中国商业银行信用风险度量研究

信用风险是商业银行面临的主要风险,信用风险的度量模型有专家判断法、信用评分法、神经网络分析法以及现代违约概率模型等。通过比较分析LOGIT模型和KMV模型,选取了能够体现公司盈利能力、营运能力、资本结构、偿债能力、成长能力和现金流量的28个指标,运用逐步回归方法建立LOGIT模型,发现该模型能够提前一年较好地预测出公司的违约情况。在分析KMV模型时,通过GARCH-M模型计算出企业股权价值波动率,并运用上市公司数据得出样本公司的股权价值和违约点,从而计算出样本公司的资产价值和资产价值波动率,最后得出KMV模型的判别结果。上述分析表明我国商业银行应以LOGIT模型作为判别模型,以KMV模型作为追踪模型,将LOGIT模型与KMV模型相结合来判断贷款企业的信用风险水平。     

银行信用风险评估中的非财务分析

由于传统的财务分析对银行信用分析存在着滞后性、灰色性及短期性等诸多弊端,为防范信用风险,银行应注重对贷款企业运用非财务因素分析。对度量非财务因素的指标体系进行分析,可为进入WTO后的国有商业银行防范银行信用风险提供一些有益的参考。     

当前中国出口信用风险剖析

金融危机下，中国出口信用风险急剧增加，表现为海外买家信用风险、国家政治风险以及海外银行信用风险加大。分析金融危机下中国出口信用风险扩大的原因，指出出口信用保险是化解出口信用风险的有效途径。     

我国商业银行信用风险管理的问题与对策

银行信用风险是当前我国商业银行面临的主要风险之一,也是造成商业银行大量坏账的重要原因.随着金融业的不断发展和市场竞争的加剧,风险管理成为商业银行经营管理的核心,信用风险管理更是重中之重.近年来,我国商业银行已逐步建立起信用风险管理体系,且各方正在积极探讨我国信用风险管理中存在的问题,文章研究提出了完善我国商业银行信用风险管理的对策.     

从信息不对称看商业银行信用风险的产生及其防范

由于银行与企业签订信贷协议前后的信息不对称,容易造成银行信用风险;而银行上下级行之间的信息不对称,加重了银行内部人员的寻租行为,使银行信用风险更加严重.作者从信息不对称的角度,运用道德风险和逆向选择的理论模型,对银行与企业、银行上级和下级之间存在的道德风险和逆向选择,分两种关系框架下进行论述,分析商业银行信用风险产生的原因.并使用信息经济学和博弈论中提供的有关降低信息不对称程度的理论,结合我国实际情况,认为通过深化信用风险信息分析、签订限制性协议和加强银行内部监管等能有效地消除信息不对称问题,防止和减少商业银行信用风险的产生.     

银行信用授信信号效应实证分析

运用国内上市公司的公开信息,结合理论和实践选取衡量公司偿债能力的关键财务指标,通过实证分析的方式,分析关键财务指标和银行授信决策之间的相关度,进而对国内上市公司的银行信用授信信号的有效性进行论证,并尝试在此基础上探讨银行信用授信信号失效的原因。     

美国银行信用风险与宏观经济变量的实证研究

以2005年到2012年美国综合银行不良贷款的相关数据为样本，对影响美国银行信用风险的宏观经济变量进行实证检验。研究结果表明：美国综合银行的信用风险水平比较高，其信用风险水平与失业率有着显著的强正相关关系，而与 GDP增长率、消费者物价指数增长率、生产者物价指数增长率和广义货币增长率无关。实际上，美国银行业的信用风险经过金融衍生品分散转化后并没有消除，只是被隐藏起来了，并且逐步累积。有鉴于此，提高我国银行业信用风险管理水平措施包括：一是着重研究宏观经济波动以及政策的实施对信用风险的影响；二是提高就业率，保持宏观经济环境的良好状态；三是借鉴西方发达国家较为成熟的理论体系，形成适合我国的风险管理控制方法；四是提高对住房贷款业务的风险认识；五是重视信用文化建设和银行信用制度创新。     

