發(fā)布時間：2017-07-25 22:00

  本文關(guān)鍵詞：商業(yè)銀行信貸配置與信用風(fēng)險計量研究

  更多相關(guān)文章： 信用風(fēng)險 所有制歧視 分位數(shù)分解 Copula函數(shù) Monte Carlo模擬 宏觀因子

【摘要】：當前的經(jīng)濟新常態(tài)凸現(xiàn)了信貸資產(chǎn)質(zhì)量給商業(yè)銀行帶來的巨大壓力,新形勢下對于商業(yè)銀行加快經(jīng)營轉(zhuǎn)型問題的討論,無法回避如何加強信用風(fēng)險管理的問題,而且是商業(yè)銀行打造百年老店不斷探索的永恒主題。2014年以來,受國內(nèi)外經(jīng)濟環(huán)境變化和國家產(chǎn)業(yè)政策調(diào)整等因素的影響,抗風(fēng)險能力較弱的親周期行業(yè)經(jīng)營狀況惡化,違約風(fēng)險集中爆發(fā),隨著經(jīng)濟減速換擋,商業(yè)銀行信貸資產(chǎn)質(zhì)量受到較大沖擊,不良貸款余額和不良率呈“雙升”趨勢,銀行業(yè)進入到高風(fēng)險、低回報的發(fā)展階段。因此,結(jié)合中國新常態(tài)下的轉(zhuǎn)型經(jīng)濟背景,深入研究商業(yè)銀行信用風(fēng)險管理具有極其重要的現(xiàn)實意義。本文基于中國經(jīng)濟轉(zhuǎn)軌背景,在巴塞爾協(xié)議Ⅲ的總體框架下,圍繞信用風(fēng)險全流程管理的三個階段,從貸前探索信用風(fēng)險的所有制根源,到貸中優(yōu)化信用風(fēng)險計量模型,直至貸后開展壓力測試的宏觀因子測定,全面研究了信貸配置和信用風(fēng)險的識別、計量和控制,這也構(gòu)成了本文內(nèi)在的邏輯思路。具體來說,在貸前信用風(fēng)險來源分析中,本文從中國經(jīng)濟轉(zhuǎn)軌的獨特背景出發(fā),采用0-B分解法并首次采用分位數(shù)分解法,研究了不同額度的信貸在國有行業(yè)和非國有行業(yè)間的配置差別及信用風(fēng)險產(chǎn)生的所有制度根源；在貸中通過對信用風(fēng)險計量模型優(yōu)化和改進,提高了一定置信度下信用風(fēng)險“預(yù)期損失”和“非預(yù)期損失”計量的準確性；在貸后管理中,通過開展信用風(fēng)險壓力測試的宏觀因子測定,選取風(fēng)險傳導(dǎo)更強的變量,進一步計量“異常損失”風(fēng)險的大小。本研究共分六章,各部分內(nèi)容如下：第一章,引言。包括本文的選題背景、研究意義、研究思路與研究方法、論文結(jié)構(gòu)框架等。第二章,文獻與理論綜述。本章結(jié)合文獻回顧,給出了本文研究的理論基礎(chǔ),主要包括信貸配置的基本理論、信用風(fēng)險內(nèi)涵及特點、現(xiàn)代信用風(fēng)險研究的代表性模型等,對現(xiàn)有研究進行了評價,總結(jié)了當前研究仍然存在的一些問題和需要改進的方向。同時,簡要分析了我國商業(yè)銀行信用風(fēng)險管理現(xiàn)狀,介紹與回顧了不良貸款的形成階段、風(fēng)險控制的嚴峻形勢等,為后續(xù)的實證研究分析提供必要的背景鋪墊。第三章,基于分位數(shù)分解法的信貸配置、所有制與信用風(fēng)險研究。以2002-2012年間中國非金融類上市公司的數(shù)據(jù)為樣本,采用0-B分解法并首次采用分位數(shù)分解法,研究了不同額度的信貸在國有行業(yè)企業(yè)和非國有行業(yè)企業(yè)間的配置狀況以及兩者之間信用風(fēng)險的差異,深入分析了信用風(fēng)險產(chǎn)生的制度根源。第四章,基于Copula函數(shù)和Monte Carlo模擬改進信用風(fēng)險計量。如何度量資產(chǎn)組合的信用風(fēng)險是商業(yè)銀行在風(fēng)險管理中要解決的難題之一。本文主要是利用Copula函數(shù)和Monte Carlo模擬對Credit Metrics信用風(fēng)險計量模型進行了改進。討論了Credit Metrics模型中單一資產(chǎn)和資產(chǎn)組合的信用風(fēng)險計量,其中需要解決的核心問題是資產(chǎn)的相關(guān)性問題和“厚尾”問題。