【FRM科普】现代信用风险管理模型有哪些？
信用风险是指交易对手未能履行约定契约中的义务而造成经济损失的风险，即受信人不能履行还本付息的责任而使授信人的预期收益与实际收益发生偏离的可能性，它是金融风险的主要类型。
信用风险管理(Credit Risk Management)是指通过制定信息政策，指导和协调各机构业务活动，对从客户资信调查、付款方式的选择、信用限额的确定到款项回收等环节实行的全面监督和控制，以保障应收款项的安全及时回收。
现代信用风险管理模型有：Credit metrics模型、Credit risk+模型、KMV模型、Credit Portfolio View模型等等，下面具体给大家讲一下四种模型：
1.Credit metrics模型
Credit metrics模型是一种信用计量模型，由J.P摩根集团和几个世界银行共同研究的信用风险的量化模型，主要应用于数字量化信用风险。他将违约机率、违约后损失和违约相关系数组合起来进行信用风险分析，同时在相关影响因素上进行创新，是一种标准框架的模型。
Credit metrics模型认为，贷款企业的信用状况、企业的信用等级会影响商业银行的信用风险，企业经营状况的好坏、股票的波动、投资情况等都会实时反映在企业信用等级上，这种反映情况是真实成立的，是模型的数据之一;债券和贷款的变动受到贷款企业信用评级的影响，利用转化矩阵所计算的债券和贷款的价格，是模型的数据之一。
Credit metrics模型以资产组合理论为依据，一般认为，多元投资可以降低和分散企业的投资风险，这种投资之间是有相关联系的。Credit metrics模型分析信用风险也不是从单一的工具来考量，通过对每一种信用工具的研究可以得出对企业的影响。
Credit metrics模型也存在一定的局限性，比如对数据处理的技术还不够成熟，计算模型不是一成不变的，不同时期不同因素导致的结果有所不同，转移矩阵并不是万能的。
2.Credit risk+模型
Credit risk+模型是在保险学理论基础上提出来的，有财产保险和精算方法的特点。该模型将资产风险评估分为不同的阶段，并对每一个阶段风险进行风险，具有灵活性，因此能提高资产评估的准确度。
Credit risk+模型是一种违约模型，只考虑违约和不违约两种情形，并且违约率不是唯一，是一种连续变量而不是离散变量，在随机设定违约率的情形下，计算预期损失和未预期损失，并分析两种损失在不同时期的走态。
在运用Credi risk+模型时，首先将商业银行的贷款分为若干阶段，该模型认为，商业银行的违约率接近泊松分布，计算不同阶段的违约概率，然后度量不同阶段的预期损失和未预期损失，最后将不同阶段的加总，得出组合损失分布。因此，该模型评估某个客户的信用并不是简单地一个数值，而是某一时期连续的变化。
Credit risk+是一种债务人模型，用起来相对简单，需要的数据也少，但是模型中并没有市场风险和信用等级对贷款影响的设置，债务人的违约风险并没有根据其信用等级来设定，是随机设定的，违约贷款风险在计算时期内是不变的，这不符合事实，同时违约风险是模型的重要数据，模型使用具有一定的缺陷。
3.KMV模型
KMV模型是KMV公司于1993年发布的，KMV模型主要计算预期违约概率(Expected Default Frequency，简称EDF)，是一种综合性评估贷款企业违约的模型。一家贷款企业是否会在贷款日期到达时违约，是不确定的，但可以根据企业这段时间的状态进行一系列的研究，来预测企业的违约状况。
EDF模型主要根据企业的资产价值、资产风险、企业债务水平来设定，优点在于有着良好的预测性，该模型的数据具有时效性，而不是往年的会计数据，综合考虑了企业的方方面面，对企业信用的评估具有灵活性。模型的局限性在于将公司资产划分过于简单，且需要大量的数据，对数据处理的技术要求比较高，假定公司的资产服从正态分布，适用范围窄。
4.Credit Portfolio View模型
Credit Portfolio View模型(以下简称CPV模型)由麦肯锡咨询公司开发，是一种多因素信用风险管理模型，从宏观经济角度来分析信用风险的评估。该模型假定，信用风险并不是一成不变的，受到多种因素的影响。
模型的优点在于将宏观经济因素考虑进去，可以评价国家风险所造成的损失，可以根据相关政策调整资产管理。缺点在于需要长时间的数据跟踪，如果分析多行业情况，需要的数据更为多，否则无法得到违约概率的信息，这会限制该模型的使用。
