이란 무엇인가 Credit Default Probability?
▾
부도 확률(PD)은 신용 위험 측정의 핵심 개념으로, 기업, 금융 기관, 국가 또는 개인 등 차용인이 지정된 기간 내에 계약상 요구되는 지불을 이행하지 못할 가능성을 나타냅니다. PD는 부도 시 손실(LGD) 및 부도 노출(EAD)과 함께 바젤 신용 위험 프레임워크의 세 가지 기본 매개변수 중 하나이며 예상 손실과 규제 자본 계산을 모두 결정합니다. PD를 추정하는 데는 세 가지 기본 접근 방식이 있습니다. 1974년 로버트 머튼(Robert Merton)이 개척한 구조적 접근 방식은 회사의 자산을 자산에 대한 콜 옵션으로 모델화합니다. 즉, 만기 시 자산 가치가 부채 액면가('디폴트 장벽') 아래로 떨어질 때 디폴트가 발생합니다. 부도 장벽으로부터 자산 가치의 표준 편차로 측정된 부도까지의 거리(DD)가 주요 출력이며 PD는 이 거리의 정규 분포로부터 추정됩니다. Moody's KMV 모델은 예상 자산 가치와 변동성을 사용하여 예상 부도 빈도(EDF)를 계산하는 Merton 구조적 접근 방식의 선도적인 상업적 구현입니다. 축소된 형태(강도) 접근법은 부도를 위험률 λ(즉시 조건부 부도 확률)에 의해 통제되는 예상치 못한 사건으로 취급하며, 이는 신용부도스왑(CDS) 또는 채권 신용 스프레드의 시장 가격으로 보정될 수 있습니다. 수평선 위의 PD = 1 − e^(−λT). 이 접근 방식은 구조 모델보다 더 유연하며 시간에 따라 변하는 기본 강도를 통합할 수 있습니다. 신용 점수 기반 접근 방식(로지스틱 회귀 모델, 평가 기관 모델 및 기계 학습 모델 포함)은 차용인의 재무 특성(레버리지 비율, 수익성, 보장 비율, 유동성, 규모 및 산업)으로부터 PD를 추정합니다. 평가 기관의 과거 부도율은 다양한 범위에 걸쳐 신용 등급에서 과거 PD까지의 실증적 매핑을 제공합니다. 정확한 PD 추정은 대출 가격 책정(신용 스프레드는 예상 손실 = PD × LGD를 보상해야 함), 규제 자본 계산(바젤 IRB 접근 방식을 통해 은행이 내부 PD 모델을 사용할 수 있음), 포트폴리오 신용 위험 관리 및 파생상품 거래의 거래상대방 신용 위험 평가에 필수적입니다.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
공식
▾
머튼 PD: PD = N(−d2) 여기서 d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T)
위험률 PD: PD(T) = 1 − e^(−λT)
신용 삼각형: λ ≒ 신용 스프레드 / LGD | CS ≒ PD × LGD / (1−PD)변수 설명
▾
| 기호 | 이름 | 단위 | 설명 |
|---|---|---|---|
| PD | 채무 불이행 확률 | % | 특정 기간(1년이 표준) 내 채무 불이행 가능성; 주요 신용 위험 매개변수입니다. |
| DD | 기본값까지의 거리 | standard deviations | Merton 모델에서: (자산 가치 − 기본 포인트) / (자산 거래량 × 자산 가치); 기본값보다 높은 표준 편차의 수입니다. |
| λ | 위험률 | per year | 단위 시간당 순간적인 조건부 기본 확률; 축소형 모델에 사용됨: PD = 1 − e^(−λT). |
| LGD | 불이행으로 인한 손실 | % | 불이행이 발생할 경우 노출 손실이 예상되는 비율입니다. 회복률 보완. EL = PD × LGD × EAD. |
| CS | 신용 스프레드 | bps | 무위험이자율 이상으로 추가수익률 요구 단기 만기의 경우 대략 CS ≒ λ × LGD(크레딧 트라이앵글)입니다. |
방법 Credit Default Probability
▾
- 1추정 접근법을 선택하십시오: 지분 데이터가 있는 공개 회사의 경우 구조적(Merton); CDS 거래명의 경우 축약형; 신용 등급이 있는 기업에 대해서는 등급 기반입니다.
