论文部分内容阅读
2010年12月16日出台的BaselIII旨在从商业银行个体和银行系统两方面加强风险监管。其中,微观审慎方面要求商业银行的风险管理模式由之前的单一模式转变为多种风险并存的整合风险管理模式;宏观审慎方面力求减少具有潜在系统性风险的银行对整个金融业的影响,对全球的金融稳定和经济增长起到支持作用。因此,本文从宏微观审慎两方面对商业银行的风险管理进行分析。微观方面:首先介绍了Copula函数,给出了Copula函数的相关定义、估计方法、检验方法和模拟算法。Copula函数又称为“连接函数”。它将多种风险的边际分布与相关性连接起来,为整合风险的度量与管理提供了理论基础。其次概括分析了商业银行三大风险的基本内涵及各自的度量方法,并给出了相应的实证分析结果。本文利用KMV模型得出信用溢价并将其作为信用风险的替代变量,检验其服从beta分布;运用GARCH(1,1)-normal模型来刻画金融资产收益率的尖峰厚尾特征,将得到的收益率的波动率作为市场风险的替代变量,并得出市场风险服从两阶段的对数正态分布;采用Fama-French的三因素模型建立回归方程,以回归残差的绝对值作为操作风险的替代变量,并得出商业银行的操作风险服从beta分布或者gamma分布。再次,利用各种风险的研究结果,分别用N-VaR、H-VaR、Add-VaR以及Copula-VaR方法进行了整合风险度量,并对上述结果进行比较;发现Add-VaR是将不同风险值简单加总,因而会高估整合风险;N-VaR和H-VaR假定风险的分布,因而又会低估整合风险值,而基于Copula函数的VaR和CVaR方法度量整合风险才是最有效的。最后给出基于Copula-VaR方法的风险分散化效应,结果表明在同一置信水平下,风险之间的相关性也会影响风险的分散化效应,且风险间的尾部相关性越大,VaR降低的比例越小;在不同置信水平下,随着置信水平的增加,风险的分散化效应也趋于增加。宏观方面:以多元正态Copula为基础,结合CoVaR方法对商业银行的系统性风险进行度量,并给出实证分析结果。首先介绍了系统性风险内涵和CoVaR,即计算在某个特定商业银行存在风险压力条件下整个金融系统的在险值CoVaR,并将其与整个金融系统处于常态时的VaR之差,作为该商业银行对整体系统风险的边际贡献,并以此反映每家银行的系统重要性水平。然后给出基于多元正态Copula-CoVaR的计算过程以及实证分析,结果表明资产较多的工行、建行、交通等商业银行具有较高的风险抵抗力,且危机爆发时对整个金融系统的风险贡献度最大;最后对系统重要性金融机构的风险管理提出建议。