我国商业银行信用风险量化度量方法研究

信用风险是我国商业银行所面临的最主要的风险,商业银行的信用评价工作直接关系着银行经营的成败.本文结合我国商业银行的实际,基于AHP的分析框架建立商业银行的信用评分模型,以期为商业银行信用风险量化度量提供借鉴.     

上市公司信用风险的度量

文章根据通达信概念板块的分类,在11个经济区中分别选取3个行业组成研究样本,应用修正的TGARCH-KMV模型度量不同经济区、不同行业上市公司的信用风险.研究结果表明:在经济区比较上,东部沿海地区上市公司的信用水平最佳,中部次之,西部最劣.其中,位于环渤海经济区的上市公司信用风险最小,而地处成渝特区的企业信用风险最高;在行业比较上,资产规模最大的房地产业,其上市公司信用风险最小,医药制造业次之,而高科技的信息技术企业信用风险最大.同时,利用因子分析法阐述影响上市公司行业信用风险的财务因子及其对应政策.     

信用风险的分析与度量

随着金融创新的信用衍生品的迅速发展,信用风险量化管理已成为金融风险管理领域最为活跃的一个方面。文章从信用风险特点入手,借助博弈和信息经济学的思想,运用统计方法并比较几种新的技术模型,为优化银行信用监管服务提出了若干建议。     

基于IRB的商业银行信用风险体系探讨

一、问题的提出信用风险是商业银行面临的一种传统的风险类型,几乎是和银行信贷业务相伴而生的,在强调全面风险管理的今天,信用风险仍然是导致银行出现     

基于VaR的我国商业银行信用风险管理

一、VaR的含义VaR可以比较全面地衡量各种金融市场风险,并能提高传统金融风险管理工具的敏感性和波动性分析的精确度,因而得到国际金融界的广泛认可。V aR的定义是:在正常的市场条件下,一定持有期Δt和一定置信水平α下,某种投资组合P可能的最大损失,用数学公式表示为:Prob(ΔP     

财产保险公司代理人信用风险的度量

随着新巴塞尔资本协议的出台,如何对保险公司信用风险进行度量开始成为业界关注的问题.为了量化信用风险,实现更好的风险管理,稳定公司的偿付水平,文章对财产保险公司的信用风险进行了分析,并借鉴银行信用风险管理模型Credit risk+对代理人信用风险进行了实证分析,得出了公司抵御该风险所需要的经济资本量.     

KMV模型的信用风险度量特征

信用风险管理模型是对信用风险进行量化的一个巨大进步,摆脱了传统的信用风险管理方法的束缚,在对信用风险尽可能精确量化的基础上,使信用风险的定价趋于合理,使资本的配置趋于有效和优化.     

基于VaR方法的市场风险和信用风险的度量

市场风险和信用风险是金融机构所面临的最主要的两类风险。在金融市场迅猛发展的今天,对两类风险的度量和管理成为了金融机构面对的重大挑战之一。VaR模型最初用来度量市场风险,它以严谨的概率统计理论作为依托,将市场风险高度概括为一个数字。之后,VaR方法被引入到信用风险管理中,其中CreditMetrics模型是一个典型例子。文章最后对综合度量市场风险和信用风险进行了初步探讨。     

基于Copula的我国商业银行整体风险度量

全面风险管理是金融机构风险管理的最新发展方向,它衡量了一所金融机构在同时面临多种风险情况下的整体风险水平.度量整体风险水平需要将各种风险进行整合,但是金融机构面临的风险不仅种类各异,风险之间交互影响的相关关系更是难以刻画.在已知各种风险边缘分布的前提下,copula函数在进行风险整合、构建整体风险分布方面有许多优良特性.文章采用Copula函数方法,对我国商业银行面临的市场风险、信用风险和操作风险进行整合,并得到银行整体风险水平的一个度量.     

基于SUR的商业银行信用风险宏观压力测试研究

世界危机后,压力测试作为风险管理的一种新手段,倍受关注.而信用风险宏观压力测试研究在全球范围已成为具有挑战性的课题之一.文章分析了商业银行信用风险的宏观经济压力因素,建立了压力指标体系并据此假设计压力情景;采用Logit回归和向量自回归构成表面似无关方程组构建了压力测试模型.     

商业银行信用风险的综合模糊评判

商业银行作为国民经济的"总枢纽"和金融信贷中心,发挥着融通资金、引导资产流向和调节社会供需平衡等诸多不可替代的重要作用.     

商业银行信用风险测度的死亡率模型

商业银行传统的信用风险分析方法主要是以信贷专家分析和主观判断为主,存在许多缺陷,难以量化商业银行信用风险.文章尝试运用寿险精算中的死亡率模型测度商业银行客户违约率,分析客户信用等级与违约率之间的数量关系特征,并以此为依据测算贷款的预期违约损失,揭示商业银行信用风险发生的数量规律.根据某商业银行的样本数据对商业银行信用风险死亡率模型进行了实证分析.     

