What is Credit Default Probability?
▾
Pravděpodobnost selhání (PD) je základním konceptem měření úvěrového rizika a představuje pravděpodobnost, že dlužník – ať už korporace, finanční instituce, suverén nebo jednotlivec – neprovede smluvně požadované platby ve stanoveném časovém horizontu. PD je jedním ze tří základních parametrů v basilejském rámci úvěrového rizika, spolu se ztrátou při selhání (LGD) a expozicí při selhání (EAD), a řídí jak očekávané ztráty, tak výpočty regulatorního kapitálu. Existují tři základní přístupy k odhadu PD. Strukturální přístup, propagovaný Robertem Mertonem v roce 1974, modeluje vlastní kapitál společnosti jako kupní opci na její aktiva: k defaultu dochází, když hodnota aktiv klesne pod nominální hodnotu dluhu („bariéra defaultu“) v době splatnosti. Vzdálenost k výchozímu stavu (DD) – měřená ve standardních odchylkách hodnoty aktiv od výchozí bariéry – je klíčovým výstupem a PD se odhaduje z normálního rozdělení této vzdálenosti. Moody's KMV model je přední komerční implementací Mertonova strukturálního přístupu, který využívá odhadovanou hodnotu aktiv a volatilitu pro výpočet očekávané výchozí frekvence (EDF). Přístup redukované formy (intenzity) považuje selhání za překvapivou událost řízenou mírou rizika λ (okamžitá podmíněná pravděpodobnost selhání), kterou lze kalibrovat na tržní ceny swapů úvěrového selhání (CDS) nebo úvěrových spreadů dluhopisů. PD nad horizontem T = 1 − e^(−λT). Tento přístup je flexibilnější než strukturální model a může zahrnovat časově se měnící výchozí intenzity. Přístupy založené na kreditním skóre (včetně modelů logistické regrese, modelů ratingových agentur a modelů strojového učení) odhadují PD z finančních charakteristik dlužníka: pákový poměr, ziskovost, poměry krytí, likvidita, velikost a odvětví. Historické míry selhání ratingových agentur poskytují empirické mapování od úvěrového ratingu k historické PD v různých horizontech. Přesný odhad PD je nezbytný pro stanovení ceny úvěru (úvěrové rozpětí musí kompenzovat očekávanou ztrátu = PD × LGD), výpočet regulatorního kapitálu (Basilejský přístup IRB umožňuje bankám používat interní modely PD), řízení úvěrového rizika portfolia a hodnocení úvěrového rizika protistrany v derivátových transakcích.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Vzorec
▾
Merton PD: PD = N(−d2) kde d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T)
Míra rizika PD: PD(T) = 1 − e^(−λT)
Kreditní trojúhelník: λ ≈ Kreditní rozpětí / LGD | CS ≈ PD × LGD / (1-PD)Variable Legend
▾
| Symbol | Jméno | Jednotka | Popis |
|---|---|---|---|
| PD | Pravděpodobnost selhání | % | Pravděpodobnost selhání ve stanoveném horizontu (standardně 1 rok); parametr primárního úvěrového rizika. |
| DD | Vzdálenost k výchozímu nastavení | standard deviations | V modelu Merton: (hodnota aktiv – výchozí bod) / (objem aktiv × hodnota aktiv); počet standardních odchylek nad výchozí. |
| λ | Míra nebezpečnosti | per year | Okamžitá podmíněná pravděpodobnost selhání za jednotku času; používané v modelech redukovaného tvaru: PD = 1 − e^(−λT). |
| LGD | Ztráta vzhledem k výchozímu stavu | % | Očekávaná část ztráty expozice, pokud dojde k selhání; komplement míry návratnosti. EL = PD × LGD × EAD. |
| CS | Úvěrové rozpětí | bps | Dodatečný požadovaný výnos nad bezrizikovou sazbu; přibližně CS ≈ λ × LGD pro krátké splatnosti (úvěrový trojúhelník). |
How to Credit Default Probability
▾
- 1Zvolte přístup odhadu: strukturální (Merton) pro veřejné společnosti s údaji o vlastním kapitálu; redukovaná forma pro názvy obchodované s CDS; na základě ratingu pro společnosti s úvěrovým ratingem.
- 2Pro Mertonův model: odhadněte hodnotu aktiv (V) a volatilitu aktiv (σ_V) řešením systému equity-as-call-option iterativně; identifikovat bariéru selhání (typicky běžné závazky + 50 % dlouhodobý dluh).
