基于Bootstrap方法的信用風(fēng)險(xiǎn)度量及應(yīng)用.pdf

1、20世紀(jì)末期，全球的經(jīng)濟(jì)的高速發(fā)展，但世界金融市場(chǎng)的波動(dòng)變化越來越劇烈，所以各國(guó)的銀行及金融機(jī)構(gòu)面臨的信用風(fēng)險(xiǎn)也越來越大，逐步暴露出越來越多的金融事件，如雷曼兄弟的倒閉，上世紀(jì)俄羅斯國(guó)家銀行的違約，美國(guó)的次貸危機(jī)等，給世界經(jīng)濟(jì)的發(fā)展帶來沉重的打擊，體現(xiàn)出信用風(fēng)險(xiǎn)管理中的許多問題，也暴露出現(xiàn)有的信用風(fēng)險(xiǎn)管理理論與方法的不足。因此需要比較成熟和完善的風(fēng)險(xiǎn)判別、度量和預(yù)防的技術(shù)手段。于是便誕生了現(xiàn)代信用風(fēng)險(xiǎn)度量模型，之后得到了快速的發(fā)展，目前

2、主流的信用風(fēng)險(xiǎn)度量模型有KMV模型，Credit Metrics（信用度量）模型，Credit Portfolio View（信貸組合）模型等。但這些主流的風(fēng)險(xiǎn)度量模型大都是建立在已給定或假設(shè)樣本以及模型參數(shù)分布假設(shè)已知的基礎(chǔ)上，并且對(duì)樣本的選取也有一些限制，要求樣本量一般要比較大。但在實(shí)際中尤其在信用市場(chǎng)里，有效的大樣本數(shù)據(jù)的獲取是很難的，而且可供參考的有效歷史數(shù)據(jù)更少，所以這些模型在獲取有效大樣本以及假定模型參數(shù)的分布是件非常困難的

3、事而且誤差會(huì)比較大，甚至?xí)o法計(jì)算。
　　 本文介紹一種新的風(fēng)險(xiǎn)度量方法--基于Bootstrap方法的風(fēng)險(xiǎn)度量法，特別是在樣本很小的情況下，得到的新的樣本數(shù)據(jù)(Bootstrap樣本)將更加接近總體的大樣本，這樣才能利用傳統(tǒng)的風(fēng)險(xiǎn)度量模型去計(jì)算信用風(fēng)險(xiǎn)。
　　 本文研究工作主要分為四個(gè)部分：
　　 第一部分為第1、2章。第1章介紹了本文寫作的目的和意義，相關(guān)的國(guó)內(nèi)外研究現(xiàn)狀，和本文的研究思路及文章的結(jié)構(gòu)安排；第

4、2章簡(jiǎn)單介紹信用風(fēng)險(xiǎn)理論，以及3個(gè)經(jīng)典的信用風(fēng)險(xiǎn)度量模型的基本理論，并逐次說明3個(gè)模型的優(yōu)點(diǎn)和存在的問題。
　　 第二部分為第3章，簡(jiǎn)單介紹Bootstrap方法的基本理論，發(fā)展歷程，實(shí)現(xiàn)過程以及穩(wěn)定分布的基本理論。
　　 第三部分為第4章，實(shí)證分析基于Bootstrap方法的三種主流風(fēng)險(xiǎn)度量方法在信用風(fēng)險(xiǎn)市場(chǎng)中應(yīng)用。闡述了基于Bootstrap方法的三種主流風(fēng)險(xiǎn)度量模型的基本思想和操作過程。對(duì)基于BSM公式的KMV模型

5、中的參數(shù)--預(yù)期違約概率EDF是通過Bootstrap樣本的經(jīng)驗(yàn)分布來求解的，并估計(jì)經(jīng)驗(yàn)分布分位數(shù)的置信區(qū)間：對(duì)基于VAR的傳統(tǒng)Credit Metrics模型一般假設(shè)其債務(wù)價(jià)值服從正態(tài)分布，而本文在此假設(shè)其債務(wù)價(jià)值服從Bootstrap樣本的一般經(jīng)驗(yàn)分布即穩(wěn)定分布來進(jìn)行實(shí)證；對(duì)于傳統(tǒng)的Credit Portfolio View模型中的參數(shù)--違約概率(Y)一般是在已給定分布的小樣本條件下進(jìn)行計(jì)算的，而本文在此是通過Bootstrap大