本文關(guān)鍵詞： KMV模型 Copula函數(shù) 組合信用風險 房地產(chǎn) 貸款組合優(yōu)化　出處：《上海師范大學》2013年碩士論文　論文類型：學位論文

【摘要】：在金融領(lǐng)域中，信用風險一直是商業(yè)銀行的最重要也是最難度量的風險，而房地產(chǎn)行業(yè)與商業(yè)銀行以及其他產(chǎn)業(yè)關(guān)聯(lián)度高、帶動性強，具有先導性和基礎(chǔ)性的特點，是衡量國民經(jīng)濟發(fā)展的“晴雨表"，也可能是信貸體系的潛在風險點。 2007年美國“次貸”危機及其引發(fā)的全球金融危機的根源就是房地產(chǎn)行業(yè)的的信用風險危機。因此，對房地產(chǎn)企業(yè)銀行貸款的信用風險進行度量和研究是非常重要的。這就需要先度量單個房企的信用風險，然后得到非常重要的不同房企之間的違約相依性結(jié)構(gòu)，最后對房地產(chǎn)開發(fā)貸款的組合進行優(yōu)化。 本文從商業(yè)銀行的角度出發(fā)，以3家A股上市房企為研究對象，以2006年初到2012年三季度末的股票價格及相關(guān)財務數(shù)據(jù)為基礎(chǔ)，首先運用KMV模型計算得出單個房企的違約距離，然后以違約距離為研究變量，采用Copula連接函數(shù)擬合3家樣本房企的違約距離的相依結(jié)構(gòu)。研究結(jié)果表明，3家上市房企兩兩之間的違約距離服從近乎相同的二元Gumbel-Copula連接函數(shù)，，這說明違約距離之間具有一定的上尾相依結(jié)構(gòu)。借助Gumbel-Copula函數(shù)的性質(zhì)，本文進一步構(gòu)造了3家公司違約距離的三元Gumbel-Copula函數(shù)，并將其作為研究3家房企違約相依結(jié)構(gòu)的經(jīng)驗分布函數(shù)。最后，本文試探性地運用該分布函數(shù)產(chǎn)生的各房企違約距離的隨機數(shù)，并以每組隨機數(shù)的加權(quán)平均值（權(quán)重即為貸款配置比例）定義了一個衡量組合信用風險的新變量dd，并借鑒在險價值VaR的思想來對該貸款資產(chǎn)組合進行了優(yōu)化，得到了相對最優(yōu)的貸款配置比例，例如當顯著性水平為0.05時，中糧地產(chǎn)、渝開發(fā)和大龍地產(chǎn)分別獲得大約20%、30%、50%的貸款。此外，隨著顯著性水平從0.01上升到0.1，中糧地產(chǎn)和渝開發(fā)獲得的貸款比重也逐步上升，而大龍地產(chǎn)的比重逐步下降。
[Abstract]:In the financial field, credit risk is the most important and the most difficult to measure the risk of commercial banks, and the real estate industry and commercial banks and other industries have a high degree of correlation, with strong, leading and basic characteristics, It is the barometer to measure the development of national economy, and it may also be the potential risk point of credit system. In 2007, the credit risk crisis of the real estate industry was the root of the "subprime" crisis in the United States and the global financial crisis caused by it. It is very important to measure and study the credit risk of bank loans of real estate enterprises. It is necessary to measure the credit risk of individual housing enterprises first, and then get the very important structure of default dependence between different housing enterprises. Finally, the combination of real estate development loans is optimized. From the point of view of commercial banks, this paper takes three A-share listed housing enterprises as the research object, based on the stock prices and related financial data from early 2006 to 2012, and calculates the default distance of individual housing enterprises by using KMV model. Then the Copula connection function is used to fit the dependent structure of the default distance between the three listed housing enterprises. The results show that the default distance between the three listed housing enterprises is almost the same as the binary Gumbel-Copula connection function. With the help of the properties of the Gumbel-Copula function, this paper further constructs the three dimensional Gumbel-Copula function of the default distance of three companies. The empirical distribution function is used to study the dependent structure of default of three housing enterprises. Finally, the random number of the default distance of each house enterprise produced by the distribution function is tentatively used in this paper. Using the weighted average of each group of random numbers (the weight is the loan allocation ratio), a new variable, ddd, is defined to measure the credit risk of the portfolio, and the loan portfolio is optimized by using the idea of VaR at risk value. A relatively optimal loan allocation ratio is obtained. For example, when the significant level is 0.05, Cofco Real Estate, Chongqing Development and Dalong Real Estate respectively get about 20% 30% of loans. In addition, With the significant level rising from 0.01 to 0.1 the proportion of loans obtained by Cofco real estate and Chongqing development increased gradually while the proportion of Dalong real estate decreased gradually.
【學位授予單位】：上海師范大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：F832.45;F224

【參考文獻】

相關(guān)期刊論文 前10條

1 韋艷華,張世英;金融市場的相關(guān)性分析——Copula-GARCH模型及其應用[J];系統(tǒng)工程;2004年04期

2 徐曉肆;任若恩;;Copula及其在貸款風險管理中的應用[J];管理工程學報;2006年01期

3 劉瓊芳;張宗益;;基于Copula房地產(chǎn)與金融行業(yè)的股票相關(guān)性研究[J];管理工程學報;2011年01期

4 朱順泉;;上市公司財務困境預警判別分析模型的建立及應用研究[J];中國管理信息化(綜合版);2006年03期

5 韋艷群;;基于KMV模型的房地產(chǎn)信貸風險控制的研究[J];市場論壇;2010年02期

6 王順;趙擎;;信用風險模型及其適用性分析[J];經(jīng)濟研究導刊;2010年32期

7 王坤;王澤森;;銀行業(yè)房地產(chǎn)信貸風險成因及對策[J];金融理論與實踐;2007年05期

8 蘇靜;杜子平;;Copula在商業(yè)銀行組合信用風險度量中的應用[J];金融理論與實踐;2008年05期

9 趙息;王麗娟;肖錚;;房地產(chǎn)上市公司財務預警實證研究[J];西南交通大學學報(社會科學版);2007年06期

10 吳振翔;陳敏;葉五一;繆柏其;;基于Copula-GARCH的投資組合風險分析[J];系統(tǒng)工程理論與實踐;2006年03期

相關(guān)博士學位論文 前1條

1 劉方根;商業(yè)銀行貸款違約風險和追償風險影響因素實證研究[D];浙江大學;2008年

相關(guān)碩士學位論文 前3條

1 石亞玲;我國房地產(chǎn)業(yè)上市公司財務預警研究及其實證分析[D];華北電力大學（北京）;2007年

2 董文科;房地產(chǎn)企業(yè)財務預警體系研究[D];重慶大學;2007年

3 陳國坤;房地產(chǎn)企業(yè)財務危機預警研究[D];華中科技大學;2006年

本文編號：1543765