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(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、信用風(fēng)險(xiǎn)是金融風(fēng)險(xiǎn)中最為重要的風(fēng)險(xiǎn)之一,如何對風(fēng)險(xiǎn)進(jìn)行有效控制就成為金融界的重要研究內(nèi)容。本文首先系統(tǒng)地介紹了當(dāng)今金融領(lǐng)域流行的兩大類信用風(fēng)險(xiǎn)管理模型--傳統(tǒng)模型和創(chuàng)新模型,并對兩大類創(chuàng)新模型(盯市模型和違約模型)進(jìn)行了詳細(xì)的說明:J.P.摩根公司的CreditMetrics模型,KMV公司的Credit Monitor Model模型,瑞士波士頓第一銀行產(chǎn)品部的Credit Risk+模型和麥肯錫公司的Credit Portfolio
2、 View模型.這些量化模型的應(yīng)用和發(fā)展使信用風(fēng)險(xiǎn)管理日趨規(guī)范完善,但同時模型本身也存在可進(jìn)一步優(yōu)化的可能。 CreditMetrics模型在盯市模型中最具代表性,該模型首先對借款人(借款機(jī)構(gòu))進(jìn)行信用評級,然后計(jì)算出次年信用評級發(fā)生變化的概率,形成信用等級轉(zhuǎn)移概率矩陣。通過違約貸款的回收率和債券市場上的信用風(fēng)險(xiǎn)價(jià)差計(jì)算出貸款的市場價(jià)值及其波動分布,進(jìn)而得出個別貸款或貸款組合的VaR值。雖然該模型計(jì)算復(fù)雜且運(yùn)算量大,但對風(fēng)險(xiǎn)控制
3、有很大幫助,因此受到許多金融機(jī)構(gòu)的青睞。然而多數(shù)金融機(jī)構(gòu)在實(shí)際使用中卻存在一些問題:由于各機(jī)構(gòu)的客戶情況不同,信用等級轉(zhuǎn)移概率矩陣的選取也應(yīng)不同。而大多數(shù)機(jī)構(gòu)仍然采用Morgan銀行的信用矩陣進(jìn)行計(jì)算,這就會影響風(fēng)險(xiǎn)管理的準(zhǔn)確性。針對此現(xiàn)象,本文首先假設(shè)信用等級的轉(zhuǎn)移具有Markov性,并通過該性質(zhì)給出一階時齊有限Markov鏈轉(zhuǎn)移概率矩陣的估計(jì)方法。通過隨機(jī)模擬法進(jìn)行數(shù)據(jù)驗(yàn)證(此部分的內(nèi)容已包含在本文作者的論文”CreditMetri
4、cs模型中轉(zhuǎn)移概率和風(fēng)險(xiǎn)價(jià)值的計(jì)算”中,該論文已于2007年3月被上海大學(xué)學(xué)報(bào)(自然科學(xué)版)錄用)。在此基礎(chǔ)上本文將信用等級轉(zhuǎn)移推廣到高階Markov鏈情形。但由于一般p階Markov模型的待估參數(shù)太多,以致實(shí)際計(jì)算量超大,運(yùn)算關(guān)系復(fù)雜,因此論文先給出二階Markov鏈模擬模型(通過兩年的信用變化確定未來的信用等級轉(zhuǎn)移)的算法。通過隨機(jī)模擬的數(shù)據(jù)驗(yàn)證了該算法的準(zhǔn)確性,并通過誤差分析確定了用于估計(jì)的樣本容量的合理選取。從實(shí)際的運(yùn)算結(jié)果分析
5、該算法是合理有效的。 針對一般的p階信用轉(zhuǎn)移模型,由于待估參數(shù)太多的問題,本文采用非參數(shù)Logistic回歸模型的方法進(jìn)行計(jì)算。在第三章節(jié)中,首先對Logistic回歸模型作了介紹,指出使用Logistic線性回歸模型研究較高階數(shù)的信用預(yù)測問題的不合理性。然后引出非參數(shù)Logistic回歸模型的具體算法,通過對該類模型的方法分析,指出了采用非參數(shù)Logistic回歸模型研究高階信用等級預(yù)測問題的有效性,并通過計(jì)算得出進(jìn)一步增加樣