- 2Merton 모델의 경우: 콜 옵션으로서의 주식 시스템을 반복적으로 해결하여 자산 가치(V) 및 자산 변동성(σ_V)을 추정합니다. 기본 장벽(일반적으로 유동 부채 + 50% 장기 부채)을 식별합니다.
- 3기본값까지의 거리 계산: DD = (V − D) / (σ_V × V), 여기서 D는 기본 장벽입니다.
- 4정규 분포(위험 중립 측정의 경우 PD = N(−DD))를 사용하여 DD를 PD로 변환하거나 실제 PD의 경우 경험적 매핑(Moody's KMV와 마찬가지로)을 사용합니다.
- 5CDS/스프레드 기반 PD의 경우: 시장 신용 스프레드를 구하고 LGD(일반적으로 40~60%)를 가정합니다. 위험율 λ = CS / LGD를 계산합니다. PD(T) = 1 − e^(−λT)를 계산합니다.
- 6등급 기반 PD의 경우: S&P 또는 Moody의 연간 부도 연구에서 발행자의 신용 등급에 대한 과거 평균 누적 부도율을 찾아보세요.
- 7시장 가격, 평가 기관 등급 및 동종 회사에 대해 PD 추정치를 검증합니다. 포트폴리오 예상 손실에 합산: EL = Σ PD_i × LGD_i × EAD_i.
풀어진 예시
▾
회사는 기본값보다 1.41 표준편차 높음 - 신용 위험 보통
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%. 기본 거리 DD = (100 − 70) / (0.25 × 100) = 1.20 표준 편차. Moody's KMV는 이를 과거 데이터베이스의 경험적 EDF에 매핑합니다. 1.2 DD는 대략 8~12%의 경험적 1년 디폴트 확률에 해당합니다. 주식 시장이 급락하고 자산 변동성이 35%로 증가하면 DD는 0.86으로 떨어지고 PD는 19%로 급등합니다. 이는 주식 시장 상황이 신용 위험에 어떻게 직접적인 영향을 미치는지 보여줍니다.
CDS 시장은 5년간 채무 불이행 가능성이 22%임을 암시합니다.
위험률 λ = CS / LGD = 300bps / 60% = 500bps = 연간 5.0%. 1년 PD = 1 − e^(−0.05×1) = 4.88%. 5년 PD = 1 − e^(−0.05×5) = 1 − e^(−0.25) = 22.1%. 이 CDS 내재 PD는 위험 중립 확률(위험 프리미엄 포함)이므로 실제 PD는 약간 낮습니다. 300bps CDS 스프레드는 BB 신용 등급과 일치하며, 과거 5년 누적 부도율은 평균 약 10~15%입니다. CDS 시장은 시장 위험 프리미엄과 유동성 프리미엄을 반영하여 다소 높은 부도율을 의미합니다.
40년 이상 동안 S&P의 등급별 기본 설정 데이터를 기준으로 함
S&P의 2023년 연례 글로벌 기업 부도 및 등급 전환 연구에 따르면 1981년부터 2022년까지 BB 등급 발행자의 3년간 평균 누적 부도율은 약 8.2%입니다. 연간 부도율: BB 1년차 1.0.84%, 2년차 1.65% 한계, 3년차 1.72% 한계. 투자등급 누적 3년 부도율은 AAA≒0.01%, AA≒0.05%, A≒0.13%, BBB≒0.55%로 훨씬 낮습니다. 이러한 경험적 이자율은 실제 PD(위험 중립적이지 않음)이며 대출 포트폴리오에 대한 바젤 IRB 예상 손실 계산에 직접 사용됩니다.
로지스틱 회귀 분석에 결합된 여러 재무 비율로 PD 예측
로지스틱 회귀 모델에서 각 재무 비율에는 부채/EBITDA(5.0x — 높은 레버리지가 위험을 추가함), 이자 보장(1.8x — 낮은 보장이 PD를 크게 증가시킴), 유동 비율(0.9 — 1.0 미만 = 마이너스 운전 자본이 위험을 추가함) 및 이익 마진(4% — 얇은 마진은 완충 효과가 거의 없음)과 같은 과거 기본 데이터에서 추정된 계수가 있습니다. 결합된 로그 배당률은 약 12.5%의 PD를 생성합니다. 이는 높은 투기 등급 영역입니다. 이 차용인은 B 또는 B− 내부 등급을 받게 되며 대략 LIBOR/SOFR + 400-500bps의 가격 책정과 엄격한 약정 보호가 필요합니다.