結(jié)合Copula函數(shù)和Monte Carlo模擬,以房地產(chǎn)、鋼鐵和石油化工三個行業(yè)的信貸資產(chǎn)組合為例,詳盡闡述了實踐中使用該方法計量資產(chǎn)組合信用風(fēng)險的全過程。第五章,信用風(fēng)險壓力測試的宏觀因子測定。基于宏觀因子的情景壓力測試是考察宏觀經(jīng)濟下行對商業(yè)銀行信貸資產(chǎn)質(zhì)量的不利影響。根據(jù)商業(yè)銀行信貸資產(chǎn)的不同特質(zhì),本文將其劃分為公司銀行信貸資產(chǎn)和零售銀行信貸資產(chǎn),分別考察信用風(fēng)險壓力測試中宏觀因子的影響傳導(dǎo)機制。對公司銀行信貸資產(chǎn)的研究中,本文在巴塞爾協(xié)議框架下設(shè)計了MEF模型,通過該模型來考察宏觀因子的顯著性；對零售銀行信貸資產(chǎn)的研究中,主要是通過大量客戶的違約率與宏觀因子的相關(guān)性來開展研究的。最后綜合考察了商業(yè)銀行整體信貸資產(chǎn)壓力測試中宏觀因子的測定。第六章,全文結(jié)束章。對本文的主要研究結(jié)論、主要創(chuàng)新、研究局限性進行了總結(jié),并展望了未來的研究方向。本文的主要研究結(jié)論如下：第一,經(jīng)濟轉(zhuǎn)型時期,所有制因素顯著影響信貸資源配置和信用風(fēng)險大小。在所有額度上國有行業(yè)企業(yè)相對非國有行業(yè)企業(yè)都獲得了更多的信貸,兩者在獲得小額信貸上的差異最大,在中等及大額信貸上的差異較小。由所有制因素引入的信用風(fēng)險隨信貸額度的增大而降低,小額信貸上的差異主要源于所有制,是信用風(fēng)險的制度根源,大額信貸上的差異主要源于行業(yè)特征差異。隨著銀行業(yè)的市場化改革,信貸差異中源于行業(yè)特征差異的合理成分逐漸上升,源于所有制歧視的不合理成分逐漸下降,由所有制因素引入的信用風(fēng)險逐漸減少。第二,組合信用風(fēng)險計量模型的構(gòu)建可以通過刻畫單個資產(chǎn)信用風(fēng)險邊緣分布和用Copula函數(shù)描述資產(chǎn)間的相關(guān)關(guān)系兩個步驟完成。單個資產(chǎn)的信用風(fēng)險用其邊緣分布來描述。這需要首先根據(jù)利率期限結(jié)構(gòu)曲線,通過貼現(xiàn)定價得到在各個信用等級狀態(tài)下單個資產(chǎn)的凈現(xiàn)值；再根據(jù)資產(chǎn)的信用等級轉(zhuǎn)換概率矩陣,以及信用評級情景和資產(chǎn)收益率情景之間的影射關(guān)系,運用資產(chǎn)收益率模型,計算出信貸資產(chǎn)的閾值,這樣就將信貸資產(chǎn)在各等級下離散的信用風(fēng)險值轉(zhuǎn)化成了連續(xù)的信用風(fēng)險邊緣分布。本文以房地產(chǎn)、鋼鐵和石油化工三個行業(yè)的信貸資產(chǎn)為例,研究發(fā)現(xiàn)其信用風(fēng)險的邊緣分布都呈現(xiàn)非正態(tài)分布特征。資產(chǎn)組合的信用風(fēng)險可以由連接它們的Copula函數(shù)來描述,通過兩階段極大似然法(IFM)估計Copula函數(shù)的參數(shù),可以得到信貸資產(chǎn)之間的相關(guān)系數(shù)。不同Copula函數(shù)對真實信貸資產(chǎn)組合信用風(fēng)險的擬合效果有所差異,可以依據(jù)赤池信息準則(AIC)、貝葉斯信息準則(BIC)和對數(shù)似然(LL)指標來判斷各Copula函數(shù)的擬合優(yōu)度。在以房地產(chǎn)、鋼鐵和石油化工三個行業(yè)的信貸資產(chǎn)為例時,研究發(fā)現(xiàn)描述尾部對稱相關(guān)性的t-Copula函數(shù)擬合效果更接近信貸資產(chǎn)組合信用風(fēng)險的真實聯(lián)合分布。最后,通過運用Monte Carlo方法,模擬不同分布下的均值、標準差和組合價值的百分位數(shù),計算出均值與百分位數(shù)之間的差,就可以得到各個假設(shè)狀態(tài)下資產(chǎn)組合的信用風(fēng)險的風(fēng)險價值VaR。