次贷危机中的传染机制研究和策略分析

本文在次贷危机的背景下，对造成违约蔓延的传染机制进行了深入的分析。对于传染机制的解释，一种是源于因果效应：即一个公司的违约导致其他有业务关系公司的财务困境；另一类解释源于信息效应：即当投资者得知某个违约时会产生对其它债务人信用的修正，从而导致一个传染风险溢价。本文在不同的传染机制下，提出了一个统计上非常有用的违约传染模型，此传染模型中的参数可以定量研究公司违约的传染效应，通过模型说明控制好违约的传染率可以有效的控制金融危机的爆发，并且能够定量地给出控制策略。     

网络结构与银行系统性风险

建立了完整的度量银行间违约传染及银行系统性风险的研究框架.在这个框架下,研究了不同银行间网络结构下银行系统性风险.在模型建立过程中,分析了现有研究广泛采用的违约算法中存在的问题并对其进行了修正.为了模拟不同的银行间网络,还提出了一种构造无标度网络的方法.通过仿真模拟,研究发现集中度越高的网络由于传染而倒闭的银行数量越多.但是,当基础违约的银行数量不多时,网络集中度越高,由于传染而倒闭的银行的总资产越少.此外,在集中度高的网络中大银行倒闭引发违约传染的可能性和影响力都会大于集中度低的网络.而小银行引发传染的可能性远低于大银行,但是小银行倒闭达到一定规模时,可以引发大银行传染倒闭.     

基于Copula风险中性校准的违约相关性研究

违约率的估计是IRB法的核心要素之一,违约相关性是违约概率研究和估计的不可忽略的重要因素,目前的研究大多通过资产相关替代研究违约相关。风险中性可降低模型风险带来的估计误差。本文针对CDS's特征构建了风险中性违约相关估算的Copula模型,并提出了Copula选择方法且进行了实例分析,发现8自由度学生t-Copula是最优的。     

基于资产负债表关联的银行系统性风险研究

应用61家银行2009年年报数据对基于资产负债表关联的银行间市场双边传染风险进行研究,从信用违约和流动性风险角度对传染路径和资本损失进行估测,并深入分析银行间市场的不同结构对传染效应的影响,此外,本文还应用负二项式计数模型对系统重要性银行和易被传染银行的微观特征进行实证检验.研究得出:(1)在“完全分散型”市场结构假设下,我国银行间市场传染性风险极小;当考虑交易主体集中度并假设“相对集中型结构”时,系统性风险和传染效应将上升;当考虑违约风险和流动性风险联合冲击时,资本损失和风险传染的范围显著扩大.(2)大型国有银行处于银行间资本流动的中心环节,尤其中国银行和工商银行是传染风险发生的重要诱导来源.(3)影响银行在拆借市场中系统重要性的因素有银行类型、资产规模和风险头寸;而影响银行易受传染性的因素有银行类型、资本充足状况和风险暴露程度.     

基于网络视角的银行业系统性风险度量方法

网络模型已经成为研究银行系统性风险的重要方法。然而现有研究忽视了银行系统性风险的小概率特点,同时也缺少度量银行系统性风险的统一标准。为此,本文提出了基于网络模型的银行系统性风险度量方法:银行系统性风险VaR和银行系统性风险ES。首先,本文采用蒙特卡洛模拟方法,模拟银行外部冲击造成银行间网络损失的大样本。在银行间网络损失大样本中,估计银行系统性风险VaR和银行系统性风险ES。这两个测度能够捕捉到银行间网络损失的尾部特征,解决了对比随机冲击结果无法反映银行系统性风险的问题。其次,在模拟实验中,本文利用真实银行间网络结构参数,对模拟的三种银行间网络进行校准,保证了研究结论真实性和可靠性。最后,在模拟实验中发现:(1)外部冲击会引发违约传染的连锁反应,并导致银行间网络损失分布从近似正态分布转变成尖峰厚尾分布,最后变成双峰分布。(2)网络集中度越高发生违约传染连锁反应的概率越小,但是传染的破坏力会更大。(3)银行间网络的潜在传染作用会极大的放大银行系统的风险,而且违约传染效应是呈指数增长的。     

