商业银行信贷配置与信用风险计量研究

发布时间：2017-07-25 22:00

  本文关键词：商业银行信贷配置与信用风险计量研究

  更多相关文章： 信用风险 所有制歧视 分位数分解 Copula函数 Monte Carlo模拟 宏观因子

【摘要】：当前的经济新常态凸现了信贷资产质量给商业银行带来的巨大压力,新形势下对于商业银行加快经营转型问题的讨论,无法回避如何加强信用风险管理的问题,而且是商业银行打造百年老店不断探索的永恒主题。2014年以来,受国内外经济环境变化和国家产业政策调整等因素的影响,抗风险能力较弱的亲周期行业经营状况恶化,违约风险集中爆发,随着经济减速换挡,商业银行信贷资产质量受到较大冲击,不良贷款余额和不良率呈“双升”趋势,银行业进入到高风险、低回报的发展阶段。因此,结合中国新常态下的转型经济背景,深入研究商业银行信用风险管理具有极其重要的现实意义。本文基于中国经济转轨背景,在巴塞尔协议Ⅲ的总体框架下,围绕信用风险全流程管理的三个阶段,从贷前探索信用风险的所有制根源,到贷中优化信用风险计量模型,直至贷后开展压力测试的宏观因子测定,全面研究了信贷配置和信用风险的识别、计量和控制,这也构成了本文内在的逻辑思路。具体来说,在贷前信用风险来源分析中,本文从中国经济转轨的独特背景出发,采用0-B分解法并首次采用分位数分解法,研究了不同额度的信贷在国有行业和非国有行业间的配置差别及信用风险产生的所有制度根源；在贷中通过对信用风险计量模型优化和改进,提高了一定置信度下信用风险“预期损失”和“非预期损失”计量的准确性；在贷后管理中,通过开展信用风险压力测试的宏观因子测定,选取风险传导更强的变量,进一步计量“异常损失”风险的大小。本研究共分六章,各部分内容如下：第一章,引言。包括本文的选题背景、研究意义、研究思路与研究方法、论文结构框架等。第二章,文献与理论综述。本章结合文献回顾,给出了本文研究的理论基础,主要包括信贷配置的基本理论、信用风险内涵及特点、现代信用风险研究的代表性模型等,对现有研究进行了评价,总结了当前研究仍然存在的一些问题和需要改进的方向。同时,简要分析了我国商业银行信用风险管理现状,介绍与回顾了不良贷款的形成阶段、风险控制的严峻形势等,为后续的实证研究分析提供必要的背景铺垫。第三章,基于分位数分解法的信贷配置、所有制与信用风险研究。以2002-2012年间中国非金融类上市公司的数据为样本,采用0-B分解法并首次采用分位数分解法,研究了不同额度的信贷在国有行业企业和非国有行业企业间的配置状况以及两者之间信用风险的差异,深入分析了信用风险产生的制度根源。第四章,基于Copula函数和Monte Carlo模拟改进信用风险计量。如何度量资产组合的信用风险是商业银行在风险管理中要解决的难题之一。本文主要是利用Copula函数和Monte Carlo模拟对Credit Metrics信用风险计量模型进行了改进。讨论了Credit Metrics模型中单一资产和资产组合的信用风险计量,其中需要解决的核心问题是资产的相关性问题和“厚尾”问题。结合Copula函数和Monte Carlo模拟,以房地产、钢铁和石油化工三个行业的信贷资产组合为例,详尽阐述了实践中使用该方法计量资产组合信用风险的全过程。第五章,信用风险压力测试的宏观因子测定。基于宏观因子的情景压力测试是考察宏观经济下行对商业银行信贷资产质量的不利影响。根据商业银行信贷资产的不同特质,本文将其划分为公司银行信贷资产和零售银行信贷资产,分别考察信用风险压力测试中宏观因子的影响传导机制。对公司银行信贷资产的研究中,本文在巴塞尔协议框架下设计了MEF模型,通过该模型来考察宏观因子的显著性；对零售银行信贷资产的研究中,主要是通过大量客户的违约率与宏观因子的相关性来开展研究的。最后综合考察了商业银行整体信贷资产压力测试中宏观因子的测定。第六章,全文结束章。对本文的主要研究结论、主要创新、研究局限性进行了总结,并展望了未来的研究方向。本文的主要研究结论如下：第一,经济转型时期,所有制因素显著影响信贷资源配置和信用风险大小。在所有额度上国有行业企业相对非国有行业企业都获得了更多的信贷,两者在获得小额信贷上的差异最大,在中等及大额信贷上的差异较小。由所有制因素引入的信用风险随信贷额度的增大而降低,小额信贷上的差异主要源于所有制,是信用风险的制度根源,大额信贷上的差异主要源于行业特征差异。随着银行业的市场化改革,信贷差异中源于行业特征差异的合理成分逐渐上升,源于所有制歧视的不合理成分逐渐下降,由所有制因素引入的信用风险逐渐减少。