2.信用风险组合模型
根据原理上的差异，信用风险组合模型可以分为两类：
l解析模型。通过一些简化假设，对信贷资产组合给出一个“准确”的解。解析模型能够快速得到结果，但缺点是需要建立在对违约风险因素诸多苛刻的假定基础上。
l仿真模型。用大量仿真试验(情景模拟)所产生的经验分布来近似代替真实分布。仿真模型具有很大的灵活性，但是对信息系统的计算能力要求很高。
(1) CreditMetrics模型
CreditMetrics模型本质上是一个VaR模型，目的是为了计算出在一定的置信水平下，一个信用资产组合在持有期限内可能发生的最大损失。CreditMetrics模型的创新之处正是在于解决了计算非交易性资产组合VaR这一难题。
①信用风险取决于债务人的信用状况，尔债务人的信用状况则用信用等级表示。
②信用工具(包括贷款、私募债券等)的市场价值取决于借款人的信用等级，即不同信用等级的信用工具有不同的市场价值，因此，信用等级的变化会带来信用工具价值的相应变化。
③CreditMetrics模型的一个基本特点就是从资产组合而并不是单一资产的角度来看待信用风险。
④由于CreditMetrics模型将单一的信用工具放入资产组合中衡量其对整个组合风险状况的作用，而不是孤立地衡量某一信用工具自身的风险，因而，该模型使用了信用工具边际风险贡献(Marginal Risk Contribution)这样的概念来反映单一信用工具对整个组合风险状况的作用。边际风险贡献是指因增加某一信用工具在组合中的持有量而增加的整个组合的风险。
【单选】CreditMetrics模型使用了()这一概念来反映单一信用工具对真个组合风险状况的作用。
A.秩相关系数
B.连接函数
C.信用工具边际风险贡献
D.违约概率
答案：C
(2) Credit Portfolio View模型
麦肯锡公司提出的Credit Portfolio View模型直接将将转移概率与宏观因素的关系模型化，然后通过不断加入宏观因素冲击来模拟转移概率的变化，得出模型中的一系列参数值。Credit Portfolio View模型可以看做是CreditMetrics模型的一个补充，因为该模型虽然在违约计量上不使用历史数据，而是根据现实宏观经济因素通过蒙特卡洛模拟计算出来，但对于那些非违约的转移概率则还需要历史数据来计算，只不过将这些基于历史数据的转移概率进行了调整而已。该模型本身并不能计量出完整的等级转移矩阵。
【单选】多重信用风险组合模型被广泛应用于国际银行业中，其中()直接将转移概率与宏观因素的关系模型化，然后通过不断加入宏观因素冲击来模拟转移概率的变化，得出模型的一系列参数值。
A. CreditMetric模型
B. Credit Portfolio模型
C. Credit Risk +模型
D. KMV模型
答案：B
