论文部分内容阅读
信用风险是一类重要的金融风险,也是金融界始终关注的问题。随着金融市场的开放程度不断增强,经济主体间的经济联系越来越紧密,信用风险呈现出新的特点,即信用风险相关性。往往会出现一个经济主体的信用违约事件会在短时间内传染到其他经济主体,导致其他经济主体信用状况的恶化甚至破产。这就使得小范围的信用风险可能通过经济主体之间的传染和扩散导致整个经济环境的不稳定,引发严重的金融危机。在信用风险传染事件不断发生的背景下,只考虑单个经济主体的信用风险已经不能适应复杂的金融环境的变化,信用风险相关性的研究在信用风险管理中占有越来越重要的地位。本文围绕行业信用风险的度量和相关性研究两个问题展开,在对信用风险及其相关性理论进行系统分析的基础上,结合KMV模型和Copula函数构建行业信用风险相关性研究框架。本文具体的工作如下:首先对KMV模型进行修正,从单个上市公司的角度验证了KMV模型的违约距离对上市公司信用风险的识别能力,为宏观层面的行业信用风险的衡量指标的构建提供了微观基础;然后以批发业和零售业为例,基于对单一Copula函数相关性特点的实证分析,本文构建了M-Copula函数拟合两行业违约距离之间的相关结构,分析两行业信用风险的相关性。研究结果表明,不同的Copula函数分别侧重不同的相关性特征描述,单一的Copula函数只能描述两行业违约距离相关结构的一个侧面;而M-Copula函数能够很好地描述批发业和零售业违约距离相关关系,灵活地捕捉两行业违约距离相关性特征的变化。通过对批发业和零售业违约距离的相关结构分析发现,两行业信用风险之间存在非对称的相关关系,并且在下尾部具有较强的相关性,说明当其中一个行业的信用风险变大时,另一个行业的信用风险也随之变大的可能性大大增加,即信用状况恶化时两行业信用风险的相关性明显增强。商业银行在选择信贷组合时,要将行业信用风险的相关性考虑在内,不要过度集中于这两个行业或者与其类似的两个行业,避免因两行业较强的下尾部相关性造成信贷组合在遭受负的冲击时信用风险的急剧恶化。