第三,在測定公司銀行信貸資產(chǎn)壓力測試的宏觀因子時,選取宏觀經(jīng)濟因子作為壓力指標,選擇不良率和資本充足率作為承壓指標,營業(yè)收入作為風(fēng)險驅(qū)動因素。通過建立三因素MEF模型,計算宏觀因子對各行業(yè)營業(yè)收入的綜合影響,再根據(jù)營業(yè)收入和其他財務(wù)報表科目的勾稽關(guān)系,建立壓力情.景下的模擬報表與模擬評級,計算評級遷徙、PD變動、LGD變動和五級分類遷徙,最終計算出不良率變動。在測定零售銀行信貸資產(chǎn)壓力測試的宏觀因子時,考慮到商業(yè)銀行零售客戶的有關(guān)資產(chǎn)狀況難以獲取,且零售客戶的個人收入與宏觀經(jīng)濟的相關(guān)性不像公司銀行客戶那樣緊密。為此,我們直接考慮宏觀因子與違約率的直接關(guān)系,不再通過其他中間介質(zhì)。本文研究的主要改進和創(chuàng)新體現(xiàn)在以下三方面：第一,本文采用O-B分解法并首次采用分位數(shù)分解法,以2002-2012年間中國非金融類上市公司的最新數(shù)據(jù)為樣本,研究了不同額度的信貸在國有行業(yè)企業(yè)和非國有行業(yè)企業(yè)間的配置狀況及兩者間信用風(fēng)險的差異。本文的貢獻主要是：其一,首次按照額度不同在整體分布上對信貸在國有和非國有經(jīng)濟間的分配狀況進行研究,并首次采用分位數(shù)分解法分析在任意額度處的信用風(fēng)險情況。揭示了兩種經(jīng)濟成分間信貸差異和信用風(fēng)險隨額度的變化,提供了信貸整體分布上的更全面、更詳盡信息,彌補了現(xiàn)有文獻只針對信貸總量或平均量研究時結(jié)論籠統(tǒng)、缺乏針對性的不足,為正確制定信貸政策提供了依據(jù);其二,對國有和非國有經(jīng)濟間的信貸差異根源在理論上進行了分解,主要由特征差異和所有制歧視兩部分構(gòu)成,實質(zhì)分別是資源內(nèi)在和外在配置方式產(chǎn)生的,所有制歧視是其中引起銀行系統(tǒng)性信用風(fēng)險的宏觀因素,為深刻理解信用風(fēng)險的制度性原因提供了理論解釋；其三,首次從行業(yè)視角切入研究國有和非國有經(jīng)濟間的信貸配置和信用風(fēng)險,豐富和拓展了該領(lǐng)域的研究。第二,如何計量資產(chǎn)組合的信用風(fēng)險是商業(yè)銀行在風(fēng)險管理中要解決的難題之一。長期以來,有兩個問題一直沒有很好地解決,一是相關(guān)性度量問題,二是風(fēng)險損失的“厚尾”問題。本文利用Copula函數(shù)將資產(chǎn)組合信用風(fēng)險計量的研究從理論到實踐推進了一步,結(jié)合Monte Carlo模型給出了一套理論與實際數(shù)據(jù)相結(jié)合的算法,為計量信貸資產(chǎn)組合的信用風(fēng)險提供了一種新的研究工具,具有一定的創(chuàng)新價值和實用性。本文還以房地產(chǎn)、鋼鐵和石油化工三個行業(yè)的信貸資產(chǎn)組合為例,詳盡闡述了實際使用該方法計量資產(chǎn)組合信用風(fēng)險的全過程。第三,在現(xiàn)有理論模型中,單因素模型、CPV模型是基于宏觀經(jīng)濟因子度量信用風(fēng)險的代表模型,然而上述模型受諸多因素制約,國內(nèi)商業(yè)銀行實踐中使用相對較少,目前國內(nèi)現(xiàn)有研究主要側(cè)重于利用相對簡易模型直接測算宏觀經(jīng)濟下行給不良貸款帶來的影響,未充分考慮巴塞爾協(xié)議的有關(guān)要求。在上述研究基礎(chǔ)上,.本文主要基于巴塞爾協(xié)議的有關(guān)內(nèi)容以及國內(nèi)商業(yè)銀行的壓力測算實踐,重點考察壓力測試中宏觀因子的測定問題,設(shè)計了MEF模型來測定宏觀因子對信用風(fēng)險的影響程度,經(jīng)實證檢驗效果顯著,對商業(yè)銀行如何開展壓力測試更具有實踐指導(dǎo)意義,這在現(xiàn)有文獻中是不多見的。
【關(guān)鍵詞】：信用風(fēng)險 所有制歧視 分位數(shù)分解 Copula函數(shù) Monte Carlo模擬 宏觀因子
【學(xué)位授予單位】：北京科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：F832.4
【目錄】：

