厚尾分布情形下的信用资产组合风险度量

本文研究风险因子多元厚尾分布情形下的信用资产组合风险度量问题.用多元t-Copula分布来描述标的资产收益率分布的厚尾性,同时将三步重要抽样技术发展到基多元t-Copula分布的资产组合模型中,拓宽和丰富了信用资产组合风险度量模型.同时,并运用了非线性优化技术中的Levenberg-Marquardt算法来解决重要抽样技术中风险因子期望向量估计.模拟结果表明该算法比普通Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差,从而更精确地估计出信用投资组合损失分布的尾部概率或给定置信度下组合VaR值.     

基于汇率回报厚尾性的外汇期权组合非线性VaR模型

为了克服多元厚尾分布情形下的非线性VaR数值计算的困难.本文将重要抽样技术发展到多元t-分布情形下的外汇期权组合非线性VaR模型中,通过对市场变量回报分布进行概率测度的指数变化,在相应区域产生更多的样本,使得该情形下不再是稀有事件Monte Carlo模拟,从而减少Monte Carlo模拟计算工作量,更精确地估计出组合的损失概率.数值结果表明该算法比常用Monte Carlo模拟法的计算效率更有效,且能很大程度上减少所要估计的损失概率的方差.     

内生性回收率与信用风险度量研究

在信用风险模型中,外生性回收率的设定会忽略回收率对损失分布尾部的影响,而且会导致潜在的模型风险。本文将因子扩散过程引入结构信用风险模型,获得了回收率和违约概率之间的内在关系,利用Monte Carlo模拟方法数值分析了预期回收率对违约概率和资产价值波动率的依赖性,结果表明预期回收率与违约率之间具有很强的负相关关系,而且这种相关关系会受到债务人资产价值波动率的正向影响。在内生性回收率下,推导了信用损失的概率分布,计算了信用风险的Credit-VaR和ETF指标。最后利用市场数据检验了内生回收率信用风险模型的有效性,结果表明该模型可以很好的描述历史违约率和回收率的变化过程。     

信用贷款风险中反向CDS协议设计与定价模型

在信用违约互换(CDS协议)的基础上,提出了反向信用违约互换(RCDS)协议,以规避信用贷款风险.首先定义反向CDS协议,然后对反向CDS协议的定价合约进行设计,探讨反向CDS协议的风险“囚禁”原理;并在无套利的原则下,建立了含有未知违约概率的反向CDS协议定价模型;再进一步通过假设贷款企业的资产价值运动由一个布朗运动和若干个互相独立的泊松过程合成的复合泊松过程,在风险中性测度下,建立了资产价值运动的布朗运动和复合泊松过程随机微分方程,以此求出违约概率,并最终求出反向CDS协议定价公式.最后,通过数值分析,讨论了信用贷款利率、反向CDS价格、贷款期限、违约概率以及初始资产与违约边界之比等因素之间的相互影响关系,给出了相应风险规避方法的结论和建议.本文研究对实际应用具有很好的参考价值.     

信贷资产组合的异质性及其对信用风险损失的影响

本文结合Vasicek模型分析了信贷资产组合的异质性对信用风险损失的影响,并比较了模型中不同参数的异质性对损失的影响效果.分析结果显示,忽略异质性将对风险损失度量带来一定偏差,异质性对信贷组合的损失分布尤其是分布尾部具有较大的影响;较之信贷资产的行业相关性,违约率和违约波动率的异质性对损失分布的影响更为显著.     

银行信用组合风险多成分重要性抽样算法研究

银行信用组合违约风险的度量和计算对银行监管有着重要的意义.使蒙特卡洛研究信用组合违约概率时,为提高模拟效率,越来越多的学者采用了重要性抽样技术来实现.它主要通过条件独立性和“均值移动”两个步骤实现.本文基于前人研究结果的基础之上,提出了一种基于违约相关性矩阵的多因子变方差的重要性抽样算法.该算法通过主成分分析选择违约结构中的占优成分并扩大其方差来实现.数值算例证明了该方法在信用组合遭遇极值事件时,能够提高模拟效率及计算精度,具有一定的计算优势.     

基于银行贷款组合风险的经济资本计量模型

本文运用保险精算思想，建立了经济资本计量模型，并阐述了经济资本计量模型在银行确定贷款组合风险中的应用。本模型对经济资本计量模型作了三点改进。其创新与特色一是对贷款组合的风险暴露数进行分段，在每一频段上分别确定风险暴露数分布，进而可以更准确的描述各笔贷款的风险暴露数。二是在确定风险暴露数分布时，用Г分布替代了传统的正态分布，解决了贷款违约的风险暴露数分布的厚尾问题，进而解决了大宗贷款违约的风险度量问题。三是确定违约频率时，用负二项分布来代替传统的泊松分布，解决了违约频率的方差通常要大于其均值的分布拟合问题。这样，改进后的经济资本计量模型在实务中可以更加贴切的度量银行贷款组合的风险。     

基于Copula-SV-GPD模型的投资组合风险度量

对于多元金融资产组合,针对资产收益的厚尾性、波动的异方差性及资产间的非线性相关结构等特征,采用SV-t模型与极值理论结合刻画单个资产收益的波动性及尾部分布特征,应用Copula函数处理多元资产间的相关性,并结合Monte Carlo模拟对投资组合进行风险测度.通过对华安创新基金的实证分析结果表明,基于SV-GPD的边缘分布模型能有效地刻画金融资产收益时序并较为精确地处理资产收益尾部的异常变化,相比其他风险度量模型具有更好的优越性,基于Copula-SV-GPD模型的多元资产组合对风险测度能力更强,能有效地管理投资风险.     

可违约零息债券风险综合度量Monte Carlo方法

可违约零息债券同时面临着违约风险和市场风险(利率风险)这两类主要风险.相对于传统的不同类风险独立度量方法,也不同于割裂两类风险再进行加总或通过Copula函数关联,本文在信用风险强度定价模型的基础上,同时考虑信用风险、市场风险和两类风险之间的相关关系,建立了计算可违约零息债券综合风险VaR的Monte Carlo方法,得出同一个风险计算期下反映两类风险的损失分布和同一个某置信度的损失分布的分位点,进而能求得风险综合VaR值,这样可在同一个框架下同时捕捉可违约零息债券的两类风险,这里,给出了MonteCarlo模拟方法具体技术细节,包括违约时间和基础状态向量过程的模拟.最后运用本文的风险综合度量模型对短期融资券的综合风险进行计算,得出风险综合VaR值,并与利率风险独立度量VaR值和信用风险独立度量VaR值进行比较分析.     

基于多元GARCH与极值理论的资产组合风险测度研究

在运用多元GARCH模型对资产组合损失的协方差矩阵进行建模的基础上,估计出组合的标准残差序列;然后,运用EVT对标准残差的极值尾部建模并估计出分位数,进而测度资产组合的动态极值风险;最后,再运用返回测试方法对模型准确性进行检验.研究结果表明,运用多元GARCH模型能够有效捕获多元资产损失的时变相关性特征;资产组合条件损失的标准残差极值尾部服从GPD;结合多元GARCH模型与EVT的风险模型能够测度所构造的多元资产组合的动态风险.