デフォルト・リスク・モデルとは、債券やローンなどの信用資産に対するデフォルト（債務不履行）の発生確率と損失率を定量的に評価するための統計的・数理的手法である。
概要
信用リスク管理の基盤として、金融機関は顧客や発行体の信用状態を測定し、資本配分や金利設定に反映させる必要がある。デフォルト・リスク・モデルは、こうした意思決定を支えるために、企業や国の財務指標、マクロ経済変数、業界特性など多様な情報を統合し、デフォルト確率（PD）と損失率（LGD）を算出する。
モデルの発展は、1970年代のクレジットスプレッド理論や、1990年代のベーシックアプローチ（Basel I・II）に端を発し、近年は機械学習やビッグデータ解析を取り入れた高度化が進んでいる。
役割と機能
- 資本適正率の算定
銀行は Basel 規制に従い、信用リスクに対する資本を PD × LGD × EAD（Exposure at Default）で計算する。デフォルト・リスク・モデルはこの PD と LGD を提供し、資本要件を満たすための指標を生成する。 - 債券価格の設定
投資家は、発行体のデフォルト確率を反映したクレジットスプレッドを算出し、債券の適正価格を決定する。モデルは、金利スワップやCDS（クレジット・デフォルト・スワップ）価格の入力としても機能する。 - ストレステストとシナリオ分析
経済ショックや業界不況を想定したシナリオで PD と LGD を再計算し、ポートフォリオの耐久性を評価する。 - リスク分散とヘッジ戦略
デフォルト相関をモデル化することで、ポートフォリオ全体の信用リスクを低減するヘッジ手段（CDS、債券スワップなど）を設計できる。
特徴
- 構造モデル vs 簡易モデル
構造モデル（Mertonモデルなど）は企業価値と負債構造を基に PD を推定し、財務レバレッジの変化を反映する。
簡易モデル（Reduced‑Formモデル）は、過去のデフォルト履歴や市場データを用いて、PD を時間変化する確率過程として表現する。 - パラメータの可変性
PD と LGD は、業界、地域、発行体規模、マクロ経済指標（GDP成長率、失業率）などに応じて動的に変化する。 - 統計的検証
モデルは、バックテストやアウトオブサンプル検証を通じて、予測精度とバイアスを評価される。 - 規制適合性
Basel III では、内部モデルの使用に対して厳格な適合性テスト（IRB）を課しており、モデルの透明性と再現性が求められる。
現在の位置づけ
デフォルト・リスク・モデルは、金融市場の透明性向上とリスク管理の精度向上に不可欠な要素となっている。
- 規制環境の変化
新たな Basel 規制や EU の CRD IV などは、内部モデルの使用を拡大しつつ、モデルリスク管理の枠組みを強化している。
- テクノロジーの進化
機械学習アルゴリズム（ランダムフォレスト、勾配ブースティング）や深層学習を組み合わせたモデルが、従来の統計手法よりも高い予測精度を示すケースが増えている。
- ESG 要因の統合
環境・社会・ガバナンス（ESG）指標を信用リスク評価に組み込む動きが進み、デフォルト確率に非財務要因を反映させる試みが拡大している。
- 市場での活用
投資信託やヘッジファンドは、デフォルト・リスク・モデルを用いて信用スプレッドの動向を予測し、ポートフォリオのリスク調整を行っている。
デフォルト・リスク・モデルは、金融機関の資本計算、債券価格決定、リスク管理戦略に不可欠であり、規制要件と市場のニーズに応じて継続的に進化している。