• 致謝4-5
• 摘要5-9
• Abstract9-18
• 1 引言18-24
• 1.1 研究背景18-19
• 1.2 研究意義19-20
• 1.3 研究框架20-22
• 1.4 技術(shù)方法22-24
• 2 文獻與理論綜述24-51
• 2.1 概念界定與釋義24-28
• 2.1.1 信貸配置基本理論24-26
• 2.1.2 信用風(fēng)險內(nèi)涵26
• 2.1.3 信用風(fēng)險特點26-28
• 2.2 國內(nèi)外研究現(xiàn)狀28-34
• 2.2.1 信貸配置研究28-30
• 2.2.2 信用風(fēng)險計量模型研究30-34
• 2.3 基于巴塞爾協(xié)議的信用風(fēng)險管理34-45
• 2.3.1 塞爾資本協(xié)議演進歷程34-37
• 2.3.2 塞爾協(xié)議對國際銀行業(yè)的影響37-39
• 2.3.3 巴塞爾協(xié)議下的信用風(fēng)險控制39-45
• 2.4 信用風(fēng)險現(xiàn)狀45-49
• 2.4.1 不良貸款形成階段45-46
• 2.4.2 不良資產(chǎn)快速增加46-48
• 2.4.3 風(fēng)險控制形勢嚴峻48-49
• 2.5 本章小結(jié)49-51
• 3 基于分位數(shù)分解法的信貸配置、所有制與信用風(fēng)險研究51-71
• 3.1 問題提出52-53
• 3.2 論分析與假設(shè)提出53-57
• 3.2.1 市場供需理論、轉(zhuǎn)軌背景與信貸配置53-55
• 3.2.2 信用風(fēng)險與所有制55-57
• 3.3 基于O-B分解法和分位數(shù)分解法的實證研究設(shè)計57-63
• 3.3.1 O-B分解法和分位數(shù)分解法57-59
• 3.3.2 模型構(gòu)建59-61
• 3.3.3 數(shù)據(jù)來源與描述性統(tǒng)計61-63
• 3.4 實證結(jié)果與分析63-70
• 3.4.1 信貸在國有行業(yè)與非國有行業(yè)間的配置差異63-66
• 3.4.2 國有行業(yè)和非國有行業(yè)間的信用風(fēng)險差異66-70
• 3.5 本章小結(jié)70-71
• 4 基于Copula和Monte Carlo改進信用風(fēng)險計量71-100
• 4.1 Credit Metrics模型71-79
• 4.1.1 模型框架71-73
• 4.1.2 單一資產(chǎn)的信用風(fēng)險73-77
• 4.1.3 資產(chǎn)組合的信用風(fēng)險77-79
• 4.2 Copula理論和Monte Carlo模擬79-84
• 4.2.1 Copula函數(shù)的定義與參數(shù)估計80-83
• 4.2.2 Monte Carlo模型83-84
• 4.3 信用風(fēng)險計量的Copula和Monte Carlo改進84-98
• 4.3.1 數(shù)據(jù)來源與基本假設(shè)85
• 4.3.2 改進過程85-97
• 4.3.3 結(jié)果分析97-98
• 4.4 本章小結(jié)98-100
• 5 信用風(fēng)險壓力測試的宏觀因子測定100-116
• 5.1 宏觀因子壓力測試模型設(shè)計100-104
• 5.1.1 建模的基本思想100
• 5.1.2 宏觀因子的風(fēng)險傳導(dǎo)機制100-102
• 5.1.3 宏觀因子壓力測試設(shè)計機理102-104
• 5.2 公司貸款信用風(fēng)險的宏觀因子測定104-107
• 5.2.1 基本假設(shè)及基礎(chǔ)框架設(shè)定104-105
• 5.2.2 宏觀因子的選擇105-106
• 5.2.3 宏觀因子顯著性測定106-107
• 5.3 零售貸款信用風(fēng)險的宏觀因子測定107-110
• 5.3.1 宏觀因子的選擇107-108
• 5.3.2 宏觀因子對違約率影響的測算過程108-110
• 5.3.3 測算結(jié)果的運用110
• 5.4 商業(yè)銀行整體資產(chǎn)的宏觀因子測定110-115
• 5.4.1 宏觀因子的情景假設(shè)110-111
• 5.4.2 壓力測試方法與過程111-114
• 5.4.3 壓力測試的結(jié)果與結(jié)論114-115
• 5.5 本章小結(jié)115-116
• 6 結(jié)論116-120
• 6.1 主要研究結(jié)論116-117
• 6.2 論文的主要創(chuàng)新點117-118
• 6.3 進一步研究展望118-120
• 參考文獻120-132
• 附錄A 蒙特卡洛模擬程序132-135
• 作者簡歷及在學(xué)研究成果135-137
• 學(xué)位論文數(shù)據(jù)集137

