格付け付与手法へようこそ！
皆さん、こんにちは！FRM Part IIの信用リスクカリキュラムの中でも、最も実務的な章の一つへようこそ。信用格付けを、金融の世界の「成績表」だと考えてみてください。GPAが学生の成功の可能性をリクルーターに示すように、信用格付けは、借り手が債務を返済する可能性がどの程度あるかを貸し手に伝えます。この章では、これらの格付けが正確にどのように付与されるのか、その算出に使われるモデル、そしてその背後にあるさまざまな哲学について、ベールを剥がしていきましょう。最初は少し専門的に感じるかもしれませんが、心配はいりません。一つずつ噛み砕いて解説していきます！
1. 基本：信用格付けとは何か？
核心となるのは、信用格付け（Credit Rating）とは、借り手または特定の債務手段のデフォルト確率（PD: Probability of Default）を象徴的に示した指標であるという点です。あらゆる格付け手法の目的は、信用力に基づいて借り手を順位付けすることにあります。
覚えておくべき主要概念：
- 順序尺度（Ordinal Ranking）： 格付けは常にデフォルトリスクの正確なパーセンテージを示すことを意図しているわけではありませんが、'A'ランクの企業が'B'ランクの企業よりも安全であることを示さなければなりません。
- 外部格付け vs. 内部格付け： 外部格付けはS&P、Moody's、Fitchといった格付け機関によるものです。内部格付けは、銀行が自らの特定のポートフォリオを管理するために独自に開発するものです。
クイック復習： 格付けシステムの主なアウトプットは、デフォルト確率（PD）の推定値です。
2. 信用分析の「5つのC」（エキスパート・システム）
複雑なコンピュータが登場する前は、「エキスパート・システム」が使われていました。現在でも多くの銀行が、出発点としてこれを利用しています。覚えるのが難しそうであれば、銀行が企業に行う「面接の質問」だと考えてみてください。
- Character（性格・品性）： 借り手の評判と誠実さ。彼らは返済する意思があるか？
- Capacity（能力・収益力）： 債務を履行するためのキャッシュフローを生み出す能力。彼らは返済できるか？
- Capital（資本）： オーナーによる出資。彼らは「身銭を切って」いるか？
- Collateral（担保）： 融資の保全のために差し入れられた資産。もし返済できなかったらどうなるか？
- Conditions（条件・環境）： 外部の経済環境。その業界は順調か？
覚え方： C-C-C-C-Cだけ覚えておきましょう。Character, Capacity, Capital, Collateral, Conditionsの5つです。
3. サイクルスルー（TTC） vs. ポイント・イン・タイム（PIT）
これはFRM試験の頻出トピックです！これらは、格付けを付与する方法に関する二つの異なる哲学を表しています。
ポイント・イン・タイム（PIT）格付け
PIT格付けは、借り手の現時点での状況を評価します。もし今日景気が後退すれば、PIT格付けは直ちに低下します。
例え： PIT格付けは自撮り写真のようなものです。一時的な日焼けを含め、まさにその瞬間の姿を切り取ったものです。
サイクルスルー（TTC）格付け
TTC格付けは、短期的な経済の変動（ノイズ）を無視し、景気循環（好況と不況）を乗り切る借り手の能力に焦点を当てます。はるかに安定しています。
例え： TTC格付けはプロの肖像写真のようなものです。一時的な日焼けは無視し、あなたの本質的な特徴に焦点を合わせます。
比較表：
PIT： ボラティリティが高い | 短期的なデフォルトの予測能力が高い | プロシクリカル（順景気循環的）。
TTC： ボラティリティが低い | 長期的な安定性に焦点を当てる | 景気循環の影響を受けにくい。
重要なポイント： 外部格付け機関（Moody'sやS&P）は、投資家が安定した格付けを好むため、TTCを採用する傾向があります。銀行の内部モデルは、より正確な現状のリスク管理のためにPITを使用することがよくあります。
4. 統計的格付けモデル
