一、信用风险：从定义到实战

信用风险，说白了就是借钱的人不还钱的风险。我在做衍生品定价时，每天都要跟这个家伙打交道。你想想看，无论是买债券、做贷款，还是交易CDS，本质上都是在赌对方不会违约。

但信用风险不只是「不还钱」这么简单。它有三个核心要素：违约概率、违约损失、风险暴露。这三个东西，构成了所有信用衍生品定价的基石。

1.1 信用风险到底从哪来？

我个人习惯把信用风险的来源分成三类：

• 交易对手风险：你跟他做交易，他破产了。比如2008年雷曼兄弟倒闭，无数对手方一夜之间血本无归。
• 发行人风险：你买了某公司发的债券，公司经营不善还不上钱。这是最经典的信用风险。
• 国家风险：主权国家违约，比如阿根廷、希腊。这种风险往往带有政治因素，很难用模型完全量化。

1.2 违约：不是非黑即白

很多人以为违约就是「不还钱」。其实在金融实务中，违约的定义要复杂得多。我记得在2015年处理一个结构化产品时，就因为「技术性违约」和「实质性违约」的界定，跟律师吵了整整三天。

常见的违约类型包括：

1. 支付违约：到期没付利息或本金。这是最直接的违约。
2. 技术性违约：违反了合同中的某些条款，比如资产负债率超标，但还没到不还钱的地步。
3. 交叉违约：你在A债券上违约了，B债券的债权人也可以要求你提前还款。
4. 破产/清算：公司进入法律破产程序，所有债务都视为违约。

1.3 回收率：能拿回多少？

违约了不代表一分钱都拿不回来。回收率（Recovery Rate）就是违约后你能收回的比例。比如你借了100万，违约后法院清算拿回40万，回收率就是40%。

回收率受很多因素影响：

• 抵押品：有抵押的债券回收率通常更高，一般在40%-60%。
• 优先级：高级无担保债券的回收率约30%-50%，次级债可能只有10%-20%。
• 行业周期：经济好的时候，资产变卖容易，回收率自然高。

债券类型	典型回收率	波动范围
高级有担保	60%	40%-80%
高级无担保	40%	20%-60%
次级债	20%	5%-40%
股权	0%	0%-10%

1.4 损失率：真正亏了多少

损失率（Loss Rate）跟回收率是硬币的两面。公式很简单：

损失率 = 1 - 回收率

但要注意，这里的损失率是「给定违约下的损失率」（LGD, Loss Given Default）。它跟违约概率（PD）和风险暴露（EAD）一起，构成了信用风险管理的铁三角：

预期损失 = PD × EAD × LGD

举个例子：

• 你持有一张100万的债券
• 违约概率是5%
• 回收率是40%，所以LGD=60%
• 预期损失 = 5% × 100万 × 60% = 3万

这个3万，就是你为这笔债券应该计提的风险准备金。我在做风控系统时，每天都要跑这个公式，监控整个组合的预期损失变化。

1.5 知识体系总览

下面这张图，是我自己梳理的信用风险基础框架。每次带新人时，我都会先让他们看这张图，把概念串起来。

1.6 一个简单的Python示例

光说不练假把式。下面这个代码，是我在项目里用来快速计算预期损失的模板：

def expected_loss(principal, pd, recovery_rate):
    """
    计算单笔债券的预期损失
    
    参数:
        principal: 本金/风险暴露 (EAD)
        pd: 违约概率 (0-1)
        recovery_rate: 回收率 (0-1)
    
    返回:
        预期损失金额
    """
    lgd = 1 - recovery_rate  # 违约损失率
    el = principal * pd * lgd
    return el

# 举个例子
bond_principal = 1_000_000  # 100万
default_prob = 0.05         # 5%违约概率
recovery = 0.40             # 40%回收率

loss = expected_loss(bond_principal, default_prob, recovery)
print(f"预期损失: {loss:,.0f} 元")
# 输出: 预期损失: 30,000 元

1.7 小结

信用风险的基础，说白了就是三件事：违约概率、回收率、风险暴露。这三者相乘，就是预期损失。听起来简单，但真正做起来，每个参数的估计都藏着无数细节。

我记得刚入行时，觉得信用风险就是「算个概率嘛」。后来做了几个结构化产品，才发现回收率的波动、违约的相关性、还有法律条款的复杂性，才是真正的难点。嗯，这些我们后面章节会慢慢展开。

---

公众号:蓝海资料掘金营，微信deep3321