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 陳德勝,馮宗憲;資產(chǎn)組合信用風(fēng)險度量技術(shù)比較研究——基于VAR[J];財經(jīng)問題研究;2005年02期

2 梁凌;彭建剛;王修華;;內(nèi)部評級法框架下商業(yè)銀行信用風(fēng)險的資本測算[J];財經(jīng)理論與實踐;2008年03期

3 賈曉菁,周紹森;國有商業(yè)銀行人才激勵反饋因果結(jié)構(gòu)模型及其分析[J];系統(tǒng)工程;2005年02期

4 陳忠陽;信用風(fēng)險量化管理模型發(fā)展探析[J];國際金融研究;2000年10期

5 黃憲,馬理,代軍勛;資本充足率監(jiān)管下銀行信貸風(fēng)險偏好與選擇分析[J];金融研究;2005年07期

6 彭建剛;張麗寒;劉波;屠海波;;聚合信用風(fēng)險模型在我國商業(yè)銀行應(yīng)用的方法論探討[J];金融研究;2008年08期

7 劉學(xué)貴,張懷雷;CreditMetrics模型及其對我國商業(yè)銀行適用性思考[J];特區(qū)經(jīng)濟;2005年01期

8 王健;王海生;;非上市公司信用風(fēng)險的期權(quán)定價模型研究[J];特區(qū)經(jīng)濟;2007年01期

9 楊文瀚,王燕;信用違約互換的定價模型及實證研究[J];統(tǒng)計與決策;2005年08期

10 方洪全,曾勇;運用多元判別法評估企業(yè)信用風(fēng)險的實例[J];預(yù)測;2004年04期

，

本文編號：573448