本报告构建了一个含经济状态影响的信用评级迁移马尔可夫模型,统一分析了点时点(PIT)与穿周期(TTC)评级体系,给出了两者的数学刻画与分类标准。通过加入经济状态的联合马尔可夫链,明确了评级过程的性质及渐近行为,并基于Merton模型示例实现PIT与TTC评级的构造与比较,验证了评级体系在会计与监管资本标准中的适用性 。
核心论点:本文提出了一个联合经济状态与信用评级迁移的时间齐次马尔可夫链模型,使得评级过程能够结合经济周期的影响,形式化地界定并区别PIT与TTC的评级特点。文章证明了当只考虑评级状态时,评级过程通常不具备马尔可夫性,但其扩展到经济状态和评级的联合空间则拥有马尔可夫性质;通过该模型能刻画评级矩阵的渐近行为,并用Merton型资产价值过程实际示例演示如何构造PIT和TTC评级。
强调信用违约率与经济状态密切相关(文献Wilson 1998等),且市场上评级体系存在PIT与TTC两种评级理念,却缺乏数学上的严格定义。本文旨在通过构建数学框架来填补这一空白。
银行监管背景下,TTC评级被偏好以减少资本要求的周期性波动(防止金融不稳定),而会计准则(IFRS9和CECL)要求使用反映当前及未来经济状况的违约概率,即更倾向于PIT评级的反映。
模型假设:
关键假设:
结果:
联合状态转移概率矩阵(P)由经济状态转移矩阵(M=[m_{ab}])与条件评级转移矩阵(M^{(a,b)}=[m^{(a,b)}_{rs}])确定:
[ p_{(a,r),(b,s)} = m_{ab} m^{(a,b)}_{rs} ]
示范:利用Merton模型获得的具体(M, M^{(a,b)})矩阵(见图1),显示经济状态转移对评级迁移概率的强烈影响。
严格证明:
设定条件:
当所有(M^{(a,b)})矩阵“非默认迁移比率一致”时,评级过程(R_t)才能满足马尔可夫性质。
“非默认迁移比率一致”条件,即对所有评级转移(r \to s)和(r' \to s')及经济状态对((a,b))和((a', b')):
[ \frac{m^{(a,b)}{rs}}{m^{(a,b)}{r's'}} = \frac{m^{(a',b')}{rs}}{m^{(a',b')}{r's'}} ]
该条件极其限制模型自由度,真实评级系统往往不满足,理论上支持非马尔可夫评级系统的实证观察(Altman 1998等)。
进一步给出评级过程可由时间非齐次马尔可夫链(\tilde{R}_t)精确复制其边际分布的存在性,说明尽管自身过程非马尔可夫,可以用时间依赖转移矩阵构造马尔可夫近似。
经济状态马尔可夫链(A_t)假定不可约、不可周期,且评级迁移正概率严格大于零,使得联合过程子矩阵(\widehat{P})为原始模型中非默认状态的迁移矩阵,也是原理矩阵(primitive matrix)。
利用Perron-Frobenius定理:
结果:
PIT评级定义:
评级反映每个企业在当前及未来经济状况下的违约概率,评级等级内的违约概率随经济状态动态变化。
数学表示:所有(a,b), 对于评级(r),点时违约概率相等:
[ PD(a,r) = PD(b,r) \quad \forall a,b \in \mathcal{A} ]
评级随经济增长或衰退波动,即评级分类的概率会与经济状态相关。
TTC评级定义:
评级忽略经济周期影响,评级更新仅反映企业特质,评级迁移矩阵条件于无违约状态时对任何经济状态均相同,即:
[ Q^{(a,b)} = Q \quad \forall a,b \in \mathcal{A} ]
违约概率随经济周期波动,但评级本身稳定。
进一步将评级迁移矩阵(M^{(a,b)})分解为违约组件(D^{(a,b)})和非违约组件(Q^{(a,b)})的乘积,并说明PIT与TTC在分解中的区别。
理论结果:
评级等级按照长期多期违约概率自然排序,低违约率评级优于高违约率评级。
引入随机单调性(stochastic monotonicity)概念:
关键结论:
在经典Merton公司价值模型框架内引入经济状态(A_t)影响资产价值漂移,建构评级流程。