- 3Vypočítejte vzdálenost k výchozímu nastavení: DD = (V − D) / (σ_V × V), kde D je výchozí bariéra.
- 4Převeďte DD na PD pomocí normálního rozdělení: PD = N(−DD) pro rizikově neutrální míru nebo použijte empirické mapování (jako to dělá Moody's KMV) pro reálnou PD.
- 5Pro CDS/PD založené na spreadu: získejte tržní kreditní spread, předpokládejte LGD (obvykle 40–60 %); vypočítat míru nebezpečí λ = CS / LGD; vypočítejte PD(T) = 1 − e^(−λT).
- 6Pro PD založené na ratingu: vyhledejte historickou průměrnou kumulativní míru selhání pro úvěrový rating emitenta z ročních studií selhání agentury S&P nebo Moody's.
- 7Ověřte odhad PD oproti tržním cenám, ratingům ratingových agentur a obdobným společnostem. Souhrnná očekávaná ztráta portfolia: EL = Σ PD_i × LGD_i × EAD_i.
Worked Examples
▾
Společnost je 1,41 směrodatné odchylky nad defaultem – mírné úvěrové riziko
d2 = [ln(100/70) + (0,05 − 0,25²/2)×1] / (0,25×√1) = [0,357 + 0,019] / 0,25 = 1,505. PD = N(−1,505) ≈ 6,6 %. Vzdálenost k výchozímu nastavení DD = (100 − 70) / (0,25 × 100) = 1,20 směrodatné odchylky. Moody's KMV to mapuje na empirický EDF z jejich historické databáze. 1,2 DD odpovídá zhruba 8–12% empirické jednoleté pravděpodobnosti selhání. Pokud akciové trhy vyprodají a volatilita aktiv vzroste na 35 %, DD klesne na 0,86 a PD vyskočí na 19 %, což ukazuje, jak podmínky na akciovém trhu přímo ovlivňují úvěrové riziko.
Trh CDS implikuje 22% pravděpodobnost selhání během 5 let
Míra rizika λ = CS / LGD = 300 bps / 60 % = 500 bps = 5,0 % za rok. 1-roční PD = 1 − e^(−0,05×1) = 4,88 %. 5letá PD = 1 − e^(−0,05×5) = 1 − e^(−0,25) = 22,1 %. Tato PD implikovaná CDS je rizikově neutrální pravděpodobnost (zahrnuje rizikovou prémii), takže PD v reálném světě by byla o něco nižší. Rozpětí CDS 300 bps je v souladu s úvěrovým ratingem BB, kde historické 5leté kumulativní míry selhání v průměru dosahují přibližně 10–15 % – trh CDS implikuje poněkud vyšší sazbu, odrážející tržní rizikovou prémii a prémii za likviditu.
Na základě 40+ let historických dat o selhání podle ratingu S&P
Podle roční studie Global Corporate Default and Rating Transition Study společnosti S&P z roku 2023 je průměrná 3letá kumulativní míra selhání u emitentů s ratingem BB v letech 1981–2022 přibližně 8,2 %. Roční míry selhání: BB rok 1≈0,84 %, rok 2≈1,65 % marginální, rok 3≈1,72 % marginální. Kumulativní 3leté míry selhání investičního stupně jsou mnohem nižší: AAA≈0,01 %, AA≈0,05 %, A≈0,13 %, BBB≈0,55 %. Tyto empirické sazby jsou PD v reálném světě (nikoli rizikově neutrální) a používají se přímo ve výpočtech očekávaných ztrát v rámci Basel IRB pro úvěrová portfolia.
Vícenásobné finanční ukazatele kombinované v logistické regresi předpovídají PD
V modelu logistické regrese má každý finanční poměr koeficient odhadnutý z historických dat o selhání: dluh/EBITDA (5,0x – vysoká páka zvyšuje riziko), úrokové krytí (1,8x – nízké krytí výrazně zvyšuje PD), aktuální poměr (0,9 – pod 1,0 = záporný pracovní kapitál zvyšuje riziko) a zisková marže (4 % – nízká marže nabízí malou rezervu). Kombinovaná logaritmická pravděpodobnost vytváří PD přibližně 12,5 % – zvýšené území spekulativního stupně. Tento dlužník by obdržel interní rating B nebo B−, který by vyžadoval cenu přibližně LIBOR/SOFR + 400–500 bps a přísné smluvní ochrany.
