内部格付制度と信用リスク計量化

Size: px

Start display at page:

Download "内部格付制度と信用リスク計量化"

はすなおとべ
6 years ago
Views:

1 Ⅱ. 内部格付制度と信用リスク計量化 2012 年 4 月日本銀行金融機構局金融高度化センター

2 目次 1. 信用リスク管理の高度化 2. 内部格付制度の整備 3. 内部格付制度の検証 4. 信用リスクの計量化 2

3 リスク計量化モデ1. 信用リスク管理の高度化信用リスク計量化ストレステスト資本配賦資産の簿価時価キャッシュフロー担保データ回収実績データ相関 ( 業種地域等 ) エクスポージャー損(EAD) デフォルト時損失率 (LGD) ( 業種地域等 ) 非予想想損損相関失失( E( ULL) ル) 与信ホトフォリオ失採算管理フライシンク予経営資源の配分格付制度格付別テフォルト確率 (PD) 与信ホートフォリオマネシメント財務データ格付スコアリングモデル内部格付スコアリング審査管理の高度化定性情報 3

4 デフォルトデー内部格付制度与信ポートフォリオをリスク特性が類似した債務者 (or 案件 ) 毎にグルーピングすること 1 債2 務財3 ノッチ調整財者務の定4 財量務5 モデ6 ルタ7 8 9 ノッチ調整債務者の定性情報等1 次評価 ( 暫定 ) 最終格付 1 1 年後の格付遷移格1 付2 2 別正3 3 常4 先確率7 7 (テフォルト 8 P要注意先 8 D9 9 )破懸先以下テフォルトデ定量評価定性評価格付の付与 PD の推計 4

5 信用リスクの要素デフォルト確率 (PD: Probability of Default) 債務者が将来の一定期間においてデフォルトする可能性一般に債務者格付の格付区分毎に推計デフォルト時損失率 (LGD: Loss Given Default) デフォルトした時点での損失見込額の割合 (LGD=1- 回収率 ) 保全の有無担保の種類担保カバー率債務者特性等により担保カバ分類して推計デフォルト時エクスポージャー (EAD: Exposure at Default) デフォルトした時点での与信額 5

6 信用リスクの計量化個別与信のリスク要素与信ポートフォリオの信用リスク量デフォルト確率 (PD) デフォルト時損失率 (LGD) 信用リスク計測モデル期待損失 (EL) 非期待損失 (UL) デフォルト時エクスポージャー (EAD) 相関 EL UL 6

7 2. 内部格付制度の整備 (1) 制度設計ー目的の明確化格付対象格付区分数格付区分数 (2) 財務定量モデルー財務指標の選択実態財務定性要因の反映実務上の留意点 (3) 内部格付の設定信用スコアの閾値の設定定性評価によるノッチ調整定性評価によるノッチ調整 (4) その他の問題 7

8 (1) 制度設計 : 目的の明確化内部格付制度を構築する目的によって格付対象格付区分数など制度設計の考え方も異なり得る経営への活用を意識しつつその目的を明確にすることが重要 ( 例 ) 自己査定 ( 債務者区分 ) 判定のベンチマークの提供与信先に対する信用度の序列性付与貸出金利の設定取引方針限度額の設定等への活用企業再生支援の強化審査信用リスク管理に関する共通のコミュニケーションツールとしての活用 8

9 制度設計 : 格付区分数個々の債務者を信用度に応じて分類 ( ランク付け ) するという意味では自己査定上の債務者区分 (5 区分 ) が最もシンプルな体系内部格付制度を構築する目的に照らしこれで十分といえるかどうかがポイントたとえば信用度に応じた貸出金利の設定や取引方針の決定への活用を展望するのであれば正常先 ( あるいは要注意先 ) について複数の区分を設定する企業再生支援の強化への活用を展望するのであれば信用度のより低いゾーン ( 正常先下位要注意先 ) の格付区分や定義を細分化する 9

10 制度設計 : 格付対象金融機関の与信ポートフォリオはリスクプロファイルが異なる様々な与信から構成されている内部格付の目的や信用度を判定する財務情報定性情報等定性情報等の入手可能性を勘案して格付対象を選定するまた必要に応じ複数の格付制度の構築を検討する ( 例 ) 大企業内部格付モデル1 中堅中小企業住宅ローン個人ローン個人事業主内部格付モデル2 ( 講義の主対象 ) プール区分モデル 1 プール区分モデル 2 内部格付モデル 3 or プール区分モデル 3 10