负债资产比及资产波动率与信用风险研究

基于期权定价理论的EDF模型是现代信用风险定价与度量研究中极其重要的部分,对其适用性的研究对提高我国商业银行信用风险计量水平、国际竞争能力与监管机构风险监管能力有着十分深远的意义。通过利用我国260家上市公司的财务指标与股票价格所组成的面板数据。对该模型所揭示的负债资产比、资产波动率和信用风险之间存在的两个内联关系进行检验,研究表明：负债资产比与信用风险存在正向关系,资产波动率与信用风险也存在正向关系,这两条结论均符合EDF模型。     

广义延拓矩阵的奇异值分解

具有广义行或列对称性结构的矩阵（即广义延拓矩阵）的奇异值和奇异向量与原矩阵（母矩阵）的奇异值和奇异向量存在定量关系,从而对于广义延拓矩阵的奇异值分解,可利用母矩阵奇异值分解来实现。这不但可以节省计算量和运算量,而且不影响任何数据的精度。     

中国房地产上市公司信用风险评价研究——基于混合模型的实证分析

［摘要］已有文献指出,传统财务指标模型可用于评估中国房地产上市公司的信用风险,却鲜有研究加入资本市场变量构建混合模型进行探讨。本研究尝试构建混合模型,以测试其是否能提高信用风险评估的能力。论文以沪深股市房地产上市公司为样本,用因子分析选取财务指标变量,用KMV法计算资本市场变量,以logistic回归先后建立传统财务指标模型与纳入资本市场变量后的混合模型。结果表明,混合模型能改善评估我国房地产上市公司信用风险的能力;且采用信用事件发生前二年的变量预测,效果较前三年的变量预测更佳。     

基于改进Credit Metrics模型的商业银行信用风险度量及实证研究

信用风险是我国商业银行面临的主要风险.随着美国金融危机的蔓延,各国银行业已意识到加强信用风险监管的必要性.研究信用风险特征,建立合适的度量模型准确地度量我国商业银行的信用风险,是降低信用风险的必然要求,而Credit Metrics模型以其擅长度量非交易性资产的信用风险而著称.作者首先对Credit Metrics模型加以改进,使用我国的信用评级转移矩阵,其次考虑宏观经济和企业本身的非系统性风险,重新调整信用评级转移矩阵.最后以某家银行为基础,使用Credit Met-rics模型进行实证研究,同时对于模型中的部分参数进行修正并对模型加以改进,从而完善CreditMetrics模型在我国商业银行业的应用.     

子矩阵约束下矩阵方程XA=B的对称非负定解

利用矩阵的广义逆及奇异值分解 ,给出了子矩阵约束下线性矩阵方程XA =B有对称非负定解的充分必要条件 ,并在有解时 ,给出了相应解的一般表达式     

SVD在参数估计中的应用

在缺少信号或观测的先验分布时,通常使用最小二乘估计参数。而由于实际条件的限制,观测矩阵非满秩,最小二乘估计无效。本文给出了基于奇异值分解的方法,利用Moore-Penrose广义逆,可以得到极小范数唯一的最小二乘解。     

供应链金融视角下企业信用风险评估指标体系的选择与应用

发展供应链金融是健全具有高度适应性、竞争力、普惠型现代金融体系的重要组成部分.目前,全球产业链竞争的压力持续增加,供应链金融作为一种面向供应链所有成员企业的系统性金融服务,能够以核心企业为中心,有效整合上下游企业的信用资源,增强链上所有企业的融资能力,对产业链持续升级具有重要作用.与此同时,由于信用资源的重构,对单一企业来说,其信用风险已经发生了相应的迁移,因此,处于供给端的供应链金融在风险管理方面也亟需进行再造和调整.通过对供应链金融环境下企业信用风险形成机理分析,并利用相关理论实证和经验实证方法,提出适合供应链金融环境下的企业信用风险评估指标体系,并利用沪深两市公开数据对相关指标进行检验和筛选.     

