本文關(guān)鍵詞：組合信用風(fēng)險模型及應(yīng)用研究

  更多相關(guān)文章： 組合信用風(fēng)險 信用風(fēng)險管理 信用衍生品定價 債券組合 合成CDO

【摘要】：組合信用風(fēng)險研究在信用資產(chǎn)風(fēng)險管理和多標(biāo)的信用衍生品定價方面具有重要作用。2008年金融危機(jī)爆發(fā)后，金融監(jiān)管部門對銀行等金融行業(yè)機(jī)構(gòu)施加更加嚴(yán)格的監(jiān)管，對它們的組合風(fēng)險管理能力提出更高的要求；另一方面，金融危機(jī)的發(fā)生也進(jìn)一步暴露了單因子高斯模型用于以合成CDO為代表的多標(biāo)的信用衍生品定價所存在的缺陷。面對當(dāng)前全球經(jīng)濟(jì)不景氣以及信用質(zhì)量惡化的大壞境，如何提出更合理的組合信用風(fēng)險模型管理信用風(fēng)險、評估信