银行在经营中承担了越来越高的信用风险,如何防范与化解信用风险成为我国业界讨论的热点话题。伴随中国经济的日益开放,中国的商业银行只有尽快建立与国际接轨的信用风险体系才能在国际竞争中增强竞争力,实现持续、健康、稳定的发展。作为银行内部防范和化解风险的管理工具,经济资本的计量是重中之重。所谓经济资本是保护银行在1年内抵御经济破产风险所需的资本数量。目前,信用经济资本需求的计量主要有两种：一种是资本系数法,即将单一头寸价值乘以一个信用资本因子得到需要的经济资本,然后将所有头寸的经济资本加总,其中信用资本因子根据评级和期限预先确定下,这种方法简单,但是缺乏灵活性。另外一种方法是组合模拟法。其中最具代表性的是JP摩根CreditMetrices模型。其核心就是信用风险评级的信用迁移矩阵。信用迁移矩阵用的是使用历史平均信用迁移矩阵。这种方法基于外部评级,外部评级一般是从长期角度跨越周期来对企业进行评级,更多是利用定性的方法。并且同一评级的不同行业的实际违约率并不相同。从资本管理的角度,跨周期的评级将抹平下一年中的实际违约率,易造成总体信用经济资本的低估或者高估。本文针对CreditMetrices模型基于外部评级的历史平均违约率的缺点,提出采用内部评级法替代外部评级法。内部评级法基于时点评级法,预测的违约率随经济周期发生变化,实际的反映了下一年债务发行人的信用变化情况。本文使用的是基于混合向量自回归模型的内部评级方法。使用混合向量自回归模型对债券隐含违约率和宏观经济变量进行建模,动态模拟得到得到预测的一年期违约率。从债券隐含违约率结构中得到远期的违约率结构,将预测得到的违约率与1年期的结构分析,得到一次模拟的未来的信用状况。多次模拟后即可得到信用迁移矩阵。将得到信用迁移矩阵代入原CreditMetrics框架下就可以计算组合的信用损失分布,进而得到债券组合的信用VaR,即未来一年需要的经济资本。