基于贷款前后的商业银行信用风险控制的博弈分析

文章探讨进行逆向选择问题的对道德风险的监督和问题的预防,而且通过数学模型对逆向选择的产生机制进行了证明,建立了以抵押品比率为信号的信号传递模型来解决商业银行和贷款企业之间的信息隐藏行为.建立了商业银行与企业之间的道德风险监督模型,运用最优化理论进行求解,并从理论上提出了银行对企业进行监督检查的最优概率.     

金融机构信用风险度量模型的发展与比较

信用风险是金融机构面临的诸多风险中最重要的风险之一,如何量化和控制信用风险一直是金融研究的热点问题.文章对金融机构信用风险度量模型的发展进行了概括,在对传统、现代两类信用风险度量模型的构建理论进行比较研究的基础上,分析了它们各自的特征和适用性,并讨论了信用风险度量模型在我国金融机构信用风险管理中的应用.     

基于Copula函数的行业信用风险相关关系研究

文章首先分析了当前进行信贷组合中的相关关系的研究,主要包括指标和测度的方法.然后介绍了Copula函数理论及其常用的函数形式.最后借助KMV方法将上市公司财务数据转化为信用风险指标,以此测度行业的信用风险相关性,并以房地产和制造业为例研究了信用风险模型的Copula函数选择.     

基于极值理论的商业银行同业拆借利率风险度量

文章首次将极值理论(EVT)和GJR模型相结合,对商业银行同业拆借利率风险度量问题进行了研究。首先,利用GJR模型捕获同业拆借利率数据中的序列自相关和异方差现象;接着,在获得近似独立同分布的残差序列的基础上,采用传统的极值理论对经过GJR模型筛选处理过的残差进行极值分析,并计算相应的风险价值;最后,利用LR方法进行回验测试,对模型的有效性进行检验。对2006年1月4日至2008年12月29日的同业拆借市场七天回购利率的实证研究表明,上述模型非常有效,适合用于我国商业银行的同业拆借利率风险度量。     

运用VaR值度量信用风险模型的比较研究

一、导言 目前在国际银行界流行的用VaR值度量信用风险的模型主要有:Credit-Metrics模型、KMV模型、麦肯锡的CreditPortfolioView模型和CreditRisk+模型.CreditMetrics模型的特点在于它完全基于信用转移分析,即在既定的时间内(一般为一年)一种信用变为另一种信用质量的概率,用它来度量将来比如一年以后贷款资产组合的价值分布,模型强调资产组合价值变化只与信用转移相关,利率以确定好的轨迹运动.KMV模型稍微有别于CreditMetrics模型,它基于个体的预期违约频率,而不是评定机构提供的每个信用级别历史平均的变化频率.以上两种模型都以莫顿的期权定价模型为基础,区别只在于处于操作便利考虑而设定了不同的假设条件.CreditPortfolioView模型仅仅是度量了违约风险.它通过构造离散的多期模型,把违约概率看作宏观变量的函数.Cred-itRisk+模型则是假设贷款违约服从泊松分布,通过随机违约概率将信用转移风险部分涵盖在内.这四种模型的主要区别就在于它们运用了不同的方法来测算信用违约概率,而对资产组合价值分布和资产损失分布大都采用了蒙特卡罗模拟法来计算.下面从如何测算信用违约风险的角度对四种模型加以描述和比较.     

四大行业商业信用风险研究

文章从KMV的基本原理、研究方法以及实证研究等方面着手,对KMV模型在中国股票市场中评价上市公司信用风险的能力进行研究.具体选取了4大行业的8家公司(4家ST公司和4家非ST公司)作为样本,通过对其进行KMV度量模型的相关参数,如股权价值、资产价值波动率以及违约距离等进行计算和对比,结果显示KMV商业信用风险度量模型对我国企业商业信用风险的评估具有适用性,值得推广.     

KMV模型的改进及对上市公司信用风险的度量

针对我国资本市场和上市公司的特征,笔者对KMV模型进行了参数的改进,充分考虑了流通股和非流通股的分别计价问题,上市公司的违约点设定问题.因而参数调整后的KMV模型更加符合我国的实际.通过对沪市上市公司的信用风险评估的检验,充分证明参数调整后的KMV模型能够及时准确地识别出我国上市公司的信用质量变化趋势.     

商业银行法人客户信用风险甄别的定量研究

针对商业银行法人客户信用风险甄别问题,采用距离判别法,利用40家上市企业连续两年的财务数据建立了甄别模型,并用该模型对上市公司进行甄别,并将甄别结果与真实情况进行比较,模型对高风险企业的甄别正确率1999—2000年分别为82．5％和90％。与现有的基于神经网络甄别方法比较,此方法效果明显优于后者。