실제 적용
▾
은행 대출 개시 신용 승인 및 가격 책정(RAROC)을 통해 실무자는 검증된 계산 방법 및 업계 표준 접근 방식을 기반으로 정보에 입각한 정량적 결정을 내릴 수 있습니다. 이를 위해서는 증거 기반 결정, 전략적 리소스 할당 및 다양한 조직 상황과 전문 분야에 걸친 성과 최적화를 지원하기 위한 정확한 정량 분석이 필요합니다.
신용 포트폴리오에 대한 바젤 II/III IRB 자본 계산은 분석가가 조직 전반에 걸쳐 전략적 계획, 자원 할당 및 성과 벤치마킹을 지원하는 정확한 결과를 생성하도록 돕습니다. 여기서 정확한 수치 계산은 기업 및 개인 설정 모두에서 계획, 평가 및 지속적인 개선 프로세스를 알려주는 신뢰할 수 있는 결과를 생성하는 데 필수적입니다.
IFRS 9/CECL 예상 신용 손실 충당금은 전문가가 결과를 체계적으로 정량화하고 신뢰할 수 있는 수학적 프레임워크와 확립된 공식을 사용하여 시나리오를 비교할 수 있도록 하며 일상적인 전문 활동에서 정량적 엄격함에 의존하는 이해관계자를 위해 원시 입력 데이터를 실행 가능한 통찰력으로 변환하는 체계적인 계산 접근 방식을 요구합니다.
신용 부실 스왑 가격 책정 및 거래, 규정 준수, 보고 및 최적화 목표에 수치적 정확성이 필수적인 데이터 기반 평가 프로세스를 지원하며 전문 환경에서 보고, 감사 및 장기 추세 분석에 적합한 일관되고 검증 가능한 결과를 제공하는 강력한 계산 방법이 필요합니다.
다양한 조직 상황과 전문 분야에 걸쳐 증거 기반 결정, 전략적 자원 할당 및 성과 최적화를 지원하기 위해 정확한 정량적 분석이 필요한 채권 포트폴리오 신용 리스크 모니터링 및 등급 감시
특수 경우
▾
실제로 이 극단적인 경우에는 표준 가정이 유지되지 않을 수 있으므로 신중한 고려가 필요합니다. 신용 부도 확률 계산기 계산에서 이 시나리오에 직면할 때 실무자는 경계 조건을 확인하고 0으로 나누기 위험을 확인하고 모델의 가정이 이러한 극한 조건에서 유효한지 여부를 고려해야 합니다.
신용 위험 PD와 협력하는 전문가는 이 시나리오를 제대로 처리하지 않으면 잘못된 결과를 초래할 수 있으므로 특히 주의해야 합니다. 실제로 이러한 경우가 발생할 경우 항상 경계 조건을 확인하고 독립적인 방법으로 교차 확인하십시오.
실제로 이 극단적인 경우에는 표준 가정이 유지되지 않을 수 있으므로 신중한 고려가 필요합니다. 신용 부도 확률 계산기 계산에서 이 시나리오에 직면할 때 실무자는 경계 조건을 확인하고 0으로 나누기 위험을 확인하고 모델의 가정이 이러한 극한 조건에서 유효한지 여부를 고려해야 합니다.
S&P 등급별 평균 1년 부도율(1981~2022)
▾
| 평가 | 1년 PD | PD 3년 | PD 5년 | 설명 |
|---|---|---|---|---|
| AAA | 0.00% | 0.01% | 0.04% | 투자등급 최고 |
| AA | 0.02% | 0.06% | 0.12% | 매우 높은 품질 |
| A | 0.06% | 0.18% | 0.37% | 고품질 |
| BBB | 0.16% | 0.55% | 1.10% | 투자등급 컷오프 |
| BB | 0.84% | 3.41% | 7.18% | 투기등급 최고 |
| B | 3.44% | 10.50% | 18.90% | 위험한 |
| CCC/C | 26.78% | 42.60% | 52.20% | 투기성이 높음 / 고민됨 |
자주 묻는 질문
▾
위험 중립 PD와 실제 PD의 차이점은 무엇입니까?
