Моделирование кредитного риска: структурные модели Мертона и редуцированные модели
Хотя актуарная математика исторически зародилась в сфере страхования жизни, в последние десятилетия ее мощный стохастический аппарат активно проникает в банковский риск-менеджмент. Страховые компании и пенсионные фонды являются крупнейшими в мире институциональными инвесторами, держащими на своих балансах триллионы долларов корпоративных и государственных облигаций. Риск дефолта (банкротства) эмитента этих облигаций способен разрушить платежеспособность самого страховщика. Для количественной оценки вероятности дефолта (Probability of Default, PD) и потенциальных потерь (Loss Given Default, LGD) финансовая математика предлагает два конкурирующих аналитических подхода: структурные модели, основанные на стоимости активов, и редуцированные модели, основанные на интенсивности отказов.
Структурные модели кредитного риска берут свое начало от революционной работы Роберта Мертона (1974 год), который блестяще применил теорию ценообразования опционов Блэка-Шоулза к корпоративным финансам. Модель Мертона рассматривает собственный капитал (Equity) компании как европейский опцион Call на ее активы (Assets), где ценой исполнения (Strike Price) выступает номинальная стоимость долга компании (Liabilities). Если к моменту погашения долга рыночная стоимость активов превышает размер долга, акционеры гасят долг и оставляют разницу себе (опцион исполняется). Если же стоимость активов падает ниже суммы долга, акционеры просто объявляют компанию банкротом, отдавая оставшиеся активы кредиторам (опцион истекает вне денег).
Математически динамика стоимости активов компании в модели Мертона описывается геометрическим броуновским движением. Используя формулу Ито и уравнение Блэка-Шоулза, актуарий вычисляет так называемое Расстояние до дефолта (Distance to Default, DD). Этот скалярный показатель измеряет, на сколько стандартных отклонений (волатильностей активов) текущая стоимость активов превышает порог дефолта. Переводя Расстояние до дефолта через функцию стандартного нормального распределения, мы получаем строгую аналитическую вероятность банкротства компании на заданном горизонте. Главная проблема модели Мертона заключается в том, что стоимость активов и их волатильность не наблюдаются на рынке напрямую; их приходится рекурсивно выводить из наблюдаемой рыночной капитализации компании и волатильности ее акций через решение систем нелинейных уравнений.
В отличие от структурного подхода, редуцированные модели (Reduced-form Models), разработанные Робертом Джарроу и Стюартом Тернбуллом, вообще не пытаются анализировать внутренний баланс компании. Дефолт здесь рассматривается как внезапный экзогенный (внешний) стохастический прыжок. Математическим аппаратом служит процесс Пуассона со случайной интенсивностью (процесс Кокса). Интенсивность дефолта (Hazard Rate) моделируется как стохастический процесс (например, процесс Орнштейна-Уленбека или Кокса-Ингерсолла-Росса), который может зависеть от макроэкономических факторов: процентных ставок, роста ВВП или отраслевых индексов.
Огромным преимуществом редуцированных моделей является их калибровочная гибкость. Поскольку интенсивность дефолта выводится непосредственно из наблюдаемых рыночных спредов корпоративных облигаций и котировок кредитно-дефолтных свопов (CDS), модель идеально "встраивается" в текущие рыночные цены, обеспечивая так называемую риск-нейтральную вероятность дефолта. Редуцированные модели также позволяют элегантно интегрировать стохастическую норму возмещения (Recovery Rate), которая определяет, какую часть номинала инвестор вернет после банкротства. Синтез этих двух математических парадигм лежит в основе современных стандартов Базель III и Solvency II, требуя от актуариев применения сложных симуляций Монте-Карло для оценки кредитного Value-at-Risk (CVaR) и обеспечения устойчивости глобальной финансовой системы к шоковым корпоративным дефолтам.
Related items
- Тензорный анализ: обобщение векторного исчисления
- Метод конечных разностей: дискретизация дифференциальных уравнений
- Рисковые премии и маржа платежеспособности в рисковом страховании
- Стохастическое программирование в ALM: многоэтапные модели и сценарные деревья
- Системы бонус-малус в автостраховании: марковские цепи и байесовские тарифы