是什么 Credit Default Probability?
▾
违约概率 (PD) 是信用风险衡量的核心概念，代表借款人（无论是公司、金融机构、主权国家还是个人）未能在指定时间范围内支付合同要求的付款的可能性。 PD 是巴塞尔信用风险框架中的三个基本参数之一，与违约损失率 (LGD) 和违约风险敞口 (EAD) 一起，它驱动着预期损失和监管资本计算。 估计 PD 的主要方法有三种。这种结构方法由罗伯特·默顿 (Robert Merton) 于 1974 年首创，将公司股权建模为其资产的看涨期权：当到期时资产价值低于债务面值（“违约障碍”）时，就会发生违约。违约距离 (DD)（以资产价值与违约门槛的标准差来衡量）是关键输出，PD 是根据该距离的正态分布来估计的。穆迪的 KMV 模型是默顿结构方法的领先商业实施，使用估计的资产价值和波动性来计算预期违约频率 (EDF)。 简化形式（强度）方法将违约视为由风险率 λ（违约的瞬时条件概率）控制的意外事件，可以根据信用违约掉期 (CDS) 或债券信用利差的市场价格进行校准。地平线上的 PD T = 1 − e^(−λT)。这种方法比结构模型更灵活，并且可以包含随时间变化的默认强度。 基于信用评分的方法（包括逻辑回归模型、评级机构模型和机器学习模型）根据借款人的财务特征来估计违约概率：杠杆率、盈利能力、覆盖率、流动性、规模和行业。评级机构的历史违约率提供了不同范围内从信用评级到历史违约违约率的经验映射。 准确的PD估计对于贷款定价（信用利差必须补偿预期损失=PD×LGD）、监管资本计算（巴塞尔IRB方法允许银行使用内部PD模型）、组合信用风险管理以及衍生品交易中的交易对手信用风险评估至关重要。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
默顿 PD：PD = N(−d2)，其中 d2 = [ln(V/D) + (μ − σ_V²/2)T] / (σ_V √T)
危险率 PD：PD(T) = 1 − e^(−λT)
信用三角形： λ ≈ 信用利差 / LGD | CS ≈ PD × LGD / (1−PD)变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| PD | 违约概率 | % | 在指定期限内（标准为 1 年）发生违约的可能性；主要信用风险参数。 |
| DD | 距违约的距离 | standard deviations | 在默顿模型中：（资产价值−违约点）/（资产数量×资产价值）；高于默认值的标准差数。 |
| λ | 危险率 | per year | 单位时间内瞬时条件违约概率；用于简化模型：PD = 1 − e^(−λT)。 |
| LGD | 违约损失率 | % | 如果发生违约，预期损失的风险部分；恢复率的补充。 EL=PD×LGD×EAD。 |
| CS | 信用利差 | bps | 要求高于无风险利率的额外收益率；对于短期债券（信用三角形），近似为 CS ≈ λ × LGD。 |
如何 Credit Default Probability
▾
- 1选择估计方法：针对具有股权数据的上市公司的结构性（默顿）； CDS 交易名称的简化形式；基于信用评级的公司的评级。
- 2对于默顿模型：通过迭代求解股权即看涨期权系统来估计资产价值（V）和资产波动性（σ_V）；确定违约障碍（通常为流动负债 + 50% 长期债务）。
- 3计算到默认的距离：DD = (V − D) / (σ_V × V)，其中 D 是默认障碍。
- 4使用正态分布将 DD 转换为 PD：PD = N(−DD) 用于风险中性度量，或使用经验映射（如 Moody's KMV 所做的那样）用于现实世界的 PD。
- 5对于基于CDS/利差的PD：获取市场信用利差，假设LGD（通常为40-60%）；计算危险率λ=CS/LGD；计算 PD(T) = 1 − e^(−λT)。
- 6对于基于评级的违约概率：从标准普尔或穆迪年度违约研究中查找发行人信用评级的历史平均累积违约率。
- 7根据市场价格、评级机构评级和同行公司验证 PD 估计。投资组合预期损失合计：EL = Σ PD_i × LGD_i × EAD_i。
例题解析
▾
公司违约率高出 1.41 个标准差——信用风险中等
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%。与默认 DD 的距离 = (100 − 70) / (0.25 × 100) = 1.20 标准差。穆迪的 KMV 将其映射到其历史数据库中的经验 EDF。 1.2 DD 相当于大约 8-12% 的 1 年期违约概率。如果股市抛售且资产波动率升至 35%，则 DD 降至 0.86，PD 跃升至 19%——这表明股市状况如何直接影响信用风险。
CDS 市场意味着 5 年内违约的可能性为 22%
