在之前的文章中，我已经为大家介绍了VaR模型。其中通过蒙特卡罗模拟法求取VaR的思路，大家还记得吗？①假定资产或资产组合价值的随机过程；②通过历史数据估计参数；③模拟多个随机序列，代入随机过程生成多个资产或资产组合的期末价值（看做期末价值的分布律）；④根据这些期末价值找到某一置信水平下，可能的最低期末价值；⑤根据VaR公式，代入已知、已求值即可。

  CreditMetrics模型也是运用VaR来衡量风险，且求解VaR的思路与VaR模型中的蒙特卡罗模拟法有一个共同点：获取资产或资产组合期末价值的分布律。不同的是：获取资产或资产组合期末价值的分布律的方法不同。那么接下来让我们一起走进CreditMetrics模型，感受它的魅力。

  某公司持有某一信用资产或信用资产组合（如，贷款、债券等），这些信用资产或信用资产组合都是以债务人（公司）的信用作为担保的。那么考虑信用风险就至关重要了：如果债务人（公司）有违约的可能，有信用等级下降的可能，都会造成该信用资产或信用资产组合市场价值下降。

  所以CreditMetrics模型认为：通过债务人（公司）的信用等级来确定信用资产或信用资产组合的市场价值分布律。具体步骤如下：

（1）确定债务人（公司）当前的信用等级 可通过专业评级公司来确定。通常有AAA、AA、A、BBB、BB、B、CCC级共7个等级。

（2）确定债务人（公司）期末的信用等级（包括违约）及对应概率 可通过专业评级公司来确定。通常认为期末可能有AAA、AA、A、BBB、BB、B、CCC、违约共8个等级。将所有“特定期限（通常指1年）内，一个信用等级向另一个等级转化的概率”集成的表格称为信用等级转移矩阵，类似下表：

通过该表可知：若债务人（公司）当前信用等级为AA，那么经过特定期限（通常指1年），期末信用等级为AA的概率为83%，信用等级为B的概率为0.1%……依此类推。

（3）确定该信用资产或信用资产组合期末市场价值的分布 首先让我们看看期末（这里特指1年后）市场价值是如何表示的。 假设某贷款（n年末到期）在n年内的现金流为：第1年末流入利息 C1 C 1 ，第2年末流入利息 C2 C 2 ，……，第n年末流入利息 Cn C n 和本金 F F 。远期利率的构成为：第2年的远期利率为 r2 r 2 ，……，第n年的远期利率为 rn r n 。那么期末（这里特指1年后）该贷款的市场价值为：