PIT评级构造:
TTC评级构造:
数值过程分两步进行:
图1(第4页):
左图显示条件评级迁移矩阵(M^{(a,b)}),行列按评级由好到坏排序,经济状态1-3分别为好、中性、坏。
观测到经济状态转移对评级迁移有明显影响,比如经济转好的状态,升级概率大;经济变差时,降级概率升高。
右图是联合迁移矩阵(P)的热力图,体现了经济状态和评级的共同迁移概率分布。
图3(第26页):显示TTC评级对应的(M^{(a,b)})与联合矩阵(P),颜色深浅反映转移强度。
TTC转移矩阵随经济状态的变化较小,违约概率虽变但评级转移稳定性高。
图2(第13页):演示PIT和TTC评级的时间序列路径,经济状态剧烈波动,PIT评级随经济波动较大,TTC评级相对平稳。
图4(第27页):默认概率期限结构对比,左图为PIT评级,违约概率受经济状态影响明显;右图为校准后的TTC评级,默认概率较为稳定。
图5(第28页):更细分的TTC评级默认概率曲线,颜色代表起始经济状态,灰色为模型渐近默认概率。
图6(第28页):在仅知道经济状态的条件下,PIT与TTC评级默认曲线对比,PIT评级表现更能区分经济状态,TTC评级曲线趋近,不同状态难以区分。
该报告聚焦于评级迁移模型的数学定性与概率性质分析,没有传统意义上的公司估值或现金流折现模型。Merton 模型虽用于信用价值建模,但更多是用于信贷评级迁移概率的生成,故不涉及估值计算。报告中Merton模型主要作为评级状态和违约概率分区间的划分依据。
报告在理论层面未专门列出风险因素,但隐含风险和挑战包括:
报告指出通过时间非齐次马尔可夫链的近似方法缓解了部分模型风险,且建议校准评级体系以最小化PIT与TTC违约期限结构的差异,作为风险控制手段。
该研究报告提出并严格构建了一个结合经济周期影响的信用评级迁移模型,实现了在经济状态与信用评级的联合马尔可夫链框架内对评级迁移过程的刻画。主要贡献为:
理论创新:形式化定义并区分了PIT和TTC评级迁移过程。证明真实评级过程因经济状态影响而普遍不具备马尔可夫性,但其扩展联合过程满足马尔可夫性质,厘清了评级迁移的数学本质。
方法论应用:利用时间非齐次马尔可夫链构造了非马尔可夫评级过程的精确边际分布复刻模型,同时基于Perron-Frobenius理论讨论了评级迁移过程的渐近极限行为,揭示其长期默认概率性质。
评级排序与单调性分析:引入随机单调性和马尔可夫矩阵单调性保证评级的风险排序与多期违约概率排序一致,确保评级系统在经济波动中的稳健性。
实证模拟:在Merton资产价值框架下,具体构造了PIT与TTC评级流程,通过违约期限结构拟合,演示了两类评级的行为差异与联系,展示了经典理论与实际风险监管政策(如IFRS9、监管资本缓冲)之间的桥接。
图表深度解读:
监管与会计标准适用性:
综上,该研究不仅推进了信用评级迁移理论的数学模型化,还为评级系统设计和监管资本评估提供了严谨的工具和实践路径,兼顾了风险敏感性与稳定性的需求。
左图为条件评级迁移矩阵(M^{(a,b)}),经济状态转移由上至下,评级由左至右,颜色表示概率强弱;
右图为联合迁移矩阵(P),行列由经济状态和评级共同决定,渐变色反映转移强度。
经济状态时间序列(顶);相应的PIT评级状态分布随时间波动显著(中);TTC评级状态分布较为稳定(底)。
TTC评级对应条件迁移矩阵和联合迁移矩阵,颜色表现评级迁移概率,明显经济状态对迁移敏感度较低。
PIT与校准TTC评级违约概率期限结构比较,显示TTC的违约概率更稳健,PIT则随经济状态波动。
详细展现TTC评级违约概率曲线及其渐近近似(灰色),和仅已知经济状态下两者的期末违约概率比较,凸显PIT对经济状态的敏感与TTC相对稳健。
该报告集理论深度、数学严谨和实际意义为一体,成功通过扩展马尔可夫框架,将经济因素引入评级迁移分析,实现了对信用评级体系中PIT和TTC哲学的严密刻画,既有助于风险管理模型设计,也契合当前会计与监管资本标准的要求,是金融科技领域信用风险定量分析的重要贡献。
2403.14868.pdf