第二,组合信用风险计量模型的构建可以通过刻画单个资产信用风险边缘分布和用Copula函数描述资产间的相关关系两个步骤完成。单个资产的信用风险用其边缘分布来描述。这需要首先根据利率期限结构曲线,通过贴现定价得到在各个信用等级状态下单个资产的净现值；再根据资产的信用等级转换概率矩阵,以及信用评级情景和资产收益率情景之间的影射关系,运用资产收益率模型,计算出信贷资产的阈值,这样就将信贷资产在各等级下离散的信用风险值转化成了连续的信用风险边缘分布。本文以房地产、钢铁和石油化工三个行业的信贷资产为例,研究发现其信用风险的边缘分布都呈现非正态分布特征。资产组合的信用风险可以由连接它们的Copula函数来描述,通过两阶段极大似然法(IFM)估计Copula函数的参数,可以得到信贷资产之间的相关系数。不同Copula函数对真实信贷资产组合信用风险的拟合效果有所差异,可以依据赤池信息准则(AIC)、贝叶斯信息准则(BIC)和对数似然(LL)指标来判断各Copula函数的拟合优度。在以房地产、钢铁和石油化工三个行业的信贷资产为例时,研究发现描述尾部对称相关性的t-Copula函数拟合效果更接近信贷资产组合信用风险的真实联合分布。最后,通过运用Monte Carlo方法,模拟不同分布下的均值、标准差和组合价值的百分位数,计算出均值与百分位数之间的差,就可以得到各个假设状态下资产组合的信用风险的风险价值VaR。第三,在测定公司银行信贷资产压力测试的宏观因子时,选取宏观经济因子作为压力指标,选择不良率和资本充足率作为承压指标,营业收入作为风险驱动因素。通过建立三因素MEF模型,计算宏观因子对各行业营业收入的综合影响,再根据营业收入和其他财务报表科目的勾稽关系,建立压力情.景下的模拟报表与模拟评级,计算评级迁徙、PD变动、LGD变动和五级分类迁徙,最终计算出不良率变动。在测定零售银行信贷资产压力测试的宏观因子时,考虑到商业银行零售客户的有关资产状况难以获取,且零售客户的个人收入与宏观经济的相关性不像公司银行客户那样紧密。为此,我们直接考虑宏观因子与违约率的直接关系,不再通过其他中间介质。本文研究的主要改进和创新体现在以下三方面：第一,本文采用O-B分解法并首次采用分位数分解法,以2002-2012年间中国非金融类上市公司的最新数据为样本,研究了不同额度的信贷在国有行业企业和非国有行业企业间的配置状况及两者间信用风险的差异。本文的贡献主要是：其一,首次按照额度不同在整体分布上对信贷在国有和非国有经济间的分配状况进行研究,并首次采用分位数分解法分析在任意额度处的信用风险情况。揭示了两种经济成分间信贷差异和信用风险随额度的变化,提供了信贷整体分布上的更全面、更详尽信息,弥补了现有文献只针对信贷总量或平均量研究时结论笼统、缺乏针对性的不足,为正确制定信贷政策提供了依据;其二,对国有和非国有经济间的信贷差异根源在理论上进行了分解,主要由特征差异和所有制歧视两部分构成,实质分别是资源内在和外在配置方式产生的,所有制歧视是其中引起银行系统性信用风险的宏观因素,为深刻理解信用风险的制度性原因提供了理论解释；其三,首次从行业视角切入研究国有和非国有经济间的信贷配置和信用风险,丰富和拓展了该领域的研究。第二,如何计量资产组合的信用风险是商业银行在风险管理中要解决的难题之一。长期以来,有两个问题一直没有很好地解决,一是相关性度量问题,二是风险损失的“厚尾”问题。本文利用Copula函数将资产组合信用风险计量的研究从理论到实践推进了一步,结合Monte Carlo模型给出了一套理论与实际数据相结合的算法,为计量信贷资产组合的信用风险提供了一种新的研究工具,具有一定的创新价值和实用性。本文还以房地产、钢铁和石油化工三个行业的信贷资产组合为例,详尽阐述了实际使用该方法计量资产组合信用风险的全过程。第三,在现有理论模型中,单因素模型、CPV模型是基于宏观经济因子度量信用风险的代表模型,然而上述模型受诸多因素制约,国内商业银行实践中使用相对较少,目前国内现有研究主要侧重于利用相对简易模型直接测算宏观经济下行给不良贷款带来的影响,未充分考虑巴塞尔协议的有关要求。在上述研究基础上,.本文主要基于巴塞尔协议的有关内容以及国内商业银行的压力测算实践,重点考察压力测试中宏观因子的测定问题,设计了MEF模型来测定宏观因子对信用风险的影响程度,经实证检验效果显著,对商业银行如何开展压力测试更具有实践指导意义,这在现有文献中是不多见的。
【关键词】：信用风险 所有制歧视 分位数分解 Copula函数 Monte Carlo模拟 宏观因子
【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：F832.4
【目录】：

