В отличие от CreditMetrics и Portfolio Manager в CreditRisk+ не используются абсолютные уровни риска дефолта – уровни дефолтов выступают как непрерывная случайная величина. Будучи основой для присвоения кредитного рейтинга, они меняются с течением времени, и это непостоянство отражается в числовом значении их изменчивости (стандартное отклонение). Уровни дефолтов, сопоставленные с определенными рейтинговыми классами и распределенные по конкретным субъектам, вместе с показателями изменчивости определяются в CreditRisk+ как исходные данные.
В CreditRisk+ отрицается обязательное наличие корреляций между случаями дефолта, поэтому такие корреляции подробно не моделируются. Невозможность анализа взаимосвязи между отдельными кредитами, входящими в портфель, означает, что на практике самой важной является взаимосвязь между экономическими условиями и уровнем дефолтов. Однако и эта связь не является достаточно четкой: уровень дефолтов из года в год сильно колеблется, а различные секторы экономики в разной степени подвержены влиянию общей экономической ситуации. Поэтому в качестве исходных данных в CreditRisk+ используется волатильность этих уровней, причем чем больше будет охватываемый волатильностью временной период и чем большее число спадов и подъемов он будет включать, тем в большей степени модель будет отражать эффект экономических циклов.
Упомянутые особенности модели CreditRisk+ позволяют сделать вывод о том, что она наиболее применима для вычисления общего уровня потерь и менее точна в анализе влияния отдельного сектора или субъекта на профиль портфельного риска. Это не представляется большим упущением, поскольку существующая корреляция сама не отличается необходимой стабильностью. В то же время минимум требований к исходным данным делает эту модель более простой в применении, дополнительную привлекательность ей придает быстрота аналитических расчетов распределения убытков по портфелю.
Методология CreditMetrics была разработана сотрудниками ведущего оператора рынка кредитных деривативов – банка Дж.П. Моргана и стала применяться наряду с CreditRisk+ с 1997 г. Впоследствии подразделение, занимавшееся данным проектом, было выделено в отдельную структуру – Risk Metrics Group (RMG). В отличие от CreditRisk+ CreditMetrics – это всего лишь методология и первоначальные исходные данные, т.е. для работы с ними и добавления собственных данных нужно дополнительное программное обеспечение.
Методология CreditMetrics базируется на методе статистических испытаний Монте-Карло (Monte Carlo simulation). Это означает, что распределение убытков определяется на основе значений вероятностей так называемой кредитной миграции и корреляции между изменениями кредитных рейтингов. Применение этого метода обусловливается тем, что статистические приемы, используемые в нем для моделирования возможной стоимости кредитов в портфеле, порождают значительное увеличение количества расчетов, необходимых для оценки результата при добавлении в портфель еще одного кредита. Так, для портфеля из 3 активов с помощью рассматриваемой модели исследуется 512 возможных сочетаний, а в случае с 5 активами их число достигнет уже 32 768.
Метод Монте-Карло позволяет выводить распределение убытков по портфелю на любую дату в пределах срока обращения активов. По каждому должнику определяется кредитный рейтинг, а для вычисления вероятности его изменения или дефолта применяется специальная переходная матрица (transition matrix).
Одним из преимуществ методологии CreditMetrics является то, что она учитывает выгоды от диверсификации портфеля, уменьшающие совокупный риск одиночных сделок, и принимает в расчет взаимосвязанные события, касающиеся должников (одновременное понижение рейтингов нескольких должников и т.п.). В итоге концентрация портфеля на отдельном заемщике, отрасли или регионе выразится в росте требований к размеру капитала.
По методологии CreditMetrics не рассчитывают эффект возможной корреляции между поведением отдельных заемщиков и кредитными случаями, с одной стороны, и глобальными факторами (состоянием экономики и др.) – с другой. Он учитывается опосредованно через использование исторических данных о дефолтах и вычисление корреляций облигационных спрэдов по базовым активам. Заметим, однако, что при весьма скудных сведениях о многочисленных дефолтах исторические данные не смогут оказаться полезными. Использование облигационных спрэдов выглядит более привлекательным, но оно требует дополнительных допущений относительно связи между ценами активов и изменениями рейтингов или дефолтом.
Необходимо отметить, что на понижение цены кредитного инструмента оказывает влияние не только объявление дефолта (крайний случай обесценения), но и снижение кредитного рейтинга.