「人間の専門家」から離れてデータに頼る場合、統計モデルを使用します。カリキュラムでは、これらのモデルがどのように借り手のデータをスコアに変換するかに焦点を当てます。
線形判別分析（LDA）
LDAは、「デフォルトするグループ」と「しないグループ」を最適に分ける「カットオフ・スコア」を見つけ出そうとします。さまざまな財務比率に重み付けを行い、線形方程式を作成します。
ロジットおよびプロビットモデル
これらは業界の標準です。信用スコアはどのような値にもなり得ますが、デフォルト確率（PD）は0から1（0%から100%）の間でなければならないため、「リンク関数」を使用してスコアをその範囲に押し込めます。
ロジットモデルの式は以下の通りです：
\( P(\text{Default}) = \frac{1}{1 + e^{-(\beta_0 + \beta_1 X_1 + ...)}} \)
難しそうに見えても大丈夫です！ 試験で \( e \) の累乗をすべて計算させられることは通常ありませんが、ロジットモデルがアウトプットを常に0から1の間の有効な確率にすることを保証している点は必ず理解しておかなければなりません。
5. 格付けシステムの妥当性検証
モデルができたとして、それが本当に優れているとどう判断するのでしょうか？主にキャリブレーション（校正）と識別力（Discriminatory Power）という2つの概念を使います。
識別力（「順位付け」テスト）
モデルは、デフォルトの可能性が高い借り手を低い格付けバケツに、優れた借り手を高い格付けバケツに正しく入れているでしょうか？これらを測定するために以下を用います：
- CAP曲線（累積精度プロファイル）： 最も低い格付けの借り手によって、どれだけのデフォルトが補足されたかを示す曲線。
- ジニ係数： CAP曲線から導き出される単一の数値。ジニ係数が1なら完璧なモデル、0ならランダムに推測するのと同等であることを意味します。
キャリブレーション（「精度」テスト）
順位付けが正しくても、予測されたPDは正確でしょうか？もしモデルがPDを5%と予測した場合、そのグループの5%が実際にデフォルトするでしょうか？もしそうでなければ、モデルは「再キャリブレーション（再校正）」が必要です。
豆知識： モデルは非常に優れた順位付け能力（識別力）を持ちながら、キャリブレーションがひどいということもあり得ます。例えば、順位付けは完璧でも、全員のPDを100%と言ってしまったら、順位付けは最高ですがキャリブレーションとしては役に立ちません！
6. よくある落とし穴と課題
格付け付与は完璧ではありません。うまくいかなくなる可能性がある例を挙げます：
- データの質： 「ゴミを入れればゴミが出る（Garbage in, garbage out）」。財務諸表が間違っていれば、格付けも間違ったものになります。
- サンプルサイズの小ささ： 「低デフォルトポートフォリオ」（ソブリン国家や巨大銀行など）の場合、強力な統計モデルを構築するためのデフォルトデータが十分にありません。
- 格付けのドリフト： 借り手の信用力が時間の経過とともに変化しているのに、格付けの更新が十分に早く行われない場合に発生します。
クイック復習： 検証には、モデルの順位付けが正しいか（ジニ係数/CAP）、そして確率が正確か（キャリブレーション）を確認することが含まれます。
まとめ
1. 格付けは、デフォルト確率（PD）を推定するためのツールである。
2. PIT格付けは景気とともに変化し、TTC格付けはサイクルを通じて安定している。
3. 5つのC（Character, Capacity, Capital, Collateral, Conditions）は、定性的な信用分析の柱である。
4. ロジットモデルは、推定されたPDが0から1の間に収まるようにするために使用される。
5. 妥当性検証は不可欠であり、借り手の順位付け能力（ジニ係数）とPD推定の精度（キャリブレーション）の両方に焦点を当てる。
この調子で頑張りましょう！信用リスクはFRM Part II試験の大きな割合を占めており、これらの手法を習得することは資格取得への大きな一歩です！