人民币对公贷款违约概率计量模型研究

发布时间：2017-09-24 01:05

  本文关键词：人民币对公贷款违约概率计量模型研究

  更多相关文章： 违约概率 内部评级法 风险计量

【摘要】：随着金融这一名词的诞生,金融危机也应运而生,西方各国在数百年时间里经历了大大小小各类金融危机数以百计。但随着最近数十年金融全球化愈演愈烈,全球金融行业动荡加剧,金融危机时刻笼罩在世界各重要国家。2007年初,美国次贷危机逐渐浮出水面,世界主要发达国家经济体几乎都受到了冲击。从国内看,由于存在汇率管制和利率管制,全球金融危机并未对国内的实体经济和金融体系产生冲击。但在利率市场化完成以后,商业银行将直接面对市场,经受各类市场的考验。为此,巴塞尔Ⅲ在一个特殊的时刻诞生了,并被人们寄予了厚望。国内的金融监管部门已经有了危机意识,一方面正努力将本国的金融监管纳入到国际金融监管体系中,如积极实施巴塞尔Ⅲ；另一方面,监管部门认真研究中国的实际情况,结合本国金融体系的特点,有针对性地进行监管。因此,内评法体系建设是国内商业银行国际化的需要,也是监管部门对商业银行的外部要求,更重要的是,内评法体系建设源自商业银行内在的动力。内评法是一个庞大的系统工程,不可能在一篇研究论文中涵盖所有的内容。因此本文将研究的关键点聚焦在信用风险计量模型中的违约概率计量模型。同时,我们将研究对象限定在人民币对公贷款上。我们对模型留有一定的可拓展性,为进一步的研究提供了较大的空间。最终,我们的违约概率计量模型将能够满足巴塞尔协议的相关要求,且符合国内银监会发布的《商业银行资本管理办法》相关规定。更为重要的是,商业银行能够使用模型给出真实可信的企业贷款违约概率,并成为商业银行贷款评级的主要依据,模型将真正帮助商业银行控制未来可能发生的违约风险。更为深远的意义是,商业银行可以将违约概率计量模型应用于日常的风险管理、定价、考核、资产负债管理等日常经营活动中,使商业银行的综合竞争力大幅提升。文章首先充分地对巴塞尔协议Ⅲ及各类信用风险计量模型的相关研究文献进行了综述,并对较为常见的信用风险计量模型逐一进行了理论研究和实证分析,总结了它们的优缺点。然后,根据国内商业银行违约概率计量模型建模中的难点提出了独立建模原理,并给出了模型的整体框架,即用二叉树模型解决数据分类问题；使用因子分析法解决Logistic模型参数自相关的问题；建立宏观经济辅助模型对经济各周期的违约概率进行调整；使用聚类分析方法形成不同评级下违约概率的分布；使用Logistic模型与主观评分相融合的方法使计量结果更符合实际情况。最后,文章对模型进行了实证分析,给出了10级评级和相应的违约概率分布区间,并对它们的风险特征进行了描述。同时,模型通过了多项检验指标,符合监管部门的要求。在文章的结尾,笔者给出了研究结论和进一步的展望。文章主要有三大创新之处,包括：(1)文章提出了适合我国商业银行的违约概率计量模型理论和框架。(2)本文将风险计量理论与商业银行实务相结合,做到产学研相结合。(3)本文紧紧围绕巴塞尔协议提出了违约概率计量模型,可以作为商业银行实施巴塞尔协议内评法高级法的一部分。但文章同时也有四个不足之处,包括：(1)模型的后评估有局限性；(2)宏观经济周期因素的修正效果有限；(3)模型未经过有效的压力测试；(4)模型仅对违约概率计量进行了研究,并未将研究成果拓展到其他风险指标的计量。在本文的基础上,未来的研究者可以采用更为先进的计量工具,将研究范围拓展到整个信用风险计量领域,甚至于将研究跳出巴塞尔协议的监管框架。
【关键词】：违约概率 内部评级法 风险计量
【学位授予单位】：复旦大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：F832.4;F224
【目录】：