危害率 λ = CS / LGD = 300 bps / 60% = 500 bps = 每年 5.0%。 1 年 PD = 1 − e^(−0.05×1) = 4.88%。 5 年 PD = 1 − e^(−0.05×5) = 1 − e^(−0.25) = 22.1%。这种 CDS 隐含的 PD 是风险中性概率（包括风险溢价），因此现实世界的 PD 会略低。 300 个基点的 CDS 利差与 BB 信用评级一致，历史 5 年累积违约率平均约为 10-15%——CDS 市场意味着较高的利率，反映了市场风险溢价和流动性溢价。
基于标准普尔 40 多年的历史违约数据（按评级）
根据标准普尔 2023 年年度全球企业违约和评级过渡研究，1981 年至 2022 年 BB 评级发行人的平均 3 年累计违约率约为 8.2%。年违约率：BB 第 1 年 ≈ 0.84%，第 2 年 ≈ 1.65% 边际，第 3 年 ≈ 1.72% 边际。投资级累计3年违约率要低得多：AAA≈0.01%、AA≈0.05%、A≈0.13%、BBB≈0.55%。这些经验利率是现实世界的违约概率（非风险中性），直接用于巴塞尔 IRB 贷款组合预期损失计算。
逻辑回归中组合的多个财务比率可预测 PD
在逻辑回归模型中，每个财务比率都有一个根据历史违约数据估计的系数：债务/EBITDA（5.0x - 高杠杆增加风险）、利息覆盖率（1.8x - 低覆盖率显着增加PD）、流动比率（0.9 - 低于1.0 =负营运资本增加风险）和利润率（4% - 薄利提供很少的缓冲）。综合对数赔率得出的 PD 约为 12.5%——较高的投机级别区域。该借款人将获得 B 或 B− 内部评级，要求定价约为 LIBOR/SOFR + 400-500 个基点，并受到严格的契约保护。
实际应用
▾
银行贷款发放信贷审批和定价（RAROC），使从业者能够根据经过验证的计算方法和行业标准方法做出明智的定量决策，这需要精确的定量分析来支持跨不同组织环境和专业学科的循证决策、战略资源分配和绩效优化
适用于信贷投资组合的巴塞尔 II/III IRB 资本计算，可帮助分析师生成准确的结果，支持跨组织的战略规划、资源分配和绩效基准测试，其中准确的数值计算对于生成可靠的输出至关重要，从而为企业和个人环境中的规划、评估和持续改进流程提供信息
IFRS 9 / CECL 预期信用损失拨备，允许专业人员系统地量化结果并使用可靠的数学框架和既定公式比较情景，要求系统的计算方法将原始输入数据转化为在日常专业活动中依赖定量严谨性的利益相关者的可行见解
信用违约掉期定价和交易，支持数据驱动的评估流程，其中数值精度对于合规、报告和优化目标至关重要，需要强大的计算方法来提供适合专业环境中报告、审计和长期趋势分析的一致且可验证的结果
债券投资组合信用风险监控和评级监督，需要精确的定量分析来支持跨不同组织背景和专业学科的循证决策、战略资源配置和绩效优化
特殊情况
▾
在实践中，这种边缘情况需要仔细考虑，因为标准假设可能不成立。当信用违约概率计算器计算中遇到这种情况时，从业者应该验证边界条件，检查除零风险，并考虑模型的假设在这些极端条件下是否仍然有效。
从事信用风险普查工作的专业人士应特别注意这种情况，因为如果处理不当，可能会导致误导性结果。当实践中出现这种情况时，请务必验证边界条件并使用独立方法进行交叉检查。
在实践中，这种边缘情况需要仔细考虑，因为标准假设可能不成立。当信用违约概率计算器计算中遇到这种情况时，从业者应该验证边界条件，检查除零风险，并考虑模型的假设在这些极端条件下是否仍然有效。
按评级划分的标准普尔平均 1 年期违约率（1981 年至 2022 年）
▾
| 等级 | 1 年 PD | 3 年 PD | 5 年 PD | 描述 |
|---|---|---|---|---|
| AAA | 0.00% | 0.01% | 0.04% | 最高投资等级 |
| AA | 0.02% | 0.06% | 0.12% | 质量非常高 |
| A | 0.06% | 0.18% | 0.37% | 高质量 |
| BBB | 0.16% | 0.55% | 1.10% | 投资等级截止 |
| BB | 0.84% | 3.41% | 7.18% | 最高投机等级 |
| B | 3.44% | 10.50% | 18.90% | 投机性 |
| CCC/C | 26.78% | 42.60% | 52.20% | 高度投机/陷入困境 |
常见问题
▾
风险中性帕金森病和现实世界的帕金森病有什么区别？
风险中性违约概率源自市场价格（CDS利差、债券收益率），并包括纯粹违约概率之上的风险溢价——投资者要求为持有违约风险提供额外补偿。现实世界（物理）违约概率是给定风险类别的实际历史违约频率——通常根据评级机构数据或内部银行贷款绩效数据估计。风险中性 PD 用于衍生品定价（CDS、信用衍生品），并且必须与市场价格匹配。现实世界的违约概率用于巴塞尔预期损失计算、贷款拨备和风险管理。投资级发行人的风险中性违约概率通常比实际违约概率高 1.5-3 倍，反映了信用风险溢价。
巴塞尔 II/III 的 PD 估算方法有哪些？
