Credit risks are one of the key pillars of financial risk. To manage this kind of risks, financial institutions try to quantify it, especially by estimating ‘Loss Distribution’ of portfolios. Since ‘Loss Distribution’ does some major roles when we calculate the price of credit derivatives, and optimize credit portfolios, various of advanced researches were conducted such as CreditMetrics (J.P. Morgan, 1997), Creditrisk+ (CSFB, 1997), PortfolioManager (KMV, 1997), CreditPortfolioView (Mckinsey&Comapany, 1997) and so on. In this paper, I would use the method of ‘CreditRisk+’, because it is easier to implement rather than other methodologies, in the way that it only needs credit default risks. However, the original CreditRisk+ method neglects the default correlations, by assuming that risk factors are mutually independent. This assumption consequentially underestimates the credit risk when the financial turmoil comes up. It is because in the real situation, usually a change of one risk factor affects the other factors, too. So in this paper, I would adopt the models which are known as reflecting default correlation well, and compute the portfolio loss distributions with them via Fast Fourier Transform (FFT).
신용 리스크는 금융 리스크의 범주에 있어 하나의 큰 축이라 볼 수 있다. 이러한 신용 리스크를 관리하기 위해서 금융기관은 포트폴리오의 ‘손실분포’를 추정하는 방법을 통해 리스크를 정량화하고 측정하고자 노력해 왔다. 손실분포는 우리가 신용파생상품의 가격을 책정하거나 신용 포트폴리오를 최적화 시키는데 있어 중요한 역할을 하기 때문에, 측정을 하는 방법론에 있어서 CreditMetrics (J.P. Morgan, 1997), Creditrisk+ (CSFB, 1997), PortfolioManager (KMV, 1997), CreditPortfolioView (Mckinsey&Comapany, 1997) 등과 같은 다양한 선행 연구가 있었다. 이러한 방법론들 중 본 논문에서 필자는 ‘CreditRisk+’의 방법론을 사용하여 손실분포의 특성을 고찰하여 보고자 한다. ‘CreditRisk+’는 ‘신용부도위험’만을 필요로 하기 때문에 타방법론들에 비해 실제에 적용이 쉽다는 장점이 있다. 반면 ‘CreditRisk+’ 모델에서는, 위험요소들이 서로 상호독립임을 가정함으로써 부도상관관계를 무시하여 손실분포를 얻어냈다는 문제점 또한 안고 있다. 이러한 가정은 금융위기 등 시장에 위험이 닥쳐올 때에 발생하게 되는 신용 리스크를 과소평가하게 만들도록 한다. 현실에서는 보통 하나의 위험요소의 변화가 다른 위험요소들에도 연관을 미쳐 상황을 더 악화시키는 경향이 있기 때문이다. 따라서 이 논문에서 필자는 부도상관관계를 잘 반영하는 것으로 알려져 있는 모델들을 도입하여 그것들을 고속푸리에변환(FFT)을 통해 계산하여 손실분포를 구해 봄으로써 각각의 특성들을 비교해 보고, 경제 상황 별로 어떠한 모델이 더 유용하게 쓰일 수 있는지 알아보고자 한다.