• 摘要3-5
• ABSTRACT5-12
• 1 绪论12-25
• 1.1 研究背景和意义12-17
• 1.1.1 研究背景12-15
• 1.1.2 研究意义15-17
• 1.2 研究对象的界定17-20
• 1.2.1 违约概率的界定17-18
• 1.2.2 货款种类的界定18-19
• 1.2.3 研究银行的界定19
• 1.2.4 研究成果的界定19-20
• 1.3 研究方法与分析框架20-22
• 1.3.1 研究方法20
• 1.3.2 分析框架20-22
• 1.4 创新与不足22-24
• 1.4.1 创新点22-23
• 1.4.2 不足之处23-24
• 注释24-25
• 2 文献综述25-39
• 2.1 巴塞尔协议Ⅲ及监管规定综述25-29
• 2.2 信用风险计量模型29-32
• 2.3 内部评级法模型32-33
• 2.4 PD计量模型33-37
• 2.5 本章小结37-38
• 注释38-39
• 3 巴塞尔协议对信用风险和违约概率计量的要求39-55
• 3.1 巴塞尔资本协议的发展历程39-42
• 3.1.1 巴塞尔资本协议的起源39
• 3.1.2 从巴塞尔Ⅰ发展到巴塞尔Ⅱ39
• 3.1.3 从巴塞尔Ⅱ发展到巴塞尔Ⅲ39-40
• 3.1.4 巴塞尔协议的主要框架和内容40-42
• 3.2 巴塞尔资本协议中关于信用风险的主要内容42-44
• 3.2.1 巴塞尔资本协议中对信用风险的相关规定42
• 3.2.2 巴塞尔资本协议中信用风险的计量方法42-44
• 3.2.3 商业银行实施内部评级法的要求44
• 3.3 巴塞尔协议的中国化44-47
• 3.3.1 商业银行资本管理办法出台的背景和意义44-45
• 3.3.2 商业银行资本管理办法的主要内容和特点45
• 3.3.3 商业银行资本管理办法中对信用风险计量的要求45-46
• 3.3.4 商业银行资本管理办法对信用风险计量的验证要求46-47
• 3.4 巴塞尔协议在我国商业银行中的推进情况47-50
• 3.4.1 我国商业银行的现状47
• 3.4.2 巴塞尔协议在我国商业银行中的实施情况47-49
• 3.4.3 我国商业银行基于信用风险计量的内部评级法的实施情况49
• 3.4.4 巴塞尔协议实施后对我国银行业的主要影响49-50
• 3.5 违约概率计量是实施巴塞尔协议的突破口50-53
• 3.5.1 巴塞尔协议值得信赖吗?50-51
• 3.5.2 巴塞尔协议仍然是商业银行风险计量的全球性准则51-52
• 3.5.3 巴塞尔协议对我国商业银行信用风险计量的适用性52-53
• 3.5.4 建立违约概率计量模型是我国实施巴塞尔协议的突破口53
• 3.6 本章小结53-54
• 注释54-55
• 4 经典违约概率模型的适用性研究55-73
• 4.1 Z值模型55-56
• 4.1.1 Z值模型的建模思想55-56
• 4.1.2 Z值模型在我国商业银行违约概率计量中的适用性分析56
• 4.2 LOGIT模型56-59
• 4.2.1 Logit模型的建模思想57-59
• 4.2.2 Logit模型在我国商业银行违约概率计量中的适用性分析59
• 4.3 MERTON模型59-62
• 4.3.1 Merton模型的建模思想59-61
• 4.3.2 Merton模型在我国商业银行违约概率计量中的适用性分析61-62
• 4.4 CREDITMETRICS模型62-63
• 4.4.1 CreditMetrics模垄的建模思想62-63
• 4.4.2 CreditMetrics模型在我国商业银行违约概率计量中的适用性分析63
• 4.5 KMV模型63-65
• 4.5.1 KMV模型的建模思想64-65
• 4.5.2 KMV模型在我国商业银行违约概率计量中的适用性分析65
• 4.6 CREDITRISK+模型65-68
• 4.6.1 Creditrisk+模型的建模思想66-68
• 4.6.2 Creditrisk+模型在我国商业银行违约概率计量中的适用性分析68
• 4.7 CREDITPORTFOLIO VIEW模型68-70
• 4.7.1 CreditPortfolio View模型的建模思想68-69
• 4.7.2 CreditPortfolio View模型在我国商业银行违约概率计量中的适用性分析69-70
• 4.8 对现有违约概率计量模型的总结70-71
• 4.8.1 对各类模型在实际应用中的评判标准70
• 4.8.2 对现有违约概率计量模型的总结70-71
• 4.9 本章小结71
• 注释71-73
• 5 我国现行违约概率模型的合意性研究73-90
• 5.1 传统的违约概率计量模型(5C模型)73-76
• 5.1.1 5C模型的起源和特点73-74
• 5.1.2 5C模型的建模思想74-76
• 5.1.3 5C模型在我国商业银行违约概率计量中应用的难点76
• 5.2 现行的国内商业银行信贷评级方法76-84
• 5.2.1 现行的国内商业银行评级方法概述76
• 5.2.2 评级方法的主要步骤76-83
• 5.2.3 实证分析和模型缺陷83-84
• 5.3 国内商业银行违约概率计量模型建模中的难点84-88
• 5.3.1 违约概率计量模型中的主要难点84-87
• 5.3.2 主要难点的解决方法87-88
• 5.4 本章小结88-89
• 注释89-90
• 6 我国对公贷款违约概率模型研究：框架和方法90-119
• 6.1 违约概率计量建模的整体框架90-94
• 6.1.1 整体框架概述90
• 6.1.2 违约概率计量建模步骤90-94
• 6.2 样本数据的分类方法94-99
• 6.2.1 样本数据的分类方式94-95
• 6.2.2 决策树模型概述95-96
• 6.2.3 决策树模型的关键步骤96-97
• 6.2.4 决策树模型的主要算法和选择97-99
• 6.2.5 决策树模型用于对客户样本数据进行分类的适用性99
• 6.3 建立二项LOGISTIC回归模型的方法99-106
• 6.3.1 建立二项Logistic回归模型的主要步骤99-100
• 6.3.2 使用单因素分析法初步筛选指标100-103
• 6.3.3 分数转换103-104
• 6.3.4 因子分析法对自变量降维104-105
• 6.3.5 建立二项Logistic回归模型105-106
• 6.4 对宏观经济周期的修正方法106-110
• 6.4.1 对宏观经济周期修正的重要意义和主要方法106-107
• 6.4.2 CPV模型的基本原理和建模思想107
• 6.4.3 变量的选择107-109
• 6.4.4 CPV模型对单笔贷款违约概率的影响109-110
• 6.5 使用聚类模型划分评级的违约概率区间110-113
• 6.5.1 信用评级划分的意义和难点110-111
• 6.5.2 聚类分析模型概述及其适用性111-112
• 6.5.3 聚类分析模型的主要算法112
• 6.5.4 使用聚类模型划分评级的违约概率区间112-113
• 6.6 评级调整和推翻的方法113-117
• 6.6.1 评级调整和推翻的作用及其必要性113-114
• 6.6.2 违约预警信号的甄别114-115
• 6.6.3 外部因素对企业的影响115-116
• 6.6.4 专家主观推翻初始评级116-117
• 6.7 本章小结117-118
• 注释118-119
• 7 我国对公贷款违约概率模型研究：实证检验119-146
• 7.1 样本数据的采集和管理119-123
• 7.1.1 样本数据采集的基本要求119-120
• 7.1.2 样本数据采集的具体过程120-121
• 7.1.3 数据的取样121-123
• 7.2 违约概率计量模型的实证分析123-141
• 7.2.1 决策树模型123-125
• 7.2.2 拟合模型125-133
• 7.2.3 聚类分析模型133-137
• 7.2.4 评级的调整和推翻137-139
• 7.2.5 宏观经济周期修正模型139-141
• 7.3 模型识别能力的检验与总结141-145
• 7.3.1 模型的验证141-142
• 7.3.2 模型预测能力的主要检验指标142-145
• 7.4 本章小结145
• 注释145-146
• 8 结论和展望146-152
• 8.1 主要研究结论146-147
• 8.1.1 主要研究结论146
• 8.1.2 研究主要贡献146-147
• 8.1.3 研究结果的启示147
• 8.2 模型在商业银行经营管理中的应用147-150
• 8.2.1 信贷管理147-148
• 8.2.2 信用风险管理和经济资本计量148-149
• 8.2.3 货款定价管理149
• 8.2.4 绩效考核管理149-150
• 8.3 对下一步研究的展望150-151
• 注释151-152
• 参考文献152-157
• 后记157-159

