Basel II 와 OFM의CreditMetrics방법을 이용한 은행 소매 포트폴리오의 상관계수 적합성 검증

이홍재; 김태석; 김재성

doi:https://doi.org/10.38115/asgba.2017.14.4.83

추천

검색

자료유형: 학술저널

저자정보: 이홍재 (Price Waterhouse Coopers) 김태석 (백석대학교) 김재성 (영남대학교)

저널정보: 글로벌경영학회 글로벌경영학회지 글로벌경영학회지 제14권 제4호

발행연도: 2017.8

수록면: 83 - 117 (35page)

DOI: https://doi.org/10.38115/asgba.2017.14.4.83

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문의 연구목적은 은행의 소매 포트폴리오인 Loan Pool에 대해 Basel II에서 권고하고 있는자산상관계수와 Vasicek(2002)의 One-Factor Model(이하 OFM) 및 Gupton et al.(1997)의 Credit Metrics 방법에 의한 모형상관계수를 산출한 후 K-Factor, 위험가중자산(Risk Weighted Asset : RWA), 그리고 VaR(Value at Risk)를 산출하는 데 이 값을 적용하여, 그 결과를 비교·분석한 후두 모형의 편의(bias) 정도를 알아봄으로써 적용 상의 적합성을 검증하는 데 있다. 본 논문의 연구방법은 Basel II의 권고안과 OFM의 Credit Metrics 방법에 의한 모형상관계수의산출 후 위험요소(K-Factor, RWA, VaR(99.9%)) 값을 산출하는 데 이를 적용하고, 두 모형 간 자산상관계수 적용 결과를 비교?분석 한다. 분석자료는 2004년 1월부터 2005년 12월까지 A 시중은행의 월별 추정 부도율을 주거용 부동산 담보, 적격 회전거래, 기타 소매 익스포져 등으로 구성된 Basel II기준의 Loan Pool로 세분화된 소매 포트폴리오의 자료를 이용하였다. 비록 분석 데이터가 과거 데이터이기는 하나 시중은행 소매 포트폴리오의 특성 상 정상 시장상황인 경우 부도율및 변동성 구조에서 현재와 큰 차이가 없으므로 특정 과거 시점의 데이터를 이용한 분석이 연구목적에 크게 위배되지 않을 것으로 보며, 분석결과를 현재 시중은행에 확장?적용하는 일반화가 가능할 것으로 본다. 본 논문의 연구결과는 다음과 같다. 첫째, Basel II의 자산상관계수와 OFM의 Credit Metrics 방법에 의한 모형상관계수 적용결과, Basel II의 자산상관계수 r BIS 의 적용 값이 OFM의 Credit Metrics 방법에 의한 모형상관계수 rOFM 보다 상향편의된 것으로 나타났다. 이는Loan Pool의 부도율에 따른 자산상관계수의 하한이 비교적 높게 설정되었거나 실무적으로 1개월씩 time window sliding 방식으로 산출된 부도율 시계열 자료 및 부도율 변동성의 안정성에 기인된 모형상관계수rOFM 의 값이 낮게 나타난 결과로 설명된다. 둘째, Basel II와 OFM의 두 모형 간 K-Factor, RWA, 그리고 VaR에 대한 상대적 비율의 계산결과 Basel II 가 OFM 보다 주거용 부동산 담보및 적격 회전거래 익스포져 모두 상향편의된 것으로 나타났으며, 적격 회전거래 익스포져의 경우에 대해서만 OFM 방법이 Basel II 방법보다 근소한 상향편의를 나타냈다. 본 논문의 연구시사점은 기존의 연구들과 달리 Basel II에서 제시하고 있는 방법에 의해 세분화된 Loan Pool을 이용하여 Basel II와 OFM의 적용상관계수의 적합성 및 현실적인 적용 가능성을분석 해 보았다는 데 의미가 있다. 즉, Basel II의 자산상관계수가 OFM의 Credit Metrics 방법에의한 모형상관계수를 적용할 때 보다 신용 위험 요소에 대해 상향편의로 해석될 수 있는 문제점이 존재한다. 따라서 본 연구는 소매 포트폴리오에 대한 국내은행의 위험자본이 과대평가되어 수익성에 부(-)의 영향을 미칠 수 있음을 밝혔다. 따라서, 정상 시장상황 하에서 향후 국내은행의Pool별 부도율 및 부도율 변동성이 고려된 모형상관계수를 적용하는 것이 국내은행의 소매 익스포져에 대한 부도 현실을 적절하게 반영한 신용위험 및 자본적정성을 확보할 수 있을 것으로 본다.

