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。     

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。     

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.     

基于多元随机波动模型的信用风险衍生定价

本文将随机波动期权定价封闭解模型扩展到多资产分析框架下.在考虑Cox-Rose模型多资产模拟以及随机波动矩阵的Wishart动态过程的基础上,将风险升水引入收益率方程,并将Merton模型下的公司违约风险扩展到随机分析框架下.最后利用数值模拟技术,对多资产随机分析模型的适用性及解的稳定性进行了模拟分析.其结果表明,多元随机波动模型对违约风险随机发生条件下的公司信用过程具有较之单元确定性模型更强的解释力.利用多资产模型,有助于金融机构更深入地把握企业信用体系中资产价值和负债的动态联动关系,对金融机构的信用风险管理具有十分重要的意义.     

基于违约损失控制的商业银行多期资产组合动态优化模型

将银行资产组合的单位收益所承担风险损失和风险价值作为银行各项资产组合收益最大化约束,运用逆向递推原理和非线性规划方法,建立了基于违约损失控制的多期资产组合动态优化模型.运用逆向递推原理在考虑下一区段优化配置结果的前提下,控制本区段单位收益所承担的下偏矩风险.反映了不同区段的单位收益所承担的风险对贷款总体效果的相互影响,在考虑单个区间贷款最优的过程中,优化配给所有区段的贷款配给.用单位收益的风险损失下偏矩来控制违约风险损失,改变了流行研究用方差表述风险而导致的组合风险刻画不准的现象.     

混合泊松违约强度下信用资产组合风险度量

基于共同风险因子的相依关系转换为不同资产的违约示性函数的相依关系来刻画的思想,利用参数为Gamma分布线性组合的Poisson分布来描述不同资产的违约示性函数的相依关系,建立基于混合泊松分布的信用资产组合多因子的风险度量模型,并引入重要抽样技术到模型进行有效数值模拟计算,拓宽和丰富信用资产组合风险度量模型.进一步地,结合中国金融市场四个产业的数据把混合泊松分布应用到实证研究中.在模型的构建过程中,首先运用经典的结构模型和期权定价公式估计单个债务人的动态违约概率;再利用单资产动态违约概率得到混合泊松模型下每个资产的动态泊松强度;接着结合共同风险因子的值求得资产不同的因子载荷系数,该因子载荷系数反映了不同资产间的相依结构程度;最后,把重要抽样技术发展到混合泊松模型中,对由不同产业组成的信用资产组合的损失分布进行有效Monte Carlo模拟.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.     

经济下行、信用风险反馈和政府隐性救助

基于资产负债表分析经济下行背景下企业部门、银行和政府间信用风险传导,利用或有权益资产负债表中显性负债和隐性担保项目构建信用风险反馈模型分析银行部门和政府间信用风险反馈,最后结合我国政府对银行救助特点,分析政府对银行的隐性救助方式与救助成本之间的关系.实证结果表明货币供应量和汇率波动对上市企业部门、银行和政府间风险传导影响显著,风险通过隐性担保在银行部门和政府之间反馈了恶化两部门的信用风险,并且监管宽容会增加政府救助成本.建议政府调控货币供应量、控制汇率波动性、降低监管宽容程度、建立动态系统性风险损失准备金.     

经济下行 、 信用风险反馈和政府隐性救助

基于资产负债表分析经济下行背景下企业部门、银行和政府间信用风险传导,利用或有权益资产负债表中显性负债和隐性担保项目构建信用风险反馈模型分析银行部门和政府间信用风险反馈,最后结合我国政府对银行救助特点,分析政府对银行的隐性救助方式与救助成本之间的关系。实证结果表明货币供应量和汇率波动对上市企业部门、银行和政府间风险传导影响显著,风险通过隐性担保在银行部门和政府之间反馈了恶化两部门的信用风险,并且监管宽容会增加政府救助成本。建议政府调控货币供应量、控制汇率波动性、降低监管宽容程度、建立动态系统性风险损失准备金。     

