3.2.3 组合信用风险计量
1.违约相关性及其计量
相关性是描述两个联合事件之间的相互关系，而不仅仅是指两个事件概率的简单乘积。违约相关性的计量包括相关系数和连接函数两种方法。
(1)相关系数
线性相关是最常见的一种相关，可用统计学中最常见的简单相关系数来计量。
对于非线性相关，可通过秩相关系数(Spearman)和坎德尔系数(Kendall)进行计量。
上述相关性计量在数学上都具有良好的性质，目前在金融工程领域也得到了广泛的应用，但它们共同的缺点是只能刻画两个变量之间的相关程度，却无法通过各变量的边缘分布刻画出两个变量的联合分布。希望通过单比债项的不同损失分布来计算组合的损失分布，可以采用连接函数。
(2)连接函数
连接函数是一个把单变量概率密度函数连接成联合分布函数的函数。
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：
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。
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(MarginaRisk 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。
(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。
(3)Credit Risk+模型
Credit Risk+模型是根据针对火灾险的财险精算原理，对贷款组合违约率进行分析的，并假设在组合中，每笔贷款只有违约和不违约两种状态。Credit Risk+模型认为，贷款组合中不同类型的贷款同时违约的概率是很小的且相互独立，因此，贷款组合的违约率服从泊松分布。
3. 组合损失的压力测试
根据巴塞尔委员会2005年的定义，压力测试是一种风险管理技术，用于评估特定事件或特定金融变量的变化对金融机构财务状况的潜在影响。
作为商业银行日常风险管理手段的有效补充，压力测试早期主要用于市场风险管理，但随着时间的推移，业界也逐渐开始利用压力测试来补充信用风险模型的不足。
压力测试主要采用敏感性分析的情景分析方法。敏感性分析用来测试单个风险因素或一小组密切相关的风险因素的假定运动(如收益曲线的平移)对组合价值的影响;情景分析模拟一组风险因素(如股权价格、汇率和利率)的多种情景对组合价值的影响。敏感度测试着重分析特定风险因素对组合或业务单元的影响，而情景分析评估所有风险因素变化的整体效应，更频繁地用于机构范围内的压力测试。
尽管压力测试并不困难，但过多的压力测试并不意味着抓住了风险管理的实质和要害，也不意味着高水平的风险管理。而且，由于每次压力测试只能说明时间的影响程度，却并不能说明事件发生的可能性，使得管理者对众多的压力测试结果难以分清主次，因而对决策的帮助并不大。此外，压力测试只是对组合短期风险状况的一种衡量，因此属于一种战术性的风险管理方法。