Real-World Applications
▾
Schvalování a stanovení ceny bankovních úvěrů (RAROC), které umožňují odborníkům činit dobře informovaná kvantitativní rozhodnutí založená na ověřených výpočetních metodách a standardních průmyslových přístupech, což vyžaduje přesnou kvantitativní analýzu pro podporu rozhodnutí na základě důkazů, strategickou alokaci zdrojů a optimalizaci výkonu v různých organizačních kontextech a odborných disciplínách
IRB kapitálová kalkulace podle Basel II/III pro úvěrová portfolia, která pomáhá analytikům produkovat přesné výsledky, které podporují strategické plánování, alokaci zdrojů a výkonnostní benchmarking napříč organizacemi, kde jsou přesné numerické výpočty zásadní pro vytváření spolehlivých výstupů, které informují o procesech plánování, hodnocení a neustálého zlepšování ve firemním i individuálním prostředí.
IFRS 9 / CECL tvorba opravných položek na očekávané úvěrové ztráty, umožňující profesionálům systematicky kvantifikovat výsledky a porovnávat scénáře pomocí spolehlivých matematických rámců a zavedených vzorců, vyžadující přístupy systematického výpočtu, které převádějí nezpracovaná vstupní data do použitelných poznatků pro zúčastněné strany, které jsou ve svých každodenních profesionálních činnostech závislé na kvantitativní přísnosti
Oceňování a obchodování swapů úvěrového selhání, podpora vyhodnocovacích procesů řízených daty, kde je numerická přesnost zásadní pro dosažení souladu, výkaznictví a optimalizačních cílů, vyžadující robustní výpočetní metody, které poskytují konzistentní a ověřitelné výsledky vhodné pro výkaznictví, audity a analýzu dlouhodobých trendů v profesionálním prostředí
Monitorování úvěrového rizika portfolia dluhopisů a dohled nad ratingem, který vyžaduje přesnou kvantitativní analýzu pro podporu rozhodnutí podložených důkazy, strategické alokace zdrojů a optimalizaci výkonnosti v různých organizačních kontextech a profesních disciplínách
Special Cases
▾
V praxi vyžaduje tento okrajový případ pečlivé zvážení, protože standardní předpoklady nemusí platit. Při setkání s tímto scénářem ve výpočtech kalkulátoru pravděpodobnosti úvěrového selhání by měli praktici ověřit okrajové podmínky, zkontrolovat rizika dělení nulou a zvážit, zda předpoklady modelu zůstávají platné i za těchto extrémních podmínek.
Profesionálové pracující s úvěrovým rizikem pd by měli tomuto scénáři věnovat zvláštní pozornost, protože při nesprávném zacházení může vést k zavádějícím výsledkům. Vždy ověřte okrajové podmínky a proveďte křížovou kontrolu nezávislými metodami, když se tento případ v praxi vyskytne.
V praxi vyžaduje tento okrajový případ pečlivé zvážení, protože standardní předpoklady nemusí platit. Při setkání s tímto scénářem ve výpočtech kalkulátoru pravděpodobnosti úvěrového selhání by měli praktici ověřit okrajové podmínky, zkontrolovat rizika dělení nulou a zvážit, zda předpoklady modelu zůstávají platné i za těchto extrémních podmínek.
Průměrné 1leté výchozí sazby S&P podle hodnocení (1981–2022)
▾
| Hodnocení | 1-roční PD | 3letá PD | 5letá PD | Popis |
|---|---|---|---|---|
| AAA | 0,00 % | 0,01 % | 0,04 % | Nejvyšší investiční stupeň |
| AA | 0,02 % | 0,06 % | 0,12 % | Velmi kvalitní |
| A | 0,06 % | 0,18 % | 0,37 % | Vysoká kvalita |
| BBB | 0,16 % | 0,55 % | 1,10 % | Přerušení investičního stupně |
| BB | 0,84 % | 3,41 % | 7,18 % | Nejvyšší spekulativní stupeň |
| B | 3,44 % | 10,50 % | 18,90 % | Spekulativní |
| CCC/C | 26,78 % | 42,60 % | 52,20 % | Vysoce spekulativní / zoufalý |
Frequently Asked Questions
▾
Jaký je rozdíl mezi rizikově neutrální PD a reálnou PD?
