贷款是商业银行最大的资源。贷款运用的好坏不仅决定着银行经营的成败,也对社会经济发展有着的重要影响。贷款组合配置的优化是在同时考虑组合收益与组合风险前提下,从多个申请贷款的对象当中,选择合适的一组贷款对象进行贷款配置过程。现有研究中,贷款组合的收益率通常是基于过去的历史数据计算得到的,并没有考虑信用等级的迁移。事实上,贷款对象的信用等级在贷款期间是有可能变化的,因此过去的收益率代表不了未来的情况。而且真实的贷款收益率分布并非完全是正态分布,贷款收益率分布明显会表现出有偏、厚尾等特征。贷款组合优化决策中,如果对贷款组合的分散程度不进行合理的度量和控制,则有可能出现贷款过于集中的情况,进而导致集中度风险。本学位论文由四个部分构成。本文第一章介绍了研究背景及意义、国内外研究现状以及本文的研究内容和研究框架。第二章介绍了具有熵约束的高阶矩贷款组合优化模型的基本原理。在第三章中,主要讲述具有熵约束的高阶矩贷款组合优化模型的建立。在第四章中进行了应用实例研究。最后得出了结论。本文的主要工作:本文根据信用等级迁移概率矩阵测算信用风险迁移后的贷款未来预期收益率,通过贷款未来的预期收益率构建风险价值VaR约束、组合收益率偏度约束和组合收益率峰度约束,从而控制贷款组合风险,并利用贷款组合的熵来控制贷款组合分散程度,最终建立了具有熵约束的高阶矩贷款组合优化模型,并进行了实例研究得出了结论。论文的创新与特色为以银行全部资产组合收益率最大作为目标函数,以信用风险迁移的情况下的“风险价值-偏度-峰度-组合熵”的四个维度风险控制为约束条件,建立了最优贷款配置模型;使组合贷款收益率同时控制了信用风险迁移后的风险价值、尾部风险左偏、双侧尾部风险、贷款过于集中等四个维度的风险。完善了现有研究仅仅立足于控制信用风险迁移之前的、静态的风险价值、偏度和峰度的不足,改变了现有研究忽略组合贷款分散情况。