论文部分内容阅读
我国银行业务正不断向多元化发展，但传统的存贷业务仍然是各银行的主要利润来源，伴随存贷业务产生的信用风险始终是银行业面临的主要风险。尽管金融自由化和银行混业经营的趋势使得市场风险、利率风险、操作风险等变得日益突出，但这并没有降低银行业对信用风险的重视程度。由于风险缓释工具稀缺、信息高度不对称、信用环境较差等原因，信用风险成为威胁我国银行业甚至整个金融体系稳定的重要因素。因此，大量银行和研究者致力于开发和改进相关的信用风险模型，以期尽可能精准地量化银行信贷风险。一方面，准确量化银行信贷风险并提取适当的风险准备金，在保证经营安全性的同时获得最大的盈利是各银行追求的目标;另一方面，《新巴塞尔协议》允许银行通过“标准法”和“内部评级法”灵活根据自身的信用风险状况提取准备金，这在一定程度上增强了各银行探索最优信用风险模型的积极性。
信用主体的违约事件通常并不会孤立发生，商业银行在度量贷款组合面临的总体风险时，必须考虑企业之间的违约相关关系，准确度量违约主体之间的相关性成为合理估算风险大小的关键。传统的信用风险模型以借款公司资产价值服从正态分布为前提，在得出单个公司的违约概率后，假设多个公司之间具有线性相关关系，采用解析法或者蒙特卡洛模拟法得到贷款组合信用风险值。由于线性相关关系只能描述变量联合行为的部分特征，而假设贷款资产池中债务人之间为线性对称关系并不能充分显示公司的联合违约行为。另外，传统模型在度量贷款组合风险大小时，要求各借款公司的资产边缘分布相同且与多元分布函数类型一致，忽略分布多样性也使得传统方法难以准确描述银行资产组合面临的违约风险。Copula连接函数作为一个描述多变量分布的工具，能够将多元变量的联合分布划分成变量之间的相关关系和单个变量的边缘分布两个层次，在描述变量相依结构时表现出很大的灵活性。利用Copula函数我们可以在保持变量特定相依结构的同时研究单个变量本身的进相关性的效果相对较差。
Normal-Copula函数通常低估信用级别较差的公司组合的违约风险，高估信用级别较好的公司组合的违约风险。简单地应用Normal-Copula函数度量组合的违约相关性往往会产生严重的偏差，根据样本数据的特征选择最优的Copula函数对准确度量组合信用风险至关重要。
本文以商业银行信贷资产组合面临的违约风险为切入点，第一章介绍了研究背景及意义，提出改进信用风险模型的价值所在，指明论文的逻辑思路和创新点;第二章梳理了前人对信用风险模型、Copula理论的研究成果，引出文章的研究依据和方向。第三章是理论基础，首先系统分析了KMV模型、CreditMetrics模型、CreditRisk+模型以及CreditPortfolio View模型度量信用风险的方法和各自的特征，结合我国信用环境分析各个信用风险模型在我国的适用性;接下来详细介绍了Copula函数的理论和方法，包括Copula函数的种类、相关系数以及参数估计和模型选择;最后探讨了如何将Copula函数与危险率函数相结合得出组合的联合违约概率，重点分析了如何构造危险率函数并通过生存模型得到单个公司的违约函数。第四章进行实证分析，选取了三个行业的代表性公司进行组合的违约相关性研究，对Copula函数改进违约相关性的结果进行探讨。第五章总结全文，提出研究的不足之处以及未来的研究方向。
本文可能的创新之处主要体现在以下三个方面:
1、大部分研究金融资产相关性的文章为了简化问题都指定单个资产服从某种分布，并根据Copula函数的相依结构特征直接选择某类Copula函数刻画资产的相依结构。本文为了获得更准确的结论，采用核密度估计方法拟合资产的边缘分布，并用两种拟合优度检验方法从金融领域常用的5类Copula函数中选出最能拟合样本数据的Copula函数，因此研究结论更为可靠。
