鑒于美國次貸危機的影響及經(jīng)驗,對投資銀行及金融衍生產(chǎn)品市場監(jiān)管的不到位,使得世界各國商業(yè)銀行的風(fēng)險管理成為商業(yè)銀行經(jīng)營管理者最需要關(guān)注的問題。而在所有的風(fēng)險當(dāng)中,信用風(fēng)險占了銀行總體風(fēng)險暴露的60%,繼而成為商業(yè)銀行當(dāng)前所面臨的最大風(fēng)險。在這樣的金融環(huán)境下,如何有效地防范風(fēng)險特別是信用風(fēng)險是我國銀行業(yè)面臨的重大課題,而在信用風(fēng)險的防范和管理中,信用風(fēng)險的度量是最基礎(chǔ)也是最首要的工作。本文從商業(yè)銀行信用風(fēng)險的概念,涵義及特征出發(fā)從風(fēng)險度量這一角度著手,對商業(yè)銀行的信用風(fēng)險度量方法—VaR及其改進(jìn)方法CVaR的來源、概念、參數(shù)、特點相關(guān)闡述并且,在此基礎(chǔ)上介紹了幾種信用風(fēng)險度量模型。接下來通過對CreditMetrics模型的適當(dāng)修正引進(jìn)以CVaR值為代表的CreditMetrics信用風(fēng)險度量模型。CreditMetrics模型是J.P摩根銀行1997年提出的一種基于VaR的信用風(fēng)險測量模型。本文主體部分結(jié)合我國商業(yè)銀行的實際情況用基于CVaR的CreditMetrics模型對我國某銀行的一筆組合貸款進(jìn)行了實證分析。對CreditMetrics模型的輸入?yún)?shù)進(jìn)行了相應(yīng)的修正在得出VaR結(jié)... 

【文章來源】：長沙理工大學(xué)湖南省

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

信用風(fēng)險的概率分布特征

9）中xF 是 X 的累積分布函數(shù)故：1( )xVaR F α = 19）代入公式（3. 20）可得：1( ) ( | ) ( 1VaRCVaR X E X X VaR xf xα αα+∞= ≥ = ∫ ）中 f ( x )為隨機變量 X 的概率密度函數(shù)。為了( X α)+ =max(X-α ，0)，則：{ [ ] }1( ) inf :1CVaR X E X iαα α αα+= + ∈ 被稱作平均超額損失 (Mean Excess Loss) 或平部 VaR。從數(shù)學(xué)意義上講，CVaR 是指大于 V了損失超過 VaR 值時投資組合可能遭受的潛能體現(xiàn)潛在的風(fēng)險價值。圖 3.1 清晰地表明了

行嚴(yán)密監(jiān)控等手段，來降低風(fēng)險，優(yōu)化資產(chǎn)組合。而高風(fēng)險念仍然是受投資者所青睞的，案例銀行在追求高回報的同時，整到可接受的范圍內(nèi)，使 CVaR 損失不超出自己的風(fēng)險承擔(dān)界案例銀行貸款組合的最優(yōu)化結(jié)果。 4.1 為 VaR 和 CVaR 在到期日前的 60 天內(nèi)的走勢圖，如下


本文編號：3321195