本文選題：KMV模型　切入點：Copula技術(shù)　出處：《西南交通大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：作為金融領(lǐng)域重要組成部分之一的商業(yè)銀行,其能否健康有序的發(fā)展,關(guān)系著整個國民經(jīng)濟(jì)的發(fā)展,而作為商業(yè)銀行最重要風(fēng)險之一的信用風(fēng)險,對其進(jìn)行度量就成為商業(yè)銀行所面臨的一個重要課題。本文從一維和多維的角度對企業(yè)的信用狀況進(jìn)行了探究。首先,文章介紹了KMV模型的基礎(chǔ)理論及其結(jié)構(gòu)；然后,利用修正的KMV模型對單資產(chǎn)的信用風(fēng)險做了實證研究。其中,基于股權(quán)價值影響因素的分析,利用非流通股和流通股計算了股權(quán)價值,并直接利用股權(quán)價值的對數(shù)收益率來分析波動特性。由于大的波動緊跟大的波動,小的波動緊跟小的波動,構(gòu)建了以波動變化為門限變量的GARCH模型,來刻畫一般的GARCH模型所不能描述的非對稱性；最后在多維角度上,本文引入藤Copula,結(jié)合修正的KMV模型,分析了基于同一板塊的四家公司的聯(lián)合違約概率,得出公司間是否違約是會相互影響的。接著基于修正的KMV-Copula模型,探究了這種影響程度,求解了當(dāng)效益相對較好的公司違約時對其它家的條件違約概率和效益相對較差的公司違約時對其它家的條件違約概率,最終得出效益相對較好的公司違約時對其他家的影響要比效益相對較差的公司違約時對其他家的影響大。其中,還嘗試了加入藤結(jié)構(gòu)下的Pair Copula來描述高維相關(guān)結(jié)構(gòu),將信用風(fēng)險的研究,由二維拓展到高維,并且使用Pair Copula分解技術(shù),不僅保留Copula函數(shù)的優(yōu)勢,而且模型在建立多元Copula函數(shù)時更加靈活,條件限制更少。本文挑選Copula函數(shù)時,挑選了二元Frank Copula函數(shù)、Guassion Copula函數(shù)、Gumbel Copula函數(shù)、Clayton Copula函數(shù),然后根據(jù)AIC準(zhǔn)則選取最優(yōu)的Copula,使其在衡量商業(yè)銀行信用風(fēng)險方面可以更加準(zhǔn)確。最后,基于文章的實證結(jié)果及社會形勢,提出了建議和期望。
[Abstract]:As one of the important parts of the financial field, whether the commercial bank can develop healthily and orderly is related to the development of the whole national economy, and as one of the most important risks of the commercial bank, the credit risk. It is an important subject for commercial banks to measure it. This paper probes into the credit status of enterprises from the perspective of one-dimensional and multi-dimensional. Firstly, the paper introduces the basic theory and structure of KMV model, and then, An empirical study on credit risk of a single asset is made by using the modified KMV model. Based on the analysis of the influencing factors of equity value, the equity value is calculated by using non-tradable shares and tradable shares. And directly use the logarithmic return of equity value to analyze the volatility characteristics. Because the large fluctuation follows the big fluctuation, the small fluctuation follows the small fluctuation, the GARCH model with the fluctuation change as the threshold variable is constructed. Finally, we introduce Fujiao Copula, combined with the modified KMV model, to analyze the joint default probability of four companies based on the same plate. Then, based on the modified KMV-Copula model, we explore the extent of this impact. The probabilities of conditional default to other countries and the conditional default probability to other countries when the company with relatively good benefit is in default and the company with relatively poor benefit are solved. In the end, it is concluded that the company with relatively good benefits will have a greater impact on other households when it defaults than the less effective one. Among them, the Pair Copula under the rattan structure is also tried to describe the high-dimensional correlation structure. The study of credit risk is extended from two dimension to high dimension, and the Pair Copula decomposition technique is used, which not only preserves the advantage of Copula function, but also makes the model more flexible and less restricted in the establishment of multivariate Copula function. This paper selects the binary Frank Copula function and its Gumbel Copula function, and then selects the optimal Copula according to the AIC criterion to make it more accurate in measuring the credit risk of commercial banks. Finally, based on the empirical results and the social situation of the paper, Suggestions and expectations are put forward.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F276.3;F832.4;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉向華;李林娜;;基于KMV-GARCH-t-copula模型的上市公司BDS定價研究[J];統(tǒng)計與決策;2015年03期

2 馬若微;張微;白宇坤;;我國上市公司動態(tài)違約概率KMV模型改進(jìn)[J];系統(tǒng)工程;2014年11期

3 顧冬雷;葉五一;繆柏其;;基于藤copula方法的區(qū)域性金融危機(jī)傳染分析[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2013年09期

4 孟曉;胡根華;吳恒煜;;金磚國家股市相依結(jié)構(gòu)研究——基于藤Copula-GARCH方法[J];財會月刊;2013年14期

5 尹麗;;基于KMV模型的中國商業(yè)銀行信用風(fēng)險評估[J];統(tǒng)計與決策;2013年06期

6 李洪明;;KMV模型與Copula理論在信用風(fēng)險的度量[J];湘潭大學(xué)自然科學(xué)學(xué)報;2012年01期

7 王燕;徐妍;;中國制造業(yè)空間集聚對全要素生產(chǎn)率的影響機(jī)理研究——基于雙門限回歸模型的實證分析[J];財經(jīng)研究;2012年03期

8 江紅莉;何建敏;;基于Pair-Copula的社�；鹜顿Y組合風(fēng)險測度研究[J];統(tǒng)計與信息論壇;2011年08期

9 嚴(yán)武;吳恒煜;李冰;呂江林;;中國債務(wù)抵押債券定價模型及實證分析[J];廣東金融學(xué)院學(xué)報;2011年03期

10 史小坤;陳昕;;商業(yè)銀行信用風(fēng)險管理的KMV模型及其修正[J];南京財經(jīng)大學(xué)學(xué)報;2010年04期

相關(guān)碩士學(xué)位論文 前6條

1 劉曦;基于動態(tài)Pair Copula的最小方差套期保值研究[D];西南交通大學(xué);2014年

2 曹黃;基于KMV模型的我國上市公司信用風(fēng)險實證研究[D];華東交通大學(xué);2012年

3 倪旭東;基于修正KMV模型的中小板上市企業(yè)信用風(fēng)險研究[D];南京財經(jīng)大學(xué);2012年

4 葛雷;基于門限回歸的KMV信用風(fēng)險度量模型違約點修正研究[D];南京理工大學(xué);2010年

5 馬雨生;我國上市公司信用風(fēng)險度量實證研究[D];華東師范大學(xué);2008年

6 何湘桂;KMV模型的實現(xiàn)與應(yīng)用[D];華中科技大學(xué);2008年

，

本文編號：1569893