11 (2) 財務定量モデル財務定量モデルとは企業の財務情報等を利用して信用度を信用スコアやデフォルト確率等の形で推定するモデル経験モデル企業の財務指標定性項目等に経験に基づく信用スコアを配点し合計スコアによって信用度を判定するモデル統計モデル企業の財務指標定性項目等を使って企業のデフォルトを統計的に最もよく説明する関係式を導くモデルデフォルト確率 PD = f(z) 信用スコア Z = w 0 + w 1 X 1 + w 2 X w N X N X j : 財務指標定性項目等 11

12 留意点近年統計モデルへの移行を図る金融機関が増加しているしかし統計モデルの構築には高度な統計的スキルが必要となるうえ債務者データ数およびデフォルトデータ数が相応に確保されないと精度を欠き安定的な運用が難しいしたがって格付構築の目的によっては必ずしも統計モデルに移行する必要はなく経験モデルのスコアとデフォルト確率の関係みて配点ウェイト (w j ) をファインチューニングするのも選択肢の 1 つとなり得る 12

13 ( 参考 ) 財務定量モデルの例経験モデル企業の財務指標定性項目に経験に基づく信用スコアを配点し合計スコアによって信用度を判定するモデル統計モデル企業の財務指標定性項目等を使って企業のデフォルトを統計的に最もよく説明できる関係式を導くモデル判別モデル前提に問題があり利用する線形回帰モデル金融機関は少ないロジスティック回帰モデル中堅中小企業 : 格付モデル順序ロジスティック回帰モデルハザードモデル住宅ローン : プール区分モデル構造モデル株価変動を資産価値の変動と捉え資産価値が負債を下回る確率を求めるモデル誘導モデル社債スプレッドに反映される信用リスク ( デフォルト確率 ) を社債価格の変動から誘導するモデル大企業 : 格付モデル 13

14 ( 参考 ) 線形回帰モデルとロジスティック回帰モデルデフォルト確率 (PD) 1.0 : : デフォルト企業直線 PD=Z 0.4 Z=a Z=w 0 +a +w 1 X 最小二乗法で w 0 w 1 を推定 0.2 X : 非デフォルト企業デフォルト確率 (PD) 1.0 : デフォルト企業ロジスティック曲線 PD=1/(1+exp(-Z)) Z=a Z=w +a 最尤法でw w を推定 0 +w 1 X 信用スコア Z(=w0+w1X) : 非デフォルト企業 ( 注 ) デフォルト非デフォルトの 2 状態から 3 状態 ( 格付 ) 以上の確率を求めるモデル ( 順序ロジスティック回帰モデル ) への拡張が可能 14

15 財務指標の選択高い財務指標を見つけ出す財務指企業のデフォルト事象と関連の高い財務指標を定量モデルに使用することが基本具体的にはデフォルトした企業デフォルトしていない企業の財務データを用いて企業のデフォルト事象の説明力の高い財務指標を見つけ出す規模安全性自己資本額純資産額等自己資本比率流動比率経常収支比率有利子負債償還年数インタレストカバレッジレシオ等標収益性総資本経常利益率売上高営業利益率等成長性増収率増益率等 15

16 統計的な指標選択の手順デフォルト率との関係が明確でデータの入手計測が容易な財務指標を候補としてリストアップするこのとき欠損値異常値がないようにデータのセントラル異常値がないようにデータのセントラル入力クレンジングを行う専任者設置など体制整備も検討の要統計的にみて説明力の高い指標を絞り込み適切な組合せを選択する各指標の説明力の高さ符号条件の一致線形性の確認指標間の相関 ( 多重共線性 ) が小さいことの確認データを換えてもモデルの説明力が低下しないか確認する取引先データ ( インサンプル ) では説明力が高くても非取引先データ ( アウトオブサンプル ) では説明力が低くなることもあるこうしたオーバーフィッティングを回避するにはアウトオブサンプルを使ったモデルの頑健性 ( ロバストネス ) 検証が必要 16

17 実態財務の反映 1 実態財務ベースに指標を計算し直して財務定量モデルで格付を付与する方法と 2 表面財務ベースの財務定量モデルに一部の実態財務指標を付加したり実態財務にもとづくノッチ調整を行う方法などがある ( 実態財務の反映例 ) 不良資産減価償却不足資本から控除する代表者 ( 役員 ) からの借入自己資本とみなす固定化した短期借入金長期借入金とみなすなど統一的な実態財務の修正基準を示しすべての格付対象に適用して評価の恣意性を排除する必要がある 17

