信用违约互换的定价方法研究

信用违约互换常见的交易结构是信用保护买方定期支付费用给交易对手,以便在合约期内参照资产发生信用事件导致其价值损失时,交易对手赔付信用保护买方参照资产的价值损失部分。在这种交易结构下,对信用违约互换的定价是要确定其互换溢价即信用保护买方支付保费所依据的费率,一般为年费率。本文对信用违约互换的定价是基于结构模型和简约模型。     

模糊积分在多目标决策中的应用研究

基于模糊测度与模糊积分理论,运用层次分析法获取测度函数,研究了解决多目标决策问题的应用方法,实现了模糊积分与层次分析法的联合应用。算例表明,模糊积分理论可以用来解决多目标决策问题。     

基于信用评分模型的我国商业银行客户违约概率研究

信用风险是商业银行面临的最主要和最复杂的风险。《巴塞尔新资本协议》对信用风险的计量提出了标准法和内部评级法,指出有条件的银行要实施内部评级法,通过对历史数据构建模型测算客户的违约概率。本文结合内部评级法和我国的实际情况,从客户评级的角度,研究了个人客户违约概率和公司客户违约概率。     

中小企业违约风险系统性和异质性测度——基于违约风险成分分析法的研究

与大中型企业相比,经济环境恶化或突发事件冲击使中小企业资产价值更易大幅下降,不仅单个企业违约风险急增,企业间的违约相关性也明显变大。然而不同类型中小企业违约风险变化特征仍有较大差异。为了更好测度中小企业违约风险、分析其相关性和差异性,本文在资产价值满足跳-扩散过程假定下,将或有权益分析法、组合违约风险分析与系统波动风险测度β相结合,把违约风险分解为系统成分和异质成分。系统成分越大,表明企业违约风险越易受外部经济环境和相关违约风险影响。异质成分越大则表明企业违约风险与自身异质性特征更为相关。实证研究表明,违约风险成分分析能较好解释中小企业违约风险的相关性和差异性,有助于违约风险分类管理。     

基于目标满意度多目标决策的改进交互式方法

本文提出了一种基于目标满意度多目标决策的改进交互式方法，文中重新的构造了多目标决策的辅助问题，定义了若干概念；证明了若干定理，充分考虑决策人的交互要求，本文最后对交互决策过程作了详细描述，该方法直观，有效，实用，易于在计算机上实现。     

多银行贷款池的组合违约风险研究

资产组合的违约风险是决定其定价的重要因素.根据多银行贷款池这样一类特殊的资产组合的契约特征,可将其组合违约风险的影响因素分解为:1)宏观的系统风险因素;2)各贷款银行的风险因素;3)各债项的异质风险因素.在此基础上,构建了反映这类贷款池的违约风险和相关性结构的多因素模型,并在条件独立性假设和多元正态分布假设下,得到了该贷款池的违约行为随机特征.数值分析表明,多元正态分布的因素模型能够比较清楚地刻画所研究的多银行贷款池的组合违约风险.     

具有多目标结构评价功能的多目标决策方法

本文把具有柔性目标结构的多目标决策模型和DEA方法相结合,实现了最优解的求解和最优解的有效性评价这两个环节的统一,从而提高了多目标决策的科学性.     

多属性隐式变权决策分析方法

为克服多因素变权决策方法的内在缺陷,基于Belton 和Gear提出的B/G-AHP层次分析原理给出了一种隐含式的多属性变权决策建模思想,并运用该思想给出了一种多属性变权决策新方法。它相对于多因素变权决策方法具有三方面的比较优势。其一,依赖的变权偏好信息直接由决策者给出,因而能够克服决策分析者对决策结果的主观武断性影响,更好地反映决策者的真实偏好。其二,不会受到由因素的属性值转化为偏好值所额外引入的主观测度偏差的干扰。其三,对决策者主观判断可能存在的误差予以了旨在弱化其影响的优化控制。数值分析表明新方法拥有较好的变权能力,并且相对于已有方法能够给出更易为决策者所接受的评价结论,因而具有较好的应用有效性。     

基于改进直觉模糊熵的混合多属性决策方法研究

针对属性值以区间数、语言值、直觉模糊数呈现时,提出了基于改进的直觉模糊熵和熵权法结合的方法确定属性的客观权重,通过建立主观偏好值与客观权重的总偏差最小的规划模型得到主观权重,组合赋权后建立可能度矩阵对方案排序,最后给出算例,验证方案的可行性和有效性。     

