📚 课程目录第2章信用风险基础

信用风险基础：PD、LGD、EAD的定义与关系，预期损失与非预期损失的计算框架

信用风险是商业银行、资产管理公司及债券投资者面临的最主要风险类别。在《巴塞尔协议》内部评级法（IRB法）及《商业银行资本管理办法》的框架下，信用风险的量化由三个核心参数驱动：违约概率（Probability of Default, PD）、违约损失率（Loss Given Default, LGD）和违约风险暴露（Exposure at Default, EAD）。三者共同构成预期损失（Expected Loss, EL）的计算基础，而经济资本与监管资本的配置则进一步依赖于非预期损失（Unexpected Loss, UL）的估计。本节将系统梳理这三个参数的定义、内在逻辑关系，并深入拆解EL与UL的计算框架，为后续LGD模型构建与回收率数据分析奠定理论基础。

上图展示了信用风险量化的核心传导路径：PD、LGD、EAD三个参数分别从客户维度、债项维度和交易维度刻画风险，三者相乘得到预期损失，而损失分布的波动性则进一步衍生出非预期损失的概念。下面我们将逐一展开每个参数的详细定义与计算逻辑。

2.1 核心参数定义与业务含义

2.1.1 违约概率（PD）

定义：PD是指债务人在未来特定时间段内（通常为一年）发生违约的可能性。在巴塞尔协议内部评级法中，PD被要求基于“长期平均违约率”进行估计，且需覆盖完整的经济周期，避免仅基于当前时点数据导致顺周期性。

判断方法与操作流程：

评级模型法：通过逻辑回归、决策树或评分卡模型，将财务比率（资产负债率、利息保障倍数）、经营指标（现金流稳定性）、外部环境（行业景气度）映射为违约概率。
市场隐含法：利用Merton模型或KMV模型，从股权市值与波动率中反推违约距离，进而换算为PD。
历史频率法：对于缺乏评级数据的客户，直接使用历史同组客户的违约频率作为PD近似值。

  关键要点：PD是“客户维度”的参数，同一客户在不同债项上的PD相同。PD的估计必须满足单调性——即评级越差，PD越高。在LGD建模中，PD通常作为风险分层的输入变量。

2.1.2 违约损失率（LGD）

定义：LGD是指债务人发生违约后，银行或投资者实际承担的损失占违约风险暴露的比例。其互补概念是回收率（Recovery Rate, RR），即LGD = 1 - RR。LGD的高低取决于债项的担保结构、优先级、清收成本及处置周期。

判断方法与操作流程：

现金流折现法：将违约后各期回收的现金（含抵押物处置收入、清算分配、法律追偿）按原贷款利率或风险调整折现率折现至违约时点，计算回收率。
市场LGD法：对于公开债券，利用违约债券的市场交易价格与面值的差额估算LGD。
历史数据回归法：建立LGD与抵押品类型、优先级、行业、宏观经济变量（GDP增速、房价指数）之间的回归模型。

债项特征	典型LGD范围	回收率参考	数据来源
有抵押（房产/设备）	20% - 45%	55% - 80%	抵押物评估值、处置拍卖记录
有担保（第三方保证）	35% - 60%	40% - 65%	保证人代偿记录、法律诉讼周期
无担保（信用类）	55% - 85%	15% - 45%	破产清算分配方案、历史清收档案
次级/劣后级债券	70% - 95%	5% - 30%	债券市场交易价格、回收率数据库

2.1.3 违约风险暴露（EAD）

定义：EAD是指违约发生时点银行对债务人的风险敞口金额。对于表内业务，EAD通常等于当前未偿还本金余额加上应计利息；对于表外业务（如授信承诺、信用证、保函），EAD需通过信用转换系数（Credit Conversion Factor, CCF）将表外名义金额折算为表内等额风险暴露。