2、在研究公司组合的违约相关性时，本文没有笼统地对所有公司分析，而是按公司的信用级别对3个行业的公司做了细致的归类，试图探讨Copula函数改进的违约相关性是否与公司组合的信用等级和公司是否属于同一行业有关，这种研究方法为后续研究提供了一些思路。
3、在度量贷款组合的违约相依结构时，考虑到公司股票价格与公司是否违约没有直接关系，本文没有将股权联合分布函数直接作为借款公司的联合违约函数。文中先由公司股权相关关系得到最能表现公司相依结构的Copula函数，再将单个公司的违约函数作为联合违约函数的边缘分布嵌套在Copula函数中，用新的违约函数度量公司的联合违约概率。这种通过危险率函数构造联合违约函数的方法可用于获取某个贷款组合未来N年内的违约风险，这对银行进行长期风险管理和充分利用资本金获得最大利润尤为重要。
由于能力和时间有限，本文还存在以下几点有待改进之处:
1、由于多元Copula函数的参数估计和模型检验目前还没有开发出可靠的方法，本文只采用二元Copula函数来度量公司之间的相依结构，事实上银行贷款资产池中包含的信贷资产很多，用多元Copula函数来刻画资产的联合违约行为可能会更有现实意义，并且在多于两笔贷款的组合中，用混合Copula函数也许能更好地度量违约相关性。在未来的研究中可以尝试用多元Normal-Copula和T-Copula函数度量组合的违约风险，但需要考虑其对样本数据的拟合程度。
2、本文的实证研究虽然表明对信用级别较差的公司组合，Copula方法得到的联合违约值比传统方法得到的违约概率值大，但是由于现实中违约数据缺乏、数据存续偏差等原因，我们没有办法根据实际的违约情况检验Copula函数是否能更准确地度量公司组合的违约相依结构，因此对文章结论的解释也不排除Copula函数可能会高估组合面临的风险的可能性。笔者认为，获取真实的违约数据来检验Copula函数能否真正改进公司组合违约相关性将会成为一个很有研究价值的课题。
3、本文主要是在二元Copula函数的基础上研究组合的联合违约概率，因此所选择的样本有限，实证得出的结论还有待于更大样本数量的验证。文章每个信用级别的公司样本数量不多，这会削弱结论的可靠性。在未来进一步的研究中，笔者打算利用相同的研究方法细致地研究Copula函数对每一个信用级别公司组合违约相关性的改进效果，以期得到更可靠的支持证据。
信用主体的违约事件通常并不会孤立发生，商业银行在度量贷款组合面临的总体风险时，必须考虑企业之间的违约相关关系，准确度量违约主体之间的相关性成为合理估算风险大小的关键。传统的信用风险模型以借款公司资产价值服从正态分布为前提，在得出单个公司的违约概率后，假设多个公司之间具有线性相关关系，采用解析法或者蒙特卡洛模拟法得到贷款组合信用风险值。由于线性相关关系只能描述变量联合行为的部分特征，而假设贷款资产池中债务人之间为线性对称关系并不能充分显示公司的联合违约行为。另外，传统模型在度量贷款组合风险大小时，要求各借款公司的资产边缘分布相同且与多元分布函数类型一致，忽略分布多样性也使得传统方法难以准确描述银行资产组合面临的违约风险。Copula连接函数作为一个描述多变量分布的工具，能够将多元变量的联合分布划分成变量之间的相关关系和单个变量的边缘分布两个层次，在描述变量相依结构时表现出很大的灵活性。利用Copula函数我们可以在保持变量特定相依结构的同时研究单个变量本身的进相关性的效果相对较差。
Normal-Copula函数通常低估信用级别较差的公司组合的违约风险，高估信用级别较好的公司组合的违约风险。简单地应用Normal-Copula函数度量组合的违约相关性往往会产生严重的偏差，根据样本数据的特征选择最优的Copula函数对准确度量组合信用风险至关重要。