基于违约风险的三叉树模型在可转债定价中的应用研究

本文考虑可转债券的违约风险,研究如何用违约风险下的三叉树模型对可转换债券进行定价。首先本文使用Black-Scholes公式测算企业在单位时间内的违约概率。其次,在计算可转债的债券价值时,将相似经营业绩和同等风险的企业债券收益率作为贴现率,计算现金流的现值,以反映相应的违约风险;在计算可转债看涨期权价值时,本文在三叉树模型中引入违约概率,重新计算调整后股票上涨、下跌的幅度和概率,得到基于违约风险的三叉树定价模型;最后对中国市场中实际的可转债——新钢转债进行了定价的计算,并对结果进行了探讨。     

基于幂风险谱和蒙特卡洛模拟的贷款优化配置模型

极端风险对于银行资产配置至关重要,尤其是次贷危机之后尾部风险以惨重的代价引起了金融机构的重视,传统条件风险价值CVaR、风险价值VaR不能有效度量尾部极端风险,因此本文基于幂风险谱和蒙特卡洛模拟构建了贷款组合优化配置模型,同时控制尾部极端风险和信用风险。本文一是通过损失-X_i越大、其风险权重φ_i也就越大的思路,构建幂风险谱PSR （Power Spectral Risk）最小的目标函数对极端风险进行控制,即弥补了CVaR同等看待尾部风险、忽略风险较大的损失应予以更大权重的不足,也同时弥补了VaR仅提供某一置信水平下资产损失的最大值、无法反映一旦超过这一数值的可能损失的弊端。二是通过蒙特卡洛模拟信用等级迁移引起贷款收益的变化情景,并以信用等级迁移后贷款组合损失越大、则风险厌恶权重越大的思路构建幂风险谱PSR最小为目标函数,以贷款组合的收益大于目标收益为约束,构建贷款优化配置模型,改变了现有研究贷款配置时没有同时控制信用风险和尾部风险的不足。对比分析结果表明：本文模型能够实现更高的收益风险比,即在单位幂风险谱PSR下能够实现较高的收益。     

金融危机对金融机构的冲击及政府救助分析

使用基于非对称双指数分布的跳-扩散模型,以资产治理结构理论为框架对金融危机爆发前后以及危机中政府救助前后的债务平均到期时间、冲击到来频率以及违约资产损失率进行设定,从而对金融机构债务/资产比率在不同情况下的变化趋势进行数值模拟,以此分析金融危机对金融机构的冲击以及政府救助金融机构的效果.模拟分析结果发现,金融危机中金融机构的脆弱性主要来自债务/资产比率过高、中短期债务过多以及资产质量过低;政府对危机中金融机构的救助措施以低频大幅注资辅以购买短期债务和劣质资产最为有效.     

基于企业行为偏好的企业间信用担保网络与风险传染研究

本文从行为金融学视角,结合复杂网络理论和信用担保关系选择机制构建了内生性企业间信用担保网络以及企业间信用担保网络风险传染模型,仿真分析了企业间信用担保网络结构及其风险传染演化特征。研究得到如下主要结论：(1)随着时间演化,企业间信用担保网络结构呈现“弱去中心化”特征,而且企业间信用担保网络的复杂性与稳定性增强;(2)企业资信水平不仅能够提高“担保圈”风险冲击概率,而且可以降低信用担保系统的不稳定性。随着企业影响力和企业风险认知水平增大,有助于增强冲击后企业信用担保系统的稳定性。企业风险偏好较小时,保证了“担保圈”内有效的流动性供给,但当企业风险偏好不断增强时,加剧了信用担保需求方的经营困境。(3)企业风险偏好对企业影响力、企业资信水平、企业风险认知水平发挥“强化效应”。企业资信水平与企业影响力具有“互为强化效应”。企业风险认知水平的“风险制约能力”强于企业资信水平的“风险强化能力”。企业风险认知水平与企业影响力对违约企业数量的影响发挥互为逆向效应且两者强度相当。     

Disaster Risk Management Policies and the Measurement of Resilience for Philippine Regions

How can a government prioritize disaster risk management policies across regions and types of interventions? Using an economic model to assess welfare risk and resilience to disasters, this article systematically tackles the questions: (1) How much asset and welfare risks does each region in the Philippines face from riverine flood disasters? (2) How resilient is each region to riverine flood disasters? (3) What are, per region, the possible interventions to strengthen resilience to riverine flood disasters and what will be their measured benefit? We study the regions of the Philippines to demonstrate the channels through which macroeconomic asset and output losses from disasters translate to consumption and welfare losses at the micro-economic level. Apart from the regional prioritizations, we identify a menu of policy options ranked according to their level of effectiveness in increasing resilience and reducing welfare risk from riverine floods. The ranking of priorities varies for different regions when their level of expected value at risk is different. This suggests that there are region-specific conditions and drivers that need to be integrated into considerations and policy decisions, so that these are effectively addressed.     