判断方法与操作流程：

表内资产：EAD = 当前余额 + 已计提未付利息 + 透支/垫款金额。
表外或有负债：EAD = 已提取部分 + 未提取部分 × CCF。例如，某企业获得1000万元授信额度，已提取600万元，剩余400万元未提，若CCF为50%，则EAD = 600 + 400 × 50% = 800万元。
衍生品交易：EAD = 当前市场价值（MTM）+ 潜在未来风险暴露（PFE），后者通过蒙特卡洛模拟或监管给定的Alpha因子计算。

实务提示：EAD并非静态值。对于循环贷款（如信用卡、透支账户），客户在违约前可能继续提款，导致EAD高于当前余额。因此，EAD建模通常引入“额度使用率转化模型”，预测违约时点的提款行为。

2.2 预期损失（EL）的计算框架

核心原理：预期损失是银行在正常经营条件下，基于历史数据和当前风险状况可以预见的平均损失水平。EL是信用风险定价、拨备计提和绩效考核的基础。其计算公式为：

EL = PD × LGD × EAD

在组合层面，由于不同债项之间的违约相关性并非完全独立，组合EL等于各债项EL的简单加总：

组合EL = Σᵢ (PDᵢ × LGDᵢ × EADᵢ)

操作流程：

第一步：对每个债项进行客户评级，确定其一年期PD。
第二步：根据债项的担保结构、优先级和清收预期，确定LGD。
第三步：计算当前风险暴露及表外折算后的EAD。
第四步：将三者相乘得到单笔EL，再汇总至组合层面。

  业务应用：EL直接计入银行当期损益（拨备），同时作为贷款定价的最低风险溢价要求。例如，若某笔贷款PD=2%、LGD=40%、EAD=100万元，则EL=0.8万元，银行至少需要收取0.8万元的风险溢价才能覆盖预期损失。

2.3 非预期损失（UL）的计算框架

核心原理：非预期损失是指实际损失偏离预期损失的部分，即损失分布的波动性。UL反映了信用风险的不确定性，是银行配置经济资本和监管资本的核心依据。UL的计算公式为：

UL = σ(Loss) = √[Σᵢ (PDᵢ × (LGDᵢ × EADᵢ - ELᵢ)²) + ΣᵢΣⱼ (ρᵢⱼ × σᵢ × σⱼ)]

其中，σᵢ为单笔债项损失的波动性，ρᵢⱼ为债项之间的违约相关系数。在实际应用中，由于组合内债项数量庞大，直接计算协方差矩阵不现实，通常采用以下简化方法：

单因子模型（如CreditMetrics）：假设所有债项的违约受一个系统性因子（宏观经济）和个体特异性因子影响，将相关性结构简化为对系统性因子的敏感度。
监管公式法：巴塞尔协议II/III提供了基于资产相关性函数的资本计算公式，直接由PD推导资本要求（K），无需显式计算协方差矩阵。

监管资本计算（IRB法）：

K = LGD × N[(1-R)^(-0.5) × G(PD) + (R/(1-R))^0.5 × G(0.999)] - LGD × PD

其中，R为资产相关性（由监管给定，与PD和资产规模相关），N为标准正态累积分布函数，G为其逆函数。监管资本 = K × EAD × 12.5。

常见误区：部分从业者将EL与UL混淆，认为“拨备覆盖了所有损失”。实际上，拨备仅覆盖EL，而UL需要由资本金来吸收。若资本配置不足，一旦发生极端损失（如经济衰退期违约率飙升），银行将面临偿付能力危机。

2.4 案例拆解：某商业银行对公贷款组合的EL与UL计算

案例背景：某股份制商业银行对公业务部需对一笔制造业中长期贷款进行风险定价与资本计量。贷款本金5000万元，期限3年，企业评级为A-（对应PD=1.5%），贷款以厂房抵押（LGD=35%），当前已全额提款（EAD=5000万元）。同时，该行还有一笔无担保的信用贷款2000万元给同一集团下的贸易子公司（PD=3%，LGD=65%，EAD=2000万元）。