18 実務上の留意点重要な点はモデルの考え方と取引先の審査与信判断の着眼点が概ね一致しており信用リスクの評価基準が組織内で共有されリスクコミュニケーションに活用されることしたがって指標選択においては統計的な説明力の高さにこだわるよりも伝統的に審査与信判断で利用してきた指標を重視するのが良い最終的な指標選択において実務的な観点からのエキスパートジャッジを入れるのが一般的外部ベンダーにモデル構築を依頼する場合指標選択の根拠や指標の説明力 ( デフォルト率との関係 ) が確認可能であることが望ましいモデルをブラックボックス化させないことが重要 18

19 (3) 内部格付の設定定量モデルの信用スコアに閾値 ( しきいち ) を設け暫定的に格付区分を設定順序ロジスティック回帰モデルでは指標の係数 (w i ) と同時に閾値もパラメータとして推定される目検により閾値を設定する場合は 1 格付間のデフォルト確率 (PD) に差異が認められるか 2 格付毎の債務者数に偏りや集中がみられないか 3ベンチマークとなる債務者の格付区分に違和感がないかなどを検証する最終的には定性要因等によるノッチ調整を経て格付を決定する 19

20 付債務者の務者の定性情報等フォル務デー確率(P内部格付の設定プロセス債1 1 次評価 ( 暫定 ) 最終格付 1 年後の格付遷移格1 2 財3 務定4 財量5 モデ6 ルタテフォルトモ1 次評価 ( 暫定 ) 別デトD債ノッチ調整債2 2 債ノッチ調整財正3 3 常4 先テフォルト要注意先以下 )破懸先定量評価定性評価格付の付与 PD の推計 20

21 定性要因の反映するため具体的な評価基準を定める必要がある定業種の特性成長性市況変動の大きさ参入障壁等性要定性要因を指標化して信用スコアを説明する指標として追加したりノッチ調整に利用するのも一般的定性的な情報の評価にあたっては客観性や統一性を確保するため具体的な評価基準を定める必要がある因企業の特性営業基盤技術力創業赤字業績悪化 ( 好転 ) の一時性資金繰りの状況親会社の支援等業種の特性成長性市況変動の大きさ参入障壁等 21

22 実務上の留意点定性要因の反映にあたっては 1 定性項目の評価配点の抑制 2 ランクアップの上限 (2 ランクアップまで等 ) など運営面で一定の制約を設ける先が多いまた継続的に 3 評価結果とデフォルトとの関係の事後的な検証を行って定性要因として引き続き考慮すべきか否かを検討する必要 22

23 (4) その他の問題 : LDP(Low Default Portfolio) デフォルトがほとんど起きない大企業の格付付与 PDの設定をどうするか 1 大企業向けに財務定量モデルを別途構築することが少なくない 2 多年度に亘る格付遷移から累積 PD( たとえば 5 年間にデフォルトする割合 ) を求めて 1 年間の PD を逆算する 3 財務定量モデルにより推定された PD 値を利用する 4 内部格付を格付機関公表の外部格付にマッピング格付機関が公表する格付別の実績 PDを利用する 23

24 外部格付のマッピング格付実績 PD 外部格付公表 PD 格付実績 PD 正常先 1 00% 1 30% 1 30% 2 00% 3 00% % % % 要注意先 % 要管理先 8 - 破綻懸念先 9 - 実破破綻先 % % % % % % % %

25 (4) その他の問題 : 個人ローン住宅ローン PDを説明し得る債務者属性取引条件等をスコア化し同じ信用度を持つ債務者をプール分けする融資期間が長い住宅ローンは経過年数に応じてデフォルト確率 (PD) が変化するほか期限前償還も生じるためこの点をモデルに反映させる必要がある債務者属性取引条件等年齢 ( 借入時完済時 ) 収入職業勤続年数勤務先勤務先従業員数勤務先資本金転職経験の有無配偶者の有無扶養する子供の数等融資期間自己資金の割合ボーナス時返済の有無給与振込の有無年収借入総額倍率等 25

26 プール区分による経過年別管理区分 A B C D E F 経過年別デフォルト確率 1 年 2 年 3 年 4 年 5 年 10 年 20 年 30 年 26