Methodology for Determining the Appropriateness of a Linear Dose‐Response Function

Microbial food safety risk assessment models can often at times be simplified by eliminating the need to integrate a complex dose‐response relationship across a distribution of exposure doses. This is possible if exposure pathways lead to pathogens at exposure that consistently have a small probability of causing illness. In this situation, the probability of illness will follow an approximately linear function of dose. Consequently, the predicted probability of illness per serving across all exposures is linear with respect to the expected value of dose. The majority of dose‐response functions are approximately linear when the dose is low. Nevertheless, what constitutes “low” is dependent on the parameters of the dose‐response function for a particular pathogen. In this study, a method is proposed to determine an upper bound of the exposure distribution for which the use of a linear dose‐response function is acceptable. If this upper bound is substantially larger than the expected value of exposure doses, then a linear approximation for probability of illness is reasonable. If conditions are appropriate for using the linear dose‐response approximation, for example, the expected value for exposure doses is two to three logs₁₀ smaller than the upper bound of the linear portion of the dose‐response function, then predicting the risk‐reducing effectiveness of a proposed policy is trivial. Simple examples illustrate how this approximation can be used to inform policy decisions and improve an analyst's understanding of risk.     

显性激励和隐性激励对基金风险承担行为的影响

通过假设基金管理者的报酬合同为PBF合同,研究了显性激励和隐性激励对开放式基金的风险承担行为的影响.然后,以一个存在混合策略的博弈模型为基础,发现隐性激励使年中业绩领先的基金其下半年持有高风险资产的概率要高于年中业绩落后的基金.最后,分析了风险资产与市场组合的收益率之差、2个基金年中业绩之差、资产收益的波动率和2种激励的强度对基金选择高风险资产的影响.     

中国影子银行违约风险和防范机制研究——来自上市公司委托贷款数据的经验证据

本文运用中国上市公司披露的委托贷款公告数据，实证研究了影子银行的违约风险及其防范机制。数据显示，我国委托贷款的整体违约率为10.09%，远高于同期银行业金融机构的不良贷款率。进一步研究发现，与影子银行风险受信息因素影响的直觉一致，抵押条款和借贷距离会显著影响委托贷款违约率：其一，从抵押视角来看，抵押条款和贷款违约率显著正相关，这表明，为了防范事后的道德风险问题，贷款者会要求借款者提供抵押；其二，从借贷距离视角看，与近距离借贷（或同省借贷）相比，远距离借贷（或异省借贷）的违约风险相对较高，这揭示出，借贷距离越远，贷款者越难对借款者进行甄别和监督，从而推高了借款企业的违约概率。本文研究不仅为我国委托贷款这一影子银行机制的风险状况提供了直接的经验证据，而且对影子银行参与者如何有效防范风险和相关政府部门加强监管具有重要的借鉴意义。     

Improving Default Risk Prediction Using Bayesian Model Uncertainty Techniques

Credit risk is the potential exposure of a creditor to an obligor's failure or refusal to repay the debt in principal or interest. The potential of exposure is measured in terms of probability of default. Many models have been developed to estimate credit risk, with rating agencies dating back to the 19th century. They provide their assessment of probability of default and transition probabilities of various firms in their annual reports. Regulatory capital requirements for credit risk outlined by the Basel Committee on Banking Supervision have made it essential for banks and financial institutions to develop sophisticated models in an attempt to measure credit risk with higher accuracy. The Bayesian framework proposed in this article uses the techniques developed in physical sciences and engineering for dealing with model uncertainty and expert accuracy to obtain improved estimates of credit risk and associated uncertainties. The approach uses estimates from one or more rating agencies and incorporates their historical accuracy (past performance data) in estimating future default risk and transition probabilities. Several examples demonstrate that the proposed methodology can assess default probability with accuracy exceeding the estimations of all the individual models. Moreover, the methodology accounts for potentially significant departures from “nominal predictions” due to “upsetting events” such as the 2008 global banking crisis.