The purpose on this study focuses on the Internal Rating Based Advanced approach (Basel II) for retail exposures, which is compared to the One Factor Model of Vasicek(2002) and the CredtiMetrics methodology of Gupton et al.(1997) in order to test the bias between both model for relevant to implement. Accordingly, using the asset return correlation of Basel II and the simultaneous default correlation of the One-Factor Model is derived for the K-Factor, RWA, and Stand-alone VaR. The methodology of the study on this paper is to analysis the results on implication of the asset correlation between the both model which has been generated the various risk factors (K-Factor, RWA, VaR). Hence the database of the analysis is composed of the retail exposures based on Basel II. The Basel framework is applied to three portfolio of retail exposures (residential mortgage exposures: RME, qualifying revolving retail exposures: QRRE, and other retail exposures: ORE) which is composed of the Loan Pool of the segmented retail portfolio. The periods on the analysis of the study consist of the estimated probability of default between 2004.01 and 2005.12 by a major commercial Bank (namely A Bank). Considering the features on the structures of retail portfolio of the bank, using the historical data, it does not violate the research purpose. Therefore, it is possible to generalize it by applying it to commercial bank. The results of this study are as follows. First, form the results of applying the model by the method of calculating the Basel II’s assets correlation and the CreditMetrics of OFM presented here, the applied value of the Basel II’s asset correlation r BIS is biased upward from the model correlation r OFM of the CreditMetrics of OFM. The reason for this is that whether the lower limit of the asset correlation due to the Loan Pool’s probability of default has been set relatively higher the OFM or practically, this is explained as a results of the fact that the PD’s time series data using the method of time window sliding by one month and the value of model correlation rOFM by the stability of PD’s volatility are low. Second, the relative ratio of the risk factors (K-Factor, RWA, and VaR) between the two models of Basel II and OFM showed that the Basel II upwards bias rather than OFM. And in the case of the qualifying revolving retail exposures only, OFM’s method showed upward bias rather than the Bael II method. The implication of this study is that under normal market condition, domestic commercial banks will be able to secure capital adequacy by applying OFM’s model correlation

#Loan Pool #CreditMetrics #K-Factor #위험가중자산(RWA) #Basel II #Stand-alone VaR #Loan Pool #CreditMetrics #K-Factor #RWA #Basel II #Stand-alone VaR

참고문헌 (47)

참고문헌 신청

금융감독원 / 2004 / 신BIS 자기자본비율산출기준(안)

금융감독원 / 2006 / 알기쉬운 신BIS: 제1편 신용리스크

금융감독원 / 2005 / 은행의 내부자본 적정성 평가 세부 지침 (안)

금융감독원 / 2005 / 신BIS 길라잡이

임병진 / 2012 / 자본시장통합법이 자본시장에 미친 영향에 관한 실증적 연구 / 글로벌경영학회지 9(2):53~68

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이홍재

소속기관 독립연구자

주요연구분야 사회과학 > 경영학

논문수 7 이용수 50

김태석

소속기관 백석대학교

주요연구분야 사회과학 > 경영학

논문수 8 이용수 50

김재성

소속기관 새마을금고중앙회 연수원

주요연구분야 사회과학 > 경영학

논문수 2 이용수 2

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (47)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)