2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩132頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、信用風險的組合管理研究中,違約相關(guān)結(jié)構(gòu)的準確建模一直是研究的熱點領(lǐng)域。本文充分利用copula函數(shù)在建模相關(guān)結(jié)構(gòu)中的便利性和靈活性,對基于copula函數(shù)的信用風險組合相關(guān)結(jié)構(gòu)的建模問題以及由此而造成的對組合損失分布和一致性風險量度的影響程度進行了系統(tǒng)的討論和分析。
  首先,本文在現(xiàn)有的信用風險組合模型之一——特征變量模型的基礎(chǔ)上,針對其在相關(guān)結(jié)構(gòu)建模中存在的問題,提出了基于 copula函數(shù)的、以行業(yè)收益指數(shù)為系統(tǒng)風險因素的信

2、用風險組合模型框架,討論了在新模型框架下組合各種違約狀態(tài)的聯(lián)合概率的計算,闡述了模型中參數(shù)的確定方法以及 copula函數(shù)的選擇問題。分析表明:在利用copula函數(shù)為信用風險組合建模時,t-copula函數(shù)將可作為現(xiàn)有模型中Gaussian copula函數(shù)的一個比較恰當?shù)奶娲x擇。
  其次,基于我國目前信用債券市場不夠成熟、沒有可靠的信用數(shù)據(jù)可獲得的現(xiàn)實,本文利用資本市場這一個公開的、比較有效的信息源提供的數(shù)據(jù)信息來構(gòu)造行業(yè)

3、收益指數(shù)時間序列,估計行業(yè)收益指數(shù)的邊際分布和相關(guān)結(jié)構(gòu)參數(shù)。在運用偏t-GARCH(1,1)對行業(yè)收益指數(shù)的邊際分布建模時,考慮到現(xiàn)有的偏t分布函數(shù)在描述偏度時缺乏靈活性,本文在現(xiàn)有偏t分布變量構(gòu)造的基礎(chǔ)上,提出了一種新的構(gòu)造方法。通過模擬比較,發(fā)現(xiàn)新構(gòu)造的偏t分布在表現(xiàn)分布的有偏性方面優(yōu)于現(xiàn)有方法。同時利用數(shù)據(jù)分別對Gaussian copula函數(shù)和t-copula函數(shù)的行業(yè)收益指數(shù)相關(guān)結(jié)構(gòu)模型進行了參數(shù)估計和擬合優(yōu)度檢驗。檢驗結(jié)果

4、表明,由于t-copula函數(shù)考慮到了行業(yè)收益指數(shù)間的尾部相關(guān)性,因而比Gaussian copula函數(shù)有更好的擬合度。
  最后,在估計的相關(guān)結(jié)構(gòu)模型基礎(chǔ)上,本文通過一個假想組合詳細討論了信用風險組合模型中相關(guān)結(jié)構(gòu)的變化對組合損失分布和一致性風險量度所產(chǎn)生的影響程度。為了提高預(yù)期短缺ES估計的精度,本文利用重要性抽樣方法計算了相關(guān)結(jié)構(gòu)分別為Gaussian copula函數(shù)和t-copula函數(shù)時的組合損失分布和風險量度。結(jié)果

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論