6、本量,估計(jì)精度將可以進(jìn)一步提高的結(jié)論。 CreditMetrics模型的另一個重要部分是對貸款現(xiàn)金流進(jìn)行折算,但原模型計(jì)算時只考慮1年的信用轉(zhuǎn)移,即假設(shè)在若干年內(nèi)的信用轉(zhuǎn)移概率是不變的,這與實(shí)際情況有所不同。在本文中構(gòu)造了貸款現(xiàn)金流及貸款風(fēng)險(xiǎn)值(VaR)的新算法(此部分的內(nèi)容已包含在上述待發(fā)表的論文中)。該算法首先采用本文前幾章節(jié)中給出的轉(zhuǎn)移概率估計(jì)算法,通過隨機(jī)模擬方法確定貸款現(xiàn)金流分布。然后通過核估計(jì)方法計(jì)算出信用風(fēng)險(xiǎn)的VaR值。通
7、過與原模型計(jì)算結(jié)果的比對,驗(yàn)證了本文采用的估計(jì)以及優(yōu)化方法的合理準(zhǔn)確性。 本文的主要工作為以下幾個方面1.對原有的CresitMetrics模型的計(jì)算在兩個方面進(jìn)行了改進(jìn): (a)借款者信用等級轉(zhuǎn)移的一般化(b)考慮借款者未來一段時間內(nèi)因信用等級變化而產(chǎn)生的折算分布計(jì)算2.對于信用等級轉(zhuǎn)移的Markov模型,采用最優(yōu)化方法得到其轉(zhuǎn)移概率矩陣的估計(jì)算法3.對于信用等級轉(zhuǎn)移的二階Markov模型,采用擴(kuò)展?fàn)顟B(tài)空間的方法使其轉(zhuǎn)
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 基于混合向量自回歸模型的CreditMetrics框架的改進(jìn).pdf
- 視覺通路等級計(jì)算模型的仿真研究與改進(jìn).pdf
- CreditMetrics信用風(fēng)險(xiǎn)模型與壓力測試的一體化.pdf
- 基于修正的CreditMetrics模型的債券投資組合信用風(fēng)險(xiǎn)的分析.pdf
- 可信云計(jì)算平臺模型的研究及其改進(jìn).pdf
- 一種改進(jìn)的DNA計(jì)算模型研究.pdf
- COCOMO模型的研究與改進(jìn).pdf
- 半經(jīng)典動力學(xué)計(jì)算模型的改進(jìn)研究.pdf
- 基于CreditMetrics模型的商業(yè)銀行信用風(fēng)險(xiǎn)度量實(shí)證研究.pdf
- ARMA模型參數(shù)估計(jì)算法改進(jìn)及SARIMA模型的應(yīng)用.pdf
- 模糊模型算法的改進(jìn)與研究.pdf
- 主動形狀模型的研究與改進(jìn).pdf
- 基于CreditMetrics模型的我國商業(yè)銀行信用風(fēng)險(xiǎn)管理.pdf
- 基于CreditMetrics模型的中國信貸資產(chǎn)證券化信用風(fēng)險(xiǎn)研究.pdf
- COCOMOⅡ模型方法的研究與改進(jìn).pdf
- 幾個期權(quán)定價(jià)模型的數(shù)值計(jì)算、改進(jìn)及其期權(quán)套利分析.pdf
- 云計(jì)算下計(jì)算能力調(diào)度算法的研究與改進(jìn).pdf
- 基于調(diào)整的CreditMetrics模型房地產(chǎn)銀行貸款在險(xiǎn)價(jià)值的測算.pdf
- 基于修正的CreditMetrics模型的我國商業(yè)銀行信用風(fēng)險(xiǎn)管理.pdf
- 基于節(jié)點(diǎn)行為的無線傳感器網(wǎng)絡(luò)改進(jìn)信譽(yù)計(jì)算模型.pdf
評論
0/150
提交評論