信用利差定价模型：三大主流方法
做信用风险这么多年，我接触过不少定价模型。说实话，真正在实战中能打的，也就三种：结构化模型、简约化模型、信用评级迁移模型。今天咱们就把这三个家伙掰开揉碎了讲清楚。
1. 结构化模型：Merton模型的底层逻辑
Merton模型，说白了就是把公司当成一个“人”。公司借钱，就像你找银行贷了笔款。公司资产就是你的全部家当，债务就是你要还的钱。
什么时候会违约？很简单——家当不够还债的时候。Merton模型的核心假设就是：当公司资产价值低于债务面值时，公司会选择违约。
核心公式：
违约概率 = P(资产价值 ≤ 债务面值)
= Φ(-d₂)
其中：
d₂ = [ln(V/D) + (r - σ²/2)T] / (σ√T)
V = 公司资产价值
D = 债务面值
r = 无风险利率
σ = 资产波动率
T = 债务到期时间我在项目中遇到过一个问题：很多分析师直接用股票波动率代替资产波动率。嗯，这里要注意——股票波动率通常比资产波动率大得多，直接套用会导致违约概率被严重高估。
避坑指南：我曾经在给一家制造业企业建模时，直接用股票波动率算Merton模型，结果违约概率高达15%。后来改用迭代法反推资产波动率，实际值只有3.2%。记住：股票波动率 ≠ 资产波动率。
2. 简约化模型：Jarrow-Turnbull模型
Merton模型有个硬伤——它假设违约只能发生在债务到期日。你想想看，现实中哪家公司会等到年底才宣布破产？
Jarrow-Turnbull模型就聪明多了。它把违约看作一个“随机事件”，随时可能发生。就像你开车上路，事故可能发生在任何一秒。
这个模型的核心是违约强度（hazard rate）。简单说，就是“单位时间内违约的概率”。
违约概率 = 1 - exp(-λ × t)
其中：
λ = 违约强度（常数或时变）
t = 时间区间长度我个人习惯用这个模型做债券定价，因为它能处理信用利差的期限结构。比如，一年期债券的信用利差是200bp，五年期是350bp——用Jarrow-Turnbull模型可以很好地拟合这种形态。
实战技巧：我建议你在做信用利差曲线时，先用Jarrow-Turnbull模型拟合出违约强度曲线，再反推各期限的信用利差。这样比直接插值要稳定得多。
3. 信用评级迁移模型
这个模型，说白了就是看“评级怎么变”。公司今天评级是BBB，明年可能变成A，也可能变成BB。每一次评级变化，都会影响信用利差。
核心工具是评级迁移矩阵。我直接给你看个例子：
| 当前评级 | AAA | AA | A | BBB | BB | 违约 |
|---|---|---|---|---|---|---|
| AAA | 90.0% | 8.0% | 1.5% | 0.3% | 0.1% | 0.1% |
| BBB | 0.1% | 0.5% | 5.0% | 85.0% | 7.0% | 2.4% |
| BB | 0.0% | 0.1% | 0.5% | 5.0% | 80.0% | 14.4% |
你看，BBB级公司一年后保持BBB的概率是85%，有7%的概率掉到BB，2.4%的概率直接违约。这些概率就是信用利差定价的基础。
我记得有一次给银行做内部评级模型，他们只用了迁移矩阵的均值，忽略了波动性。结果压力测试时，实际违约率比模型预测高了3倍。后来我建议他们加入蒙特卡洛模拟，把迁移矩阵的随机性考虑进去，结果就准多了。
三种模型的对比与选择
你可能会问：到底该用哪个？我个人的经验是：
- Merton模型：适合上市公司，有公开的股票数据和财务报表。优点是逻辑清晰，缺点是假设太强。
- Jarrow-Turnbull模型：适合做债券定价和信用利差曲线拟合。优点是灵活，缺点是违约强度不好估计。
- 评级迁移模型：适合做组合信用风险管理和压力测试。优点是直观，缺点是依赖评级机构的准确性。
我的建议：实际工作中，我通常把三个模型结合起来用。先用Merton模型算出一个基准违约概率，再用Jarrow-Turnbull模型校准信用利差曲线，最后用评级迁移模型做情景分析。三个模型互相验证，结果才靠谱。
知识体系框架
下面这张图，是我自己梳理的三大模型的关系图。你看一眼就能明白它们各自的位置：
嗯，以上就是信用利差定价的三大模型。每个模型都有自己的适用场景，没有哪个是万能的。关键是要理解它们的假设和局限，然后根据你的数据情况灵活选择。
我做了这么多年模型，最大的体会就是：模型是工具，不是真理。再漂亮的模型，如果数据质量不行，结果也是垃圾。所以，花时间清洗数据、理解业务逻辑，比纠结用哪个模型更重要。