初始现象与目标：客户经理认为两笔贷款合计EL仅为：

EL₁ = 1.5% × 35% × 5000 = 26.25万元
EL₂ = 3% × 65% × 2000 = 39万元
合计EL = 65.25万元

但风险管理部指出，由于两笔贷款同属一个集团，存在较高的违约相关性，UL并非简单加总，需评估组合层面的资本占用。

分析判断过程：

单笔UL计算：假设损失服从二项分布，单笔UL = EAD × √(PD × (1-PD)) × LGD（近似公式）。
UL₁ = 5000 × √(0.015 × 0.985) × 0.35 ≈ 5000 × 0.1216 × 0.35 ≈ 212.8万元
UL₂ = 2000 × √(0.03 × 0.97) × 0.65 ≈ 2000 × 0.1706 × 0.65 ≈ 221.8万元
相关性调整：由于同属一个集团，假设违约相关系数ρ=0.4，则组合UL = √(UL₁² + UL₂² + 2ρ×UL₁×UL₂) = √(212.8² + 221.8² + 2×0.4×212.8×221.8) ≈ √(45284 + 49195 + 37768) ≈ √132247 ≈ 363.7万元。
资本要求：若置信水平设为99.9%，资本乘数约为3.09（正态分布假设），则经济资本 = 363.7 × 3.09 ≈ 1123.8万元。

实际操作步骤与结果对比：

指标	抵押贷款	信用贷款	组合合计
EAD（万元）	5000	2000	7000
PD	1.5%	3%	—
LGD	35%	65%	—
EL（万元）	26.25	39	65.25
单笔UL（万元）	212.8	221.8	—
组合UL（ρ=0.4）	—	—	363.7
经济资本（99.9%）	—	—	1123.8

风险与代价：若银行仅按EL计提拨备65.25万元，而实际发生违约时损失可能高达363.7万元（1倍标准差）甚至更高，资本缺口将达数百万元。因此，该行最终决定将两笔贷款合并纳入集团客户统一授信管理，并追加母公司担保以降低LGD。

复盘经验：

EL是“平均损失”，UL是“波动损失”，两者用途完全不同——前者用于定价，后者用于资本。
集团客户的风险暴露不能简单加总EL，必须考虑违约相关性对UL的放大效应。
LGD的改善（如增加抵押、担保）能同时降低EL和UL，是风险缓释的最直接手段。

2.5 常见误区与总结复盘

误区一：将PD、LGD、EAD视为独立参数。实际上，三者存在内在关联。例如，经济下行期PD上升的同时，抵押物价值下跌导致LGD同步上升，EAD也可能因额度使用率提高而增加。在压力测试中，必须考虑三者的联动效应。

误区二：用历史平均LGD替代当前预期LGD。LGD具有显著的经济周期敏感性。在衰退期，回收率可能比繁荣期低20-30个百分点。建议在LGD模型中引入宏观经济情景变量（如GDP增速、房价指数、破产回收率指数）。

误区三：忽视EAD的波动性。对于循环授信和衍生品，EAD并非固定值。若仅使用当前余额，会低估违约时的实际暴露。应建立EAD模型，预测违约时点的额度提取率。

误区四：混淆监管资本与经济资本。监管资本公式（IRB法）使用监管给定的相关性函数和99.9%置信水平，而经济资本基于银行内部模型和自身风险偏好设定置信水平。两者计算口径不同，不可混用。

  总结：PD、LGD、EAD是信用风险计量的“三驾马车”。EL = PD × LGD × EAD是风险定价与拨备的基础，UL则通过损失波动性驱动资本配置。在LGD模型开发中，需重点关注回收率数据的完整性、清收周期的折现处理以及宏观经济对回收率的影响。后续章节将深入探讨LGD建模的具体方法论与数据要求。