27 (4) その他の問題 : 個人事業主確定申告データによる PL 項目主体の評価となる個人事業主の格付 PDをどうするか 1 BS 項目のデータ取得蓄積を図るとともに BS 項目の採択を最小限 ( 現預金借入金など ) にして決算データと確定申告データの双方で稼働する財務定量モデルを利用する 2 PL 項目と定性項目による財務定量モデルを新たに構築するこのとき決算データにもとづく事業法人の格付にマッピングしてPDを統一的に把握することも検討する 3 多数のデータがある場合は債務者属性等によるモデルを構築してプール区分するモデル構築にあたっては正確なデータ収集 (BS PL 項目 ) も課題となる 27

28 3. 内部格付制度の検証 (1) 定期的な検証の必要性 (2) 格付遷移による検証 (3) デフォルト判別力の検証 -CAP 曲線 AR 値 K S 値ダイバージェンス (4) 推定 PD の水準の検証 28

29 (1) 定期的な検証の必要性内部格付制度は一旦構築すればそのまま永続的に使用できるものではない時間の経過とともに取引先データが変化するため内部格付制度は劣化する可能性がある定期的な検証を行い内部格付制度の劣化状況を確認して必要に応じて再構築を検討する必要がある 1 格付遷移に異常な動きがないか 2 デフォルト判別能力が低下していないか 3 推定 PDの精度が低下していないか 4 ベンチマークとなる企業の格付が営業審査部門の実感に合わなくなっていないか 29

30 (2) 格付遷移による検証格付 1 から他の格付への遷移率の順序性を確認他の格付から格付 7 への遷移率の順序性を確認格付 1 から他の格付への遷移率の順序性を確認他の格付から格付 7 への遷移率の順序性を確認遷移率の順序性を確認デフォルト率の順序性を確認テフォルトテフォルト期末格付遷移率の順序性を確認遷移率の順序性を確認デフォルト率の順序性を確認テフォルトテフォルト期末格付遷移率の順序性を確認順序性を確認期初順序性を確認期初格付格付

31 (3) デフォルト判別力の検証 : CAP 曲線 AR 値 CAP(Cumulative Accuracy Profiles) 曲線企業数非デフォルト企業デフ完璧なモデルの CAP 曲線 (%) 当該モデルの CAP 曲線デフォルト企業ォ80 ( A ) 左上に行くほどデ( A ) 左上に行くほど 70 精度の高いモデル信用スコアルト企業累積企60 の50 ( B ) 40 AR(Accuracy Ratio) 値 = 面積 (B) 面積 (A)+(B) 比率30 業判別力のないモデルの CAP 曲線 (%) 全企業の累積企業比率比全企業の累積企業比率 31

32 K-S(Kolmogorov-Smirnov) 値ダイバージェンス (%)100 累積比率デフォルトサンプルの累積比率 ( 両クラス間の平均の格差 ) 2 ダイバージェンス= K-S 値非デフォルトサンプルの累積比率信用スコア企業数デフォルト企業各クラスの分散の合計非デフォルト企業信用スコア 32

33 (4) 推定 PD の水準の検証推計 PD が想定する以上にデフォルトが発生件数が増加していないかを検定する (2 項検定 ) デフォルト件数デフォルト件数確率 f(k) = 250 C K (1) K (0.99) 250-K (K 回 ) 確率累積確率 (K 回以上 ) 推定 PD p= 1.00 % % 100% 0 回以上 % 91.89% 1 回以上債務者数 N= % 71.42% 2 回以上 % 45.68% 3 回以上 % 24.19% 4 回以上 % 10.78% 5 回以上 % 4.12% 6 回以上 2 項分布 N=250,p=1% % 1.37% 7 回以上 % 0.40% 8 回以上 % 0.11% 9 回以上 10 2% 3% 10 回以上 11 0% 1% 11 回以上 12 0% 0% 12 回以上 13 0% 0% 13 回以上 % 0% 14 回以上 15 0% 0% 15 回以上有意水準 5% K: デフォルト件数 33

34 4. 信用リスクの計量化 (1) 信用リスク計量化の考え方 (2) 信用リスク計量化モデル 1ファクターモデルマルチファクターモデル (3) パラメータの推計と検証 (4) ストレステスト 34

35 失金額小響度(1) 信用リスクの計量化の考え方リスクは発生可能性と影響度で測定評価する信用リスクはデフォルト確率とデフォルト時に発生する損失金額で計量化することが可能影大損低発生可能性高デフォルト確率 35

36 100 損金額( 例 ) 信用ポートフォリオの想定億円失10 億円 0.1 億円 (100 社に 1 社 )(10 社に 1 社 )(2 社に 1 社 ) デフォルト確率 36