在巴塞尔II/III信用风险资本框架下，银行可以采用：（1）标准法——监管机构根据外部信用评级确定风险权重，无需内部PD估计； (2) 基金会 IRB (FIRB)——银行内部估算 PD，但使用监管 LGD 和 EAD； (3) 高级 IRB (AIRB) — 银行使用自己的内部模型估算 PD、LGD 和 EAD，但须遵守最低数据要求和监管验证。 AIRB 允许高质量贷款组合的资本费用最低，但需要多年的违约数据、严格的模型验证和持续的模型性能监控。大多数大型国际活跃银行都使用 AIRB 作为其主要投资组合。
什么财务比率最能预测企业违约？
Altman 的 Z-Score（1968）通过判别分析确定了企业破产的五个关键预测因素：营运资本/总资产、留存收益/总资产、息税前利润/总资产、股权市值/总负债账面价值以及销售额/总资产。此后的研究证实，最强大的个人预测因素包括：杠杆（债务/息税折旧摊销前利润、债务/资产）、覆盖率（息税前利润/利息、息税折旧摊销前利润/利息）、流动性（流动比率、速动比率）、盈利能力（ROA、利润率）和规模（相同杠杆水平下，较大的公司的违约率较低）。现代机器学习模型使用数百种财务和非财务特征。
恢复率与 PD 有何关系？
回收率 (R) = 1 − LGD（违约损失率）。回收率是指在违约后通过破产程序、资产出售或重组收回的风险敞口的比例。无担保公司债券的历史回收率平均约为 40%（LGD=60%），但因资历不同而差异很大：高级担保债券回收率 60-80%；高级无抵押 35–55%；次级债券10-30%；股本接近于零。回收率与违约率呈负相关——在系统性低迷时期，当违约率飙升时，回收率同时下降（顺周期性），从而放大信贷损失，超出了独立违约率和违约损失率的估计值。
“整个周期”与“时间点”PD 的区别是什么？
全周期 (TTC) PD 估计整个经济周期的平均违约概率，消除周期性变化。评级机构使用 TTC 评级——BBB 评级应反映整个周期内类似的违约风险。时间点 (PIT) PD 反映了当前的经济状况并随商业周期变化：PIT PD 在经济衰退时飙升，在繁荣时期压缩。巴塞尔要求银行使用 TTC PD 进行最低资本计算（以避免顺周期性资本放大），但使用 PIT PD 进行 IFRS 9/CECL 预期信用损失拨备（这需要前瞻性的当前状况评估）。 PIT 与 TTC 的区别是信用风险管理实践中显着复杂性的根源。
PD如何用于贷款定价？
贷款定价采用风险调整资本回报率（RAROC）框架：收取的信用利差必须收回预期损失（EL = PD × LGD）并产生足够的监管资本回报。最低信用利差=（EL+资本成本×所需资本）/贷款金额。对于 1 年期贷款：如果 PD = 2%，LGD = 50%，EL = 1.0%。如果所需资本 = 贷款的 8%，所需回报率为 15%：资本成本 = 8% × 15% = 1.2%。最小利差 = 1.0% + 1.2% = 2.2% (220 bps)。该 RAROC 框架确保只有当利差覆盖预期损失并提供足够的股本回报时才会发放贷款。
机器学习能否比传统模型改进局放预测？
机器学习模型（梯度提升 (XGBoost)、随机森林、神经网络）通常比 PD 预测的逻辑回归具有更高的预测精度（通过 AUC/基尼系数衡量），特别是对于包含特征之间许多非线性交互的大型数据集。然而，他们面临信用风险方面的挑战：监管可解释性要求（SR 11-7 指南要求银行理解和解释模型输出）、模型治理以及过度拟合可能不会持续的历史模式的风险。混合方法——使用机器学习进行特征工程和变量选择，并使用逻辑回归作为最终模型——在受监管的银行环境中很常见。
常见错误注意事项
▾
- !将风险中性 PD（来自 CDS）与现实世界的 PD 混淆——它们的信用风险溢价不同，不应在计算中混合。
- !使用时间点 PD 进行巴塞尔资本计算（应使用整个周期）或使用 TTC PD 进行 IFRS 9 拨备（应使用 PIT）。
- !忽略 PD 和 LGD 之间的相关性——在经济低迷时期，两者同时恶化，将实际信用损失放大到超出 EL = PD × LGD。
- !将企业违约率应用于零售/消费贷款，而不针对根本不同的风险驱动因素进行调整。
- !将短期 PD 外推到长期，而不考虑评级随时间的迁移。
专业提示
始终使用基尼系数/AUC（歧视——对借款人风险从最佳到最差进行排名）和校准测试（预测的违约概率是否接近观察到的违约率？）来验证您的违约概率模型。排名良好但校准不佳的模型仍可能产生不足的储备。
你知道吗？
默顿模型的关键见解——将公司股权视为其资产的看涨期权——发表于 1974 年，即布莱克-斯科尔斯期权定价公式推出一年后。罗伯特·默顿 (Robert Merton)（与迈伦·斯科尔斯 (Myron Scholes) 一起）于 1997 年获得诺贝尔经济学奖，主要是因为他的这项工作，它将期权定价理论和信用风险统一在一个优雅的框架中。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
参考资料
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。