【参考文献】

中国期刊全文数据库 前10条

1 赵静娴;杜子平;;基于神经网络和决策树相结合的信用风险评估模型研究[J];北京理工大学学报(社会科学版);2009年01期

2 彭朝晖;王平;王跃恒;;因子分析法在商业银行信贷风险中的研究[J];长沙理工大学学报(社会科学版);2010年01期

3 武剑;内部评级法中的违约损失率(LGD)模型——新资本协议核心技术研究[J];国际金融研究;2005年02期

4 韩岗;;国外信用风险度量方法及其适用性研究[J];国际金融研究;2008年03期

5 赵先信;陈颖;王胜邦;;打开内部评级法的黑箱:假设、模拟与监管实践[J];国际金融研究;2008年08期

6 杨军;程建;潘俊武;;违约损失率模型开发的理论分析和实证研究[J];国际金融研究;2009年06期

7 钟伟;谢婷;;巴塞尔协议Ⅲ的新近进展及其影响初探[J];国际金融研究;2011年03期

8 曹劲;;非零售类风险暴露信用风险模型的校准和主标尺开发[J];国际金融研究;2011年06期

9 李志辉,李萌;我国商业银行信用风险识别模型及其实证研究[J];经济科学;2005年05期

10 余宇新;谢鸿飞;;基于STR模型的中国宏观经济周期拐点的识别与预测[J];经济理论与经济管理;2012年06期

，

本文编号：908466