37 ( 例 ) 簡単な信用リスク計量モデル一様分布信用供与先 1 テフォルト確率 0.5 損失金額億円 1 閾値 ( しきいち ) 信用状態 (Z 1 ) が 0.5 以下のとき 1 : デフォルト損失 0.1 億円信用状態 (Z 1 ) が超のとき : 非デフォルト損失なし信用状態 (Z 1 ) Rand 関数 1 0~1の値をとる一様乱数 (Z 1 ) を発生させる 37

38 : デフォルト ( 損失 ) が発生した箇所供与先損失確率試行乱数 1 乱数 2 乱数 3 乱数 4 乱数 5 乱数 6 乱数 7 乱数 8 乱数 9 乱数試行損失 1 損失 2 損失 3 損失 4 損失 5 損失 6 損失 7 損失 8 損失 9 損失 10 損失計

39 シミュレーション結果ション結果 ( 試行回数 :1 万回 ) 損失計確率累計平均値パーセント点 % 7.740% 理論値 % 10.2 ~ % % 試行値 % 10.3 ~ % % 99.00% ~ % % 99.50% ~ 40 20% % 99.90% ~ 50 00% % 99.95% 確率分布 ~ 60 00% % 800% ~ 70 00% % 700% ~ 80 00% 000% % 600% 000% ~ 90 00% % 500% 400% ~ % % 300% ~ % % 200% ~ % % 100% ~ % 1000% 00% 130 超 00% 000% 1000% 000% 損失計 39

40 (2) 信用リスク計量モデルマートン型の 1 ファクターモデル感応度共通要因固有要因個別債務者 ( i ) の信用状態 Z i = a i X + 1-a i2 Y i Z i X Y i は互いに独立な標準正規分布にしたがうと仮定するも標準正規分布にしたがう Z i の X に対する感応度を a i と仮定する ( 注 )1ファクターというのは共通要因が1 個という意味複数の共通要因の存在を仮定する場合はマルチファクターモデルと呼ばれる 40

41 共通要因 X ~ N(0,1) 固有要因 Y i ~ N(0,1) ±0 X ±0 個別債務者 (i) の信用状態 Z i ~ N(0,1) i ±0 Z i i = a i X + 1-a i2 Y i 41

42 個別債務者の信用状態 Z i ~ N(0,1) 標準正規分布にしたがうデフォルト確率 p i 閾値 ( しきいち ) ±0 Z i 個別債務者の信用状態 ( 標準正規乱数 Z i ) が閾値を下回った場合この債務者はデフォルトすると考える 42

43 X Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z10 a 金額確率閾値試行乱数 X Z1 Z2 Z3 Z4 Z5 Z6 Z7 Z8 Z9 Z 試行 L1 L2 L3 L4 L5 L6 L7 L8 L9 L10 損失計試行 L1L2 L3 L4 L5 L6 L7 L8 L9 L10 損失計 : デフォルト ( 損失 ) が発生した箇所 43

44 シミュレーション結果シ ( 試行回数 :1 万回 ) 損失計確率累計損失計パーセント点 % % 平均値 % 10.3 ~ % % 95.00% 20.2 ~ % % 99.00% ~ % % 99.50% ~ % % 99.90% ~ 50 00% 000% % 850% 99.95% 95% 確率分布 ~ 60 00% % 600% ~ 70 00% % 500% ~ 80 00% 000% % 850% 400% ~ 90 00% % ~ % % 300% ~ % % 200% ~ % % 100% 00% ~ % % 超 0.220% 1000% 損失計 44

45 感応度の影響共通要因の変動する感応度 ( a i ) が大きくなると個別債務者の信用状態は共通要因の変動の影響をより大きく受ける同時デフォルトによって多額の損失が発生するケースやいずれもデフォルトせず損失が生じないケースが増えるため信頼水準が同一でも信用 VaRの値が大きくなる傾向がある 45

46 マルチファクターモデル ( 業種別 ) 個別債務者の信用状態に影響を与える業種別要因の存在を仮定個別債務者 (i) の信用状態 Z i = a i X s(i) + 1 -a i2 Y i X s(i) : 債務者 (i) の属する業種 (S(i)) の要因 46

47 一般化マルチファクターモデル個別債務者の信用状態に影響を与える複数の共通要因の存在を仮定個別債務者 (i) の信用状態 Z i = a i1 X 1 + a i2 X a in X N + 1 -(a i1 2 +a i a in 2 )Y i X 1 ~X N : 共通要因の例 (1) マクロ経済 ( 景気金利為替等 ) (2) 業種 (3) 地域 47