加权复合分位数回归方法在动态VaR风险度量中的应用

风险价值(VaR)因为简单直观,成为了当今国际上最主流的风险度量方法之一,而基于时间序列自回归(AR)模型来计算无条件风险度量值在实业界有广泛应用。本文基于分位数回归理论对AR模型提出了一个估计方法--加权复合分位数回归(WCQR)估计,该方法可以充分利用多个分位数信息提高参数估计的效率,并且对于不同的分位数回归赋予不同的权重,使得估计更加有效,文中给出了该估计的渐近正态性质。有限样本的数值模拟表明,当残差服从非正态分布时,WCQR估计的的统计性质接近于极大似然估计,而该估计是不需要知道残差分布的,因此,所提出的WCQR估计更加具有竞争力。此方法在预测资产收益的VaR动态风险时有较好的应用,我们将所提出的理论分析了我国九只封闭式基金,实证分析发现,结合WCQR方法求得的VaR风险与用非参数方法求得的VaR风险非常接近,而结合WCQR方法可以计算动态的VaR风险值和预测资产收益的VaR风险值。     

债券流动性与违约风险相关性溢价及实证研究

债券的流动性与违约风险都是影响债券溢价的重要因素,然而以往在违约风险最为突出的公司债券定价中却很少考虑两种风险相关性关系的影响,这与发达市场实证经验不符.在已有研究的基础上同时引入两种风险相关性,通过对Copula函数刻画的不同相关性结构情况下公司债券的收益率和风险变化分析,以及对中国短、中、长期公司债券市场数据的实证检验均发现,流动性与违约风险的相关性之间存在显著的正相关性,且对债券利差具有显著的影响和交互作用.     

基于债权终止的可违约债券定价

已有实证结果表明流动性风险及其与违约风险的相关性是影响可违约债券收益率的重要因素,然而目前的研究还不能建立一种计算简便且同时包含流动性风险以及风险相关尤其是尾部相关性的定价模型。本文将流动性风险与违约风险都描述为债权终止事件驱动型的风险,从而可以利用与违约时间类似的出售时间来刻画流动性风险过程。基于债权终止事件的发生时间,本文拓展了简约模型以考虑流动性风险及风险相关性。与以往的研究相比,基于债权终止时间的模型具备诸多优势:模型简便适合大规模计算、允许时变流动性风险、包含尾部相关等较为丰富的风险相关性结构。数值算例表明,本文的模型能更好地刻画流动性风险溢价以及风险的尾部相关性对债券收益率曲线上下尾端的影响。     

利率带有跳跃情形下的信用衍生品定价研究

考虑作为风险因素的利率的跳跃,以研究信用衍生品的定价问题.通过影响信用衍生品参考债务实体违约概率相应的违约强度,利率的跳跃对信用衍生品的定价将产生影响.为此,令描述各个状态变量变化的随机过程是交叉激励的,以体现各事件之间的依赖关系.在线性—二次跳跃—扩散框架下给出了一般定价模型,并可通过Riccati方程组对其进行求解.最后,在特定的随机过程下,将所得定价模型应用在CDS上,并给出定价公式的显性表达式,以作举例.     

多维数据下小企业违约风险过程性评价研究

违约风险过程性评价是在借贷过程中考虑评价特征维度增加的情况下,对小企业的违约风险进行评价。现有违约风险评价大都是考虑相同的评价特征在某一时刻(某一时间序列)的静态评价(动态评价)。大数据环境下用于评价的特征呈爆炸式持续增长,如果每增加一些特征都需要重新构建评价模型,对银行实际操作而言,是不现实也是不可行的。本研究分别从增加新的准则和增加新的指标两个特征增加的角度,提出信贷过程中,违约风险评价模型构建的四种方式,并以中国某商业银行1994年以来的小企业实际贷款数据为对象,通过建立神经网络模型进行实证研究。研究表明,上述四种方式构建的违约风险评价模型的判别精度无显著性差异,同时方式2(以每个准则独立构建评价模型的评价结果作为输入变量,构建违约风险评价模型)有较高的判别精度,为大数据背景下及时更新违约风险评价模型提供了新的思路,也给银行的实际操作节省运算时间和复杂度。