위험 중립 PD는 시장 가격(CDS 스프레드, 채권 수익률)에서 파생되며 순수 부도 가능성에 위험 프리미엄을 포함합니다. 즉, 투자자는 부도 위험을 유지하기 위해 추가 보상을 요구합니다. 실제(물리적) PD는 특정 위험 범주에 대한 실제 과거 부도 빈도로, 일반적으로 신용 평가 기관 데이터 또는 내부 은행 대출 성과 데이터를 통해 추정됩니다. 위험중립 PD는 파생상품(CDS, 신용파생상품) 가격결정에 사용되며 시장가격과 일치해야 합니다. 실제 PD는 바젤 예상 손실 계산, 대출 준비 및 위험 관리에 사용됩니다. 위험 중립 PD는 일반적으로 신용 위험 프리미엄을 반영하여 투자 등급 발행자의 실제 PD보다 1.5~3배 더 높습니다.
PD 추정을 위한 Basel II/III 접근 방식은 무엇입니까?
바젤 II/III 신용 위험 자본 체계에 따라 은행은 다음을 사용할 수 있습니다. (1) 표준화된 접근 방식 — 내부 PD 추정 없이 외부 신용 등급을 기반으로 규제 기관이 규정한 위험 가중치 (2) 재단 IRB(FIRB) — 은행은 내부적으로 PD를 추정하지만 감독 LGD 및 EAD를 사용합니다. (3) AIRB(Advanced IRB) - 은행은 최소 데이터 요구 사항 및 규제 검증에 따라 자체 내부 모델을 사용하여 PD, LGD 및 EAD를 추정합니다. AIRB는 고품질 대출 포트폴리오에 대해 가장 낮은 자본 비용을 허용하지만 수년간의 기본 데이터, 엄격한 모델 검증 및 지속적인 모델 성능 모니터링이 필요합니다. 국제적으로 활동하는 대부분의 대규모 은행은 주요 포트폴리오에 AIRB를 사용합니다.
기업의 부도를 가장 잘 예측하는 재무 비율은 무엇입니까?
Altman의 Z-Score(1968)는 판별 분석을 통해 운전 자본/총자산, 이익잉여금/총자산, EBIT/총자산, 자기자본의 시장 가치/총 부채의 장부가치, 매출/총자산 등 기업 파산의 5가지 주요 예측 변수를 식별했습니다. 그 이후의 연구에 따르면 가장 강력한 개별 예측 변수에는 레버리지(부채/EBITDA, 부채/자산), 적용 범위(EBIT/이자, EBITDA/이자), 유동성(현재 비율, 당좌 비율), 수익성(ROA, 이익 마진) 및 규모(대형 기업은 동일한 레버리지 수준에 대해 더 낮은 부도율이 있음)가 포함됩니다. 최신 기계 학습 모델은 수백 가지의 재무 및 비재무적 기능을 사용합니다.
회복률은 PD와 어떤 관련이 있나요?
복구율(R) = 1 − LGD(부도 손실). 회수율은 파산 절차, 자산 매각 또는 구조 조정을 통해 채무 불이행 후 회수된 익스포저의 비율입니다. 무담보 회사채의 과거 회수율은 평균 약 40%(LGD=60%)이지만 순위에 따라 크게 다릅니다. 선순위 담보 채권 회수율은 60~80%입니다. 노인 무담보 35-55%; 후순위채 10~30%; 제로에 가까운 자기자본. 회수율은 PD와 음의 상관관계가 있습니다. 즉, 부도율이 급등하는 시스템적 경기 침체에서 회수율은 동시에 감소하고(순응성), 독립적인 PD 및 LGD 추정치가 제안하는 것 이상으로 신용 손실이 증폭됩니다.
'주기 전체' PD와 '특정 시점' PD의 차이점은 무엇입니까?
TTC(Through-the-cycle) PD는 전체 경제 주기에 대한 평균 부도 가능성을 추정하여 주기적 변동을 완화합니다. 평가 기관은 TTC 등급을 사용합니다. BBB 등급은 주기 전반에 걸쳐 유사한 부도 위험을 반영해야 합니다. 특정 시점(PIT) PD는 현재 경제 상황을 반영하고 경기 순환에 따라 움직입니다. PIT PD는 경기 침체기에 급증하고 호황기에는 압축됩니다. 바젤은 은행이 최소 자본 계산(경기순응적 자본 확대를 피하기 위해)에 TTC PD를 사용하도록 요구하지만, IFRS 9/CECL 예상 신용 손실 충당금에 대한 PIT PD(미래 예측, 현재 상태 평가 필요)를 요구합니다. PIT와 TTC의 구별은 신용 리스크 관리에 있어 실질적인 복잡성을 야기하는 원인입니다.