一种基于模糊推理的多目标柔性决策方法

在目前多目标决策研究的基础上 ,提出了基于模糊推理的目标函数集成方法 ,该方法避免了一般的目标函数集成方法特定函数形式的局限性 ,而直接基于决策者对目标偏好的知识结构 ,用模糊规则来表达 .实际上 ,基于模糊推理的目标函数集成方法对应于连续变化权值的算术加权平均集成 .该目标集成方法不仅与决策者的实际决策过程更加接近 ,而且由于模糊推理的通用逼近特性 ,可以表达一般的目标函数集成方法不能表示的决策偏好结构     

基于违约鉴别能力组合赋权的小企业信用评级——基于小型工业企业样本数据的实证分析

信用评级是衡量债务违约的可能性,因此评级体系要有违约风险识别能力,能够将违约客户和非违约客户显著地区分开.通过逼近理想点的思路,构建多目标规划模型求解最优的组合权重,并对中国某区域性商业银行1 814笔小型工业企业贷款进行实证分析.本文的创新与特色一是以非违约企业的数据到正理想点的距离代数和最小为第一个目标函数,以违约企业的数据到负理想点的距离代数和最小为第二个目标函数,构建多目标非线性规划模型进行组合赋权,在满足了“非违约企业的评价得分越高、违约企业的评价得分越低”要求的目标下得到最优的组合赋权的权重系数,使赋权结果保证了评级模型能够将违约企业与非违约企业最大地区分开.改变了现有研究的组合赋权脱离评价目的的弊端,改变了现有研究中违约与非违约企业的评价得分存在大量重叠、对两类企业的区分能力低的弊端.二是通过检验“违约企业的信用得分是否显著小于非违约企业的信用得分”的J-T非参数检验,验证信用评价模型的合理性.改变现有研究忽略对信用评价模型的合理性进行验证的弊端.三是经过实证,发现本研究建立的组合赋权模型的违约鉴别能力(Z=5.546)要高于现有研究的两种常用组合赋权模型、即基于方差最大的组合赋权(Z=4.298)和基于偏差最小的组合赋权(Z=5.182)     

违约预测的小波结构模型研究

本文针对上市公司违约预测问题,按照行业类型对我国2009年的上市企业进行分层抽样,构建了小波结构模型.小波结构模型通过应用小波变换来分解上市公司日收益序列,进而对低频序列和高频序列分别构建预测模型,再依据预测模型对未来收益进行预测,最后使用小波逆变换重构预测收益序列.通过小波结构模型可以避免时间序列模型进行收益波动预测的累加计算过程.在结合我国上市公司的实际数据对这两种模型的校验中,可以发现小波结构模型比时序结构模型在违约预测上有更好的识别力和准确度.     

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.     

组合评价方法在银行信用风险评价中的应用

针对贷款客户评价选择问题,在对已有研究方法分析的基础上,提出了以熵权与偏好顺序结构评估法相结合的排序方法。以借贷人的财务状况、借贷人的管理水平、借贷人的行业地位、借贷人资产的变现性和借贷人历史信用状况为评价准则,利用信息熵来确定评价准则的权重,用偏好顺序评价法确定贷款客户的贷款顺序,并进行了灵敏度分析。最后通过算例证明了该方法的有效性。     

A national risk analysis model (NRAM) for the assessment of COVID-19 epidemic

COVID-19 has caused a critical health concern and severe economic crisis worldwide. With multiple variants, the epidemic has triggered waves of mass transmission for nearly 3 years. In order to coordinate epidemic control and economic development, it is important to support decision-making on precautions or prevention measures based on the risk analysis for different countries. This study proposes a national risk analysis model (NRAM) combining Bayesian network (BN) with other methods. The model is built and applied through three steps. (1) The key factors affecting the epidemic spreading are identified to form the nodes of BN. Then, each node can be assigned state values after data collection and analysis. (2) The model (NRAM) will be built through the determination of the structure and parameters of the network based on some integrated methods. (3) The model will be applied to scenario deduction and sensitivity analysis to support decision-making in the context of COVID-19. Through the comparison with other models, NRAM shows better performance in the assessment of spreading risk at different countries. Moreover, the model reveals that the higher education level and stricter government measures can achieve better epidemic prevention and control effects. This study provides a new insight into the prevention and control of COVID-19 at the national level.