• 致谢4-5
• 摘要5-9
• Abstract9-18
• 1 引言18-24
• 1.1 研究背景18-19
• 1.2 研究意义19-20
• 1.3 研究框架20-22
• 1.4 技术方法22-24
• 2 文献与理论综述24-51
• 2.1 概念界定与释义24-28
• 2.1.1 信贷配置基本理论24-26
• 2.1.2 信用风险内涵26
• 2.1.3 信用风险特点26-28
• 2.2 国内外研究现状28-34
• 2.2.1 信贷配置研究28-30
• 2.2.2 信用风险计量模型研究30-34
• 2.3 基于巴塞尔协议的信用风险管理34-45
• 2.3.1 塞尔资本协议演进历程34-37
• 2.3.2 塞尔协议对国际银行业的影响37-39
• 2.3.3 巴塞尔协议下的信用风险控制39-45
• 2.4 信用风险现状45-49
• 2.4.1 不良贷款形成阶段45-46
• 2.4.2 不良资产快速增加46-48
• 2.4.3 风险控制形势严峻48-49
• 2.5 本章小结49-51
• 3 基于分位数分解法的信贷配置、所有制与信用风险研究51-71
• 3.1 问题提出52-53
• 3.2 论分析与假设提出53-57
• 3.2.1 市场供需理论、转轨背景与信贷配置53-55
• 3.2.2 信用风险与所有制55-57
• 3.3 基于O-B分解法和分位数分解法的实证研究设计57-63
• 3.3.1 O-B分解法和分位数分解法57-59
• 3.3.2 模型构建59-61
• 3.3.3 数据来源与描述性统计61-63
• 3.4 实证结果与分析63-70
• 3.4.1 信贷在国有行业与非国有行业间的配置差异63-66
• 3.4.2 国有行业和非国有行业间的信用风险差异66-70
• 3.5 本章小结70-71
• 4 基于Copula和Monte Carlo改进信用风险计量71-100
• 4.1 Credit Metrics模型71-79
• 4.1.1 模型框架71-73
• 4.1.2 单一资产的信用风险73-77
• 4.1.3 资产组合的信用风险77-79
• 4.2 Copula理论和Monte Carlo模拟79-84
• 4.2.1 Copula函数的定义与参数估计80-83
• 4.2.2 Monte Carlo模型83-84
• 4.3 信用风险计量的Copula和Monte Carlo改进84-98
• 4.3.1 数据来源与基本假设85
• 4.3.2 改进过程85-97
• 4.3.3 结果分析97-98
• 4.4 本章小结98-100
• 5 信用风险压力测试的宏观因子测定100-116
• 5.1 宏观因子压力测试模型设计100-104
• 5.1.1 建模的基本思想100
• 5.1.2 宏观因子的风险传导机制100-102
• 5.1.3 宏观因子压力测试设计机理102-104
• 5.2 公司贷款信用风险的宏观因子测定104-107
• 5.2.1 基本假设及基础框架设定104-105
• 5.2.2 宏观因子的选择105-106
• 5.2.3 宏观因子显著性测定106-107
• 5.3 零售贷款信用风险的宏观因子测定107-110
• 5.3.1 宏观因子的选择107-108
• 5.3.2 宏观因子对违约率影响的测算过程108-110
• 5.3.3 测算结果的运用110
• 5.4 商业银行整体资产的宏观因子测定110-115
• 5.4.1 宏观因子的情景假设110-111
• 5.4.2 压力测试方法与过程111-114
• 5.4.3 压力测试的结果与结论114-115
• 5.5 本章小结115-116
• 6 结论116-120
• 6.1 主要研究结论116-117
• 6.2 论文的主要创新点117-118
• 6.3 进一步研究展望118-120
• 参考文献120-132
• 附录A 蒙特卡洛模拟程序132-135
• 作者简历及在学研究成果135-137
• 学位论文数据集137

【参考文献】

中国期刊全文数据库 前10条

1 陈德胜,冯宗宪;资产组合信用风险度量技术比较研究——基于VAR[J];财经问题研究;2005年02期

2 梁凌;彭建刚;王修华;;内部评级法框架下商业银行信用风险的资本测算[J];财经理论与实践;2008年03期

3 贾晓菁,周绍森;国有商业银行人才激励反馈因果结构模型及其分析[J];系统工程;2005年02期

4 陈忠阳;信用风险量化管理模型发展探析[J];国际金融研究;2000年10期

5 黄宪,马理,代军勋;资本充足率监管下银行信贷风险偏好与选择分析[J];金融研究;2005年07期

6 彭建刚;张丽寒;刘波;屠海波;;聚合信用风险模型在我国商业银行应用的方法论探讨[J];金融研究;2008年08期

7 刘学贵,张怀雷;CreditMetrics模型及其对我国商业银行适用性思考[J];特区经济;2005年01期

8 王健;王海生;;非上市公司信用风险的期权定价模型研究[J];特区经济;2007年01期

9 杨文瀚,王燕;信用违约互换的定价模型及实证研究[J];统计与决策;2005年08期

10 方洪全,曾勇;运用多元判别法评估企业信用风险的实例[J];预测;2004年04期

，

本文编号：573448