PD는 대출 가격 책정에 어떻게 사용되나요?
대출 가격은 RAROC(위험 조정 자본 수익률) 프레임워크를 사용합니다. 부과된 신용 스프레드는 예상 손실(EL = PD × LGD)을 회복하고 규제 자본에 대한 적절한 수익률을 생성해야 합니다. 최소 신용 스프레드 = (EL + 자본 비용 × 필요 자본금) / 대출 금액. 1년 만기 대출의 경우: PD = 2%, LGD = 50%, EL = 1.0%입니다. 필요 자본 = 대출금의 8%, 15% 요구 수익에서: 자본 비용 = 8% × 15% = 1.2%. 최소 스프레드 = 1.0% + 1.2% = 2.2%(220bps). 이 RAROC 프레임워크는 스프레드가 예상 손실을 보상하고 적절한 주식 수익을 제공할 때만 대출이 시작되도록 보장합니다.
머신러닝이 기존 모델에 비해 PD 예측을 향상할 수 있나요?
경사 부스팅(XGBoost), 랜덤 포레스트, 신경망과 같은 기계 학습 모델은 PD 예측을 위한 로지스틱 회귀보다 더 높은 예측 정확도(AUC/Gini 계수로 측정)를 달성하는 경우가 많으며, 특히 특성 간 비선형 상호 작용이 많이 포함된 대규모 데이터 세트의 경우 더욱 그렇습니다. 그러나 그들은 신용 위험, 즉 규제 설명성 요구 사항(SR 11-7 지침에 따라 은행이 모델 결과를 이해하고 설명하도록 요구함), 모델 거버넌스, 지속되지 않을 수 있는 과거 패턴에 대한 과적합 위험 등의 과제에 직면해 있습니다. 기능 엔지니어링 및 변수 선택에 ML을 사용하고 최종 모델에 대한 로지스틱 회귀를 사용하는 하이브리드 접근 방식은 규제된 은행 환경에서 일반적입니다.
피해야 할 일반적인 실수
▾
- !위험 중립 PD(CDS의)를 실제 PD와 혼동합니다. 이는 신용 위험 프리미엄에 따라 다르므로 계산에 혼합해서는 안 됩니다.
- !바젤 자본 계산에는 특정 시점 PD를 사용하고(주기 전체를 사용해야 함) IFRS 9 준비에는 TTC PD를 사용합니다(PIT를 사용해야 함).
- !PD와 LGD 사이의 상관관계를 무시하면 경기 침체기에는 둘 다 동시에 악화되어 EL = PD × LGD 이상으로 실제 신용 손실이 증폭됩니다.
- !근본적으로 다른 위험 요인을 조정하지 않고 소매/소비자 대출에 기업 부도율을 적용합니다.
- !시간에 따른 등급 이동을 고려하지 않고 단기 PD를 장기 PD로 추정합니다.
전문가 팁
지니 계수/AUC(차별 - 최고 위험에서 최악 위험까지 차용자 순위 지정)와 보정 테스트(예측 PD가 관찰된 부도율에 가까운가?)를 통해 항상 PD 모델을 검증하십시오. 순위는 높지만 보정이 제대로 되지 않은 모델은 여전히 부적절한 매장량을 생성할 수 있습니다.
알고 계셨나요?
기업의 자산을 자산에 대한 콜 옵션으로 취급하는 머튼 모델의 주요 통찰은 블랙숄즈 옵션 가격 책정 공식이 발표된 지 불과 1년 후인 1974년에 발표되었습니다. 로버트 머튼(Robert Merton)은 옵션 가격 책정 이론과 신용 위험을 하나의 우아한 프레임워크로 통합한 이 연구로 1997년에 마이런 스콜스와 함께 노벨 경제학상을 받았습니다.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
참고 자료
주간 수학 팁 받기
매주 계산기 팁을 받는 12,000명 이상의 구독자와 함께 하세요.