本文以商业银行信贷资产组合面临的违约风险为切入点，第一章介绍了研究背景及意义，提出改进信用风险模型的价值所在，指明论文的逻辑思路和创新点;第二章梳理了前人对信用风险模型、Copula理论的研究成果，引出文章的研究依据和方向。第三章是理论基础，首先系统分析了KMV模型、CreditMetrics模型、CreditRisk+模型以及CreditPortfolio View模型度量信用风险的方法和各自的特征，结合我国信用环境分析各个信用风险模型在我国的适用性;接下来详细介绍了Copula函数的理论和方法，包括Copula函数的种类、相关系数以及参数估计和模型选择;最后探讨了如何将Copula函数与危险率函数相结合得出组合的联合违约概率，重点分析了如何构造危险率函数并通过生存模型得到单个公司的违约函数。第四章进行实证分析，选取了三个行业的代表性公司进行组合的违约相关性研究，对Copula函数改进违约相关性的结果进行探讨。第五章总结全文，提出研究的不足之处以及未来的研究方向。
本文可能的创新之处主要体现在以下三个方面:
1、大部分研究金融资产相关性的文章为了简化问题都指定单个资产服从某种分布，并根据Copula函数的相依结构特征直接选择某类Copula函数刻画资产的相依结构。本文为了获得更准确的结论，采用核密度估计方法拟合资产的边缘分布，并用两种拟合优度检验方法从金融领域常用的5类Copula函数中选出最能拟合样本数据的Copula函数，因此研究结论更为可靠。
2、在研究公司组合的违约相关性时，本文没有笼统地对所有公司分析，而是按公司的信用级别对3个行业的公司做了细致的归类，试图探讨Copula函数改进的违约相关性是否与公司组合的信用等级和公司是否属于同一行业有关，这种研究方法为后续研究提供了一些思路。
3、在度量贷款组合的违约相依结构时，考虑到公司股票价格与公司是否违约没有直接关系，本文没有将股权联合分布函数直接作为借款公司的联合违约函数。文中先由公司股权相关关系得到最能表现公司相依结构的Copula函数，再将单个公司的违约函数作为联合违约函数的边缘分布嵌套在Copula函数中，用新的违约函数度量公司的联合违约概率。这种通过危险率函数构造联合违约函数的方法可用于获取某个贷款组合未来N年内的违约风险，这对银行进行长期风险管理和充分利用资本金获得最大利润尤为重要。
由于能力和时间有限，本文还存在以下几点有待改进之处:
1、由于多元Copula函数的参数估计和模型检验目前还没有开发出可靠的方法，本文只采用二元Copula函数来度量公司之间的相依结构，事实上银行贷款资产池中包含的信贷资产很多，用多元Copula函数来刻画资产的联合违约行为可能会更有现实意义，并且在多于两笔贷款的组合中，用混合Copula函数也许能更好地度量违约相关性。在未来的研究中可以尝试用多元Normal-Copula和T-Copula函数度量组合的违约风险，但需要考虑其对样本数据的拟合程度。
2、本文的实证研究虽然表明对信用级别较差的公司组合，Copula方法得到的联合违约值比传统方法得到的违约概率值大，但是由于现实中违约数据缺乏、数据存续偏差等原因，我们没有办法根据实际的违约情况检验Copula函数是否能更准确地度量公司组合的违约相依结构，因此对文章结论的解释也不排除Copula函数可能会高估组合面临的风险的可能性。笔者认为，获取真实的违约数据来检验Copula函数能否真正改进公司组合违约相关性将会成为一个很有研究价值的课题。
3、本文主要是在二元Copula函数的基础上研究组合的联合违约概率，因此所选择的样本有限，实证得出的结论还有待于更大样本数量的验证。文章每个信用级别的公司样本数量不多，这会削弱结论的可靠性。在未来进一步的研究中，笔者打算利用相同的研究方法细致地研究Copula函数对每一个信用级别公司组合违约相关性的改进效果，以期得到更可靠的支持证据。