48 (3) パラメータの推定と検証デフォルト確率 PD デフォルト時エクスポージャー EAD デフォルト時損失率 LGD 感応度 a 格付別のPD 実績値を利用することが多い内部格付モデルにもとづくPD 推計値外部格付の公表 PDを利用することもある直近時点の残高とすることが多い中長期の視点からは増加の可能性を考慮すべき 1- 保全率と置くことが多い保全率 = 回収率とは限らないためより適切な推計が課題観察可能な代理変数( 株価等 ) を用いて推計するたとえば東証 TOPIX と個別株価の変動の相関係数を計測するセクター( 業種地域 ) 内の同質性を仮定してセクター ( 業種地域 ) 別のデフォルト相関行列を推定するこの相関行列を直交分解して感応度を導出する P49 参照 P50~51 参照上記のうち LGD 感応度については実務的に確立した推計検証方法があるとは言い難いのが実情 48

49 デフォルト時損失 L i = EAD i LGD i EAD i : デフォルト時エクスポージャー (Exposure at Default) LGD i : デフォルト時損失率 (Loss Given Default) 信用限度額デフォルト信用供与額 EAD i デフォルト時損失 (L i = EAD i LGD i ) 担保処分その他回収現時点 49

50 債務者 ( i ) の信用状態デフォルト相関 a i a Z i = a i X + 1-a i2 Y i j 債務者 ( j ) の信用状態 Z j = a j X + 1-a j2 Y j 業種別のデフォルト相関から感応度の導出例業種 1 業種 2 業種 n 感応度業種 1 a 1 a 1 a 1 a 2 a 1 a n 業種 1 a 1 業種 2 a 2 業種 2 a 2 a 1 a 2 a 2 a 2 a n 業種 n a n a 1 a n a 2 a n a n 業種 n a n 50 業種 n

51 信用状態の変動に相関がないケース債務者 ( i ) の信用状態債務者 ( j ) の信用状態 Z i ~N(0,1) Z j ~N(0,1) Z i 信用状態の変動に相関があるケース債務者 ( i ) の信用状態 Z i = a i X + 1-a i2 Y i 債務者 ( j ) の信用状態 Z j = a j X + 1-a j2 Y j Z i ~N(0,1) ~N(0,1) 相関 ρ ij = a i a j 同時確率分布 Z j 同時確率分布 Z j ±0 51

52 (4) ストレステスト信用 VaR の前提となるリスク要素の推定値はデータ制約などから不安定化する傾向がある LGD 感応度パラメータなどは現状必ずしも推計方法や検証方法が確立しているとは言い難いしたがって信用 VaR の値が経験や実感に合うか十分に確認する必要があるまた信用 VaR の値を過信せずストレステストと多様なシナリオ分析を行って与信ポートフォリオの有する信用リスクを十分に把握分析する必要がある 52

53 留意点与信集中リスクが顕在化したときの金融機関経営に与える影響は大きいその一方で与信ポートフォリオの残高構成を短期的にコントロールするのは難しく自己資本の充実を図るにも相応の期間を要するその意味では平時からストレステストやシナリオ分析を行って与信集中リスクの進行を抑えるほか必要に応じて資本政策の実行を検討することも求められる融資上限額 ( ロスリミット ) の設定は有効か中長期的にみて与信集中が起きる可能性はないか 53

54 本資料に関する照会先日本銀行金融機構局金融高度化センター企画役碓井茂樹 Tel 03(3277)1886 本資料の内容について商用目的での転載複製を行う場合は予め日本銀行金融機構局金融高度化センターまでご相談ください転載複製を行う場合は出所を明記してください本資料に掲載されている情報の正確性については万全を期しておりますが日本銀行は利用者が本資料の情報を用いて行う一切の行為について何ら責任を負うものではありません 54

内部格付制度と信用リスク計量化

Ⅰ. 内部格付制度と信用リスク計量化 2015 年 2 月日本銀行金融機構局金融高度化センター目次 1. 信用リスクとは 2. 信用リスク管理の高度化 3. 内部格付制度の整備 4. 内部格付制度の検証 5. 信用リスクの計量化 2 1. 信用リスクとは定義 ( 金融検査マニュアル ) 信用リスクとは信用供与先の財務状況の悪化等により資産 ( オフバランス資産を含む ) の価値が減少ないし消失して損失を蒙るリスクである