Rizikově neutrální PD je odvozeno z tržních cen (rozpětí CDS, výnosy dluhopisů) a zahrnuje rizikovou prémii nad rámec čisté pravděpodobnosti selhání – investoři požadují extra kompenzaci za držení rizika selhání. Skutečná (fyzická) PD je skutečná historická frekvence selhání pro danou kategorii rizika – obvykle odhadovaná z údajů ratingové agentury nebo údajů o výkonnosti interních bankovních úvěrů. Rizikově neutrální PD se používá pro oceňování derivátů (CDS, kreditní deriváty) a musí odpovídat tržním cenám. PD v reálném světě se používá pro výpočty očekávaných ztrát v Basileji, poskytování úvěrů a řízení rizik. Rizikově neutrální PD je obvykle 1,5–3× vyšší než reálná PD u emitentů investičního stupně, což odráží prémii za úvěrové riziko.
Jaké jsou přístupy Basel II/III pro odhad PD?
V rámci kapitálového rámce úvěrového rizika Basel II/III mohou banky používat: (1) Standardizovaný přístup – rizikové váhy předepsané regulátory na základě externích úvěrových ratingů, bez interních odhadů PD; (2) Foundation IRB (FIRB) – banky odhadují PD interně, ale používají dohledové LGD a EAD; (3) Pokročilé IRB (AIRB) – banky odhadují PD, LGD a EAD pomocí svých vlastních interních modelů, s výhradou minimálních požadavků na data a regulační validace. AIRB umožňuje nejnižší kapitálové poplatky za vysoce kvalitní úvěrová portfolia, ale vyžaduje roky nesplácených dat, přísné ověřování modelu a průběžné monitorování výkonnosti modelu. Většina velkých mezinárodně aktivních bank používá AIRB pro svá hlavní portfolia.
Jaké finanční ukazatele nejlépe předpovídají selhání společnosti?
Altmanovo Z-Score (1968) identifikovalo pět klíčových prediktorů korporátního bankrotu z diskriminační analýzy: pracovní kapitál/celková aktiva, nerozdělený zisk/celková aktiva, EBIT/celková aktiva, tržní hodnota vlastního kapitálu/účetní hodnota celkových pasiv a tržby/celková aktiva. Výzkum od té doby potvrdil, že mezi nejsilnější individuální prediktory patří: pákový efekt (dluh/EBITDA, dluh/aktiva), krytí (EBIT/úrok, EBITDA/úrok), likvidita (Current ratio, Quick ratio), ziskovost (ROA, zisková marže) a velikost (větší firmy mají nižší míru defaultu při stejné úrovni pákového efektu). Moderní modely strojového učení využívají stovky finančních i nefinančních funkcí.
Jak souvisí míra zotavení s PD?
Míra návratnosti (R) = 1 − LGD (Loss Given Default). Míra návratnosti je část expozice získaná po selhání prostřednictvím konkurzního řízení, prodeje aktiv nebo restrukturalizace. Historická míra návratnosti nezajištěných podnikových dluhopisů je v průměru přibližně 40 % (LGD=60 %), ale značně se liší podle seniority: prioritní zajištěné dluhopisy získávají 60–80 %; senior nezajištěný 35–55 %; podřízené dluhopisy 10–30 %; vlastní kapitál blízko nule. Míra návratnosti negativně koreluje s PD – při systémových poklesech, kdy míra selhání prudce stoupá, míra návratnosti současně klesá (procykličnost), což zvyšuje úvěrové ztráty nad rámec toho, co by naznačovaly nezávislé odhady PD a LGD.
Jaký je rozdíl mezi PD „v průběhu cyklu“ a „v určitém časovém okamžiku“?
Průběžný cyklus (TTC) PD odhaduje průměrnou pravděpodobnost selhání během celého ekonomického cyklu a vyrovnává cyklické výkyvy. Ratingové agentury používají ratingy TTC – rating BBB by měl odrážet podobné riziko selhání v průběhu celého cyklu. Bod v čase (PIT) PD odráží současné ekonomické podmínky a pohybuje se s hospodářským cyklem: PIT PD prudce rostou v recesích a snižují se v obdobích boomu. Basilej požaduje, aby banky používaly TTC PD pro výpočty minimálního kapitálu (aby se zabránilo procyklickému navyšování kapitálu), ale PIT PD pro IFRS 9/CECL pro tvorbu opravných položek k očekávaným úvěrovým ztrátám (což vyžaduje výhledové posouzení aktuálního stavu). Rozlišení PIT-to-TTC je zdrojem značné praktické složitosti řízení úvěrového rizika.