固定收益债券信用等级迁移的影响因素分析：基于财务指标的实证研究

固定收益债券的信用等级迁移问题日益引起投资者和监管者的关注,预测信用等级迁移需要找到关键指标。财务数据对企业未来业绩具有显著影响,可以反映运营企业的信用质量。当前信用等级发生迁移债券存在发行期限集中、行业特征明显、发债目的差异化等特点,通过构建Logistic模型对影响债券信用等级迁移的财务指标进行实证分析发现：偿债能力和盈利能力都对企业债的信用等级迁移具有显著影响,但是信用升级和信用降级分别对不同的财务指标敏感。发债企业要想提高债券信用等级,需提高盈利能力;投资者要想降低信用风险,应考虑减少甚至剔除投资组合中偿债能力发生显著负面变化的债券;监管者要想对发债企业进行更有效监管,需关注偿债能力指标以及主营业务利润率的变化。     

基于Logistic模型的供应链金融信用风险实证研究——以农业类上市公司为例

供应链金融是传统商业银行授信模式的转变,带来了各参与主体共赢的局面。如何评价并控制其信用风险是供应链金融业务能够得以稳健发展的基础。在供应链金融信用风险理论基础上,对于农业类企业在供应链金融中的风险进行探讨,建立Logistic模型来度量农业类企业在供应链金融中的风险,以用来判别农业类企业的违约情况,为银行是否对融资企业给予信贷提供新的理论思路。     

农业产业化龙头企业信用风险评价的改进——基于农村金融联结视角

参与农村金融联结改变了农业产业化龙头企业的信用风险状况,商业银行如何识别企业信用风险是金融联结实现的前提。研究发现KMV模型能够识别参与农村金融联结企业的信用风险,参与联结对企业信用风险的影响取决于:企业的风险管理能力和农户贷款的系统性风险水平。研究结论为评价金融联结中介的风险提供了新的思路,提高了商业银行参与农村联结的可操作性,以及农村金融联结的推广。     

基于神经网络的商业银行信用风险研究

针对商业银行信用风险的性质和借款人财务指标的非线性、高度相关性、不成正态分布等,利用人工神经网络能模拟人的部分形象思维能力能较好地处理非线性问题,信息的并行分布式处理与存储,可以多输入、多输出,能进行学习以适应环境的变化等特点,构建商业银行信用风险神经网络模型。该神经网络模型由输入层、隐层和输出层三部分组成,输出结果表明,利用三层隐节点的神经网络模型能达到理想的输出结果,比传统的信用风险管理方法有较高的预测精度。     

供应链金融信用风险实证研究——基于MF-Logistic模型

供应链金融是传统商业银行授信模式的转变,带来了各参与主体共赢的局面。供应链金融在我国处于起步阶段,商业银行受收益驱动积极开拓供应链金融业务,但对供应链金融的信用风险管理还处于相对落后状态。本文选取宏观经济指标和微观企业信用风险评估指标,使用计量经济学方法构建出蕴含宏观经济因素和反映企业内部信用能力的财务指标的MF-Logistic模型,进而对2007年第一季度至2013年第三季度的27组样本数据进行实证研究,并通过实证和规范分析给出研究结论。通过对供应链金融信用风险的度量和预测,为商业银行提供供应链金融信用风险预警,并为制定相应的应对措施提供参考。     

信用风险披露的国际经验

国内外的经验教训表明,不良的信用质量以及脆弱的信用风险管理一直是银行破产和银行危机的主导性原因之一.银行的信用风险的信息披露,包括信用暴露的程度,信用风险管理的充足性,对于社会投资者和监管部门评估银行的外部条件、经营业绩以及长期生存的能力,并采取及时有效的监管措施,都是十分重要的.随着我国加入WTO以及市场机制的逐步完善,我国原先隐藏在银行体系内的信用风险将逐渐的暴露并开始严重影响到我国银行业乃至整个金融体系的健康运行.积极引进和借鉴世界上先进、科学的信用风险披露机制,对解决我国目前严重的信用风险问题,具有相当积极的意义.一个有效的信用风险披露机制包括五个方面第一个方面是会计处理方法的披露;第二个方面是信用风险管理的披露;第三个方面是信用暴露程度的披露;第四个方面是信用质量的披露;第五个方面是收益的披露.本文则是在信用风险披露的国际经验方面做一个简单的介绍,以期能够对我国国内的银行信用风险管理有所借鉴.