关性。CreditRisk+的相关性来自因子波动，而非资产收益联动。
• 常见误区三：直接套用泊松分布而不检验近似条件。当违约概率较高或观察期较长时，泊松近似可能失真。

理解CreditRisk+的假设、泊松近似、独立性处理与损失分布生成逻辑，是后续进行参数校准、因子建模和结果解读的基础。模型的价值不在于其复杂性，而在于它以可接受的假设代价，换取了组合层面损失分布的高效解析求解能力。