Jak se PD používá při stanovení ceny úvěru?
Oceňování úvěrů využívá rámec rizikově upravené návratnosti kapitálu (RAROC): účtované kreditní rozpětí musí pokrýt očekávanou ztrátu (EL = PD × LGD) a generovat přiměřenou návratnost regulatorního kapitálu. Minimální kreditní rozpětí = (EL + náklady na kapitál × požadovaný kapitál) / výše úvěru. Pro půjčku na 1 rok: pokud PD = 2 %, LGD = 50 %, EL = 1,0 %. Pokud požadovaný kapitál = 8 % z úvěru, při 15 % požadovaný výnos: kapitálové náklady = 8 % × 15 % = 1,2 %. Minimální spread = 1,0 % + 1,2 % = 2,2 % (220 bps). Tento rámec RAROC zajišťuje, že půjčky vznikají pouze tehdy, když spread pokrývá očekávané ztráty a poskytuje adekvátní návratnost vlastního kapitálu.
Může strojové učení zlepšit predikci PD oproti tradičním modelům?
Modely strojového učení – zesílení gradientu (XGBoost), náhodné lesy, neuronové sítě – často dosahují vyšší přesnosti predikce (měřeno koeficientem AUC/Gini) než logistická regrese pro predikci PD, zejména u velkých souborů dat obsahujících mnoho nelineárních interakcí mezi funkcemi. Čelí však výzvám v oblasti úvěrového rizika: regulatorním požadavkům na vysvětlitelnost (pokyny SR 11-7 vyžadují, aby banky porozuměly a vysvětlily výstupy modelu), řízení modelu a riziko nadměrného přizpůsobení historickým vzorcům, které nemusí přetrvávat. Hybridní přístupy – využívající ML pro inženýrství funkcí a výběr proměnných s logistickou regresí pro konečný model – jsou běžné v regulovaných bankovních prostředích.
Common Mistakes to Avoid
▾
- !Záměna rizikově neutrální PD (z CDS) s reálnou PD — liší se prémií za úvěrové riziko a neměly by se ve výpočtech míchat.
- !Použití PD k určitému okamžiku pro kapitálové výpočty v Basileji (mělo by se používat v průběhu cyklu) nebo TTC PD pro tvorbu opravných položek podle IFRS 9 (mělo by používat PIT).
- !Ignorování korelace mezi PD a LGD – při poklesech se oba zhoršují současně, což zvyšuje skutečné úvěrové ztráty nad EL = PD × LGD.
- !Použití korporátních sazeb defaultu na retailové/spotřebitelské úvěry bez úprav pro zásadně odlišné rizikové faktory.
- !Extrapolace krátkodobého PD na dlouhé horizonty bez zohlednění migrace ratingů v čase.
Pro Tip
Vždy ověřte svůj model PD pomocí Giniho koeficientu/AUC (diskriminace – seřazení dlužníků od nejlepšího po nejhorší riziko) a kalibračních testů (jsou předpokládané PD blízko pozorovaným mírám selhání?). Model, který má dobré hodnocení, ale je špatně zkalibrovaný, může stále vytvářet nedostatečné rezervy.
Did you know?
Klíčový poznatek Mertonova modelu – nakládání s vlastním kapitálem firmy jako s kupní opcí na její aktiva – byl zveřejněn v roce 1974, pouhý rok po stanovení ceny Black-Scholes opcí. Robert Merton obdržel Nobelovu cenu za ekonomii v roce 1997 (spolu s Myronem Scholesem) především za tuto práci, která sjednotila teorii oceňování opcí a kreditní riziko do jediného elegantního rámce.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
References
- ›Merton, R.C. (1974): O oceňování podnikových dluhů, Journal of Finance
- ›S&P Global: Každoroční globální korporátní default a ratingová studie přechodu (2023)
- ›Basilejský výbor: IRB přístup k úvěrovému riziku — Basel III
- ›McNeil, Frey & Embrechts: Kvantitativní řízení rizik – kapitola o kreditních rizicích
Read the full guide on how to use this calculator effectively
Číst více →Získejte týdenní matematické tipy
Připojte se k 12 000+ odběratelům, kteří každý týden dostávají tipy na kalkulačku.