-
核心论点:
信用利差是衡量信用风险及信誉评级的重要市场指标,广泛应用于金融产品定价(特别是违约相关产品)、风险评估(如CVA)和宏观经济研究中。现有多数模型依赖因子(factorial)模型,容易实现但在时间连续性和期限结构建模方面存在局限。本文提出利用随机微分方程(SDE)驱动的CIR++模型实现信用利差的连续、解析建模,填补了市场和学术界的模型空白。,1]
-
文献差异:
相比结构模型(如Merton模型基于资产价值触碰违约障碍),本模型属于强度模型(reduced-form),专注于违约强度过程的建模,更易于实时收益率曲线拟合。并区分于基于资产和利率联动的模型,因实务上资产价值不易获取,CIR++模型简洁且保证正值,有利实际操作。,2]
-
模型优势:
- 自然生成信用利差期限结构。
- 具解析闭式表达,便于计算和风险分析。
- 具备稳定且风险管理所需的动态扩散特性。
- 提供了默认债券定价的首个基于CIR++强度的解析表达。
-
模型设定:
- 总体采用风险中性测度Q下的过滤空间,定义风险无套利利率rt、默认强度λt,两者Ft条件独立。
- 违约时间τ是基于默认强度累积风险过程的跳跃时间,满足强度定义:
λ(t)dt=Q(τ∈[t,t+dt]∣τ>t,Ft)
- 默认强度以CIR++模型描述:
λ(t)=y(t)+ψ(t),dyt=κ(θ−yt)dt+σytdWt
其中,ψ(t)为确定函数,用以拟合初始市场生存概率曲线。
-
默认债券定价公式:
- 默认债券价格H(t,T)定义为贴现现金流加权生存状态及违约补偿的期望(基于扩大的过滤Gt):
H(t,T)=EQ[e−∫tTrsds(δ1{τ≤T}+1{τ>T})∣Gt]
H(t,T)=P(t,T)[δ+(1−δ)S(t,T)]
其中P(t,T)为无风险债券价格,S(t,T)=EQ[exp(−∫tTλsds)∣Ft]为生存概率。
-
核心数学贡献:
- 利用CIR++模型和利率模型零息券价格等价,生存概率S(t,T)得到了如下表达:
S(t,T)=Sm(0,t)Sm(0,T)A(0,T)A(0,t)e−B(0,T)y0e−B(0,t)y0A(t,T)e−B(t,T)[λ(t)−ψ(t)]
其中系数A, B具有闭式表达,Sm(0,t)为市场初始生存率,ψ(t)通过拟合初始生存率隐式定义。
-
ψ(t)的推导:
通过使模型生存概率吻合初始市场数据,得到:
ψ(t)=λm(t)+D(t)−y0E(t)
对应特定的导数函数D(t),E(t)。
-
还原实际利率模型(Hull-White等):
无风险价格P(t,T)可选用Hull-White等模型计算,灵活匹配市场利率期限结构。
-
校准目标:通过匹配历史市场默认强度的波动率曲线,保障模型在风险管理和历史场景下的准确性与保守性。
-
数据选择:利用Credit Agricole的信用违约互换(CDS)曲线及其对应计算的默认强度和生存概率。
-
校准指标:
模型理论默认强度的方差表达(CIR++模型):
Varλ(T;κ,θ,σ,y0)=y0κσ2(e−κT−e−2κT)+2κθσ2(1−e−κT)2
结合实际市场默认强度波动率,采用Sum of Squared Relative Error(SSRE)最小化法进行参数Θ={κ,θ,σ,y0}拟合。
-
校准方案:
- 全局场景:2009年至2024年15年数据,包含重大宏观金融压力事件,保证模型对极端市场行情的覆盖。
- 当前场景:2022年-2024年近两年,代表近似平稳市场状态,测试模型适应正常波动环境。
-
结果:
- 全局场景拟合误差更小(1.009×10−3)、波动率和均值回复参数均较高,反映压力期市场风险。
- 当前场景参数整体下降,表征波动率减弱和平稳状态。
-
参数示例(具体数据页码附表略)显示显著参数差异,证明模型可灵活调节风险敏感度。
-
起始市场生存概率拟合:
- 模型与初始市场生存概率完美吻合,支持从初始信用利差反算生存概率:
Sm(0,T)=1−δe−TSpm(0,T)−δ
并对正值利差和合理回收率设定了非限制性条件,增强实用性。,13]
-
利率模型结合:
- 提出可结合Hull-White、Vasicek等模型计算无风险利率及期限结构,保障模型在现实市场数据拟合中的适用性。
-
数据来源:
- 使用2009-2024间Credit Agricole 及法国国债的收益率及CDS市场数据进行实证验证,保证研究的实践背景与数据现实有效性。,17,18]
-
理论建模层面:
- 结合强度模型与风险中性测度,首次实现了基于CIR++模型的默认债券和信用利差的解析闭式表达。
- 解析化地推出了信用利差期限结构的动态扩散表达,满足风险管理中对连续时间和各期限信用风险指示的需求。
-
方法论创新:
- 提出基于历史默认强度波动率匹配的保守校准方法,避免只拟合末期市场数据的片面性,保证模型能代表长期市场波动。
- 通过多场景校准(全局及当前)验证模型在不同市场环境下的适用性和灵活调节能力。
-
实证验证:
- 以Credit Agricole为案例,使用长时间序列的债券收益率、CDS价格等数据展现了模型优良的拟合效果。
- 模型在多期数模拟扩散中表现出信用利差的合理动态波动区间,且历史信用利差实测数据大部分涵盖在模型预测分位范围内,突显模型现实解释力和风险控制能力。
-
图表洞察:
- 信用利差与无风险利率历史走势清晰反映时代背景影响。
- 波动率曲线差异揭示压力期与平稳期不同风险偏好和信用条件。
- 模拟分位数和分布符合信用风险的时变随机特性,给出策略制定的可靠量化基础。
-
整体评价:
本模型在简洁性与有效性之间达到平衡,填补了信用利差随机建模的理论与应用空白,尤其适用于信用风险的定价与管理。保守校准和实际数据的结合增强了可信度和推广潜力。报告结尾展望将模型推广至期权定价、XVA计算及引入更多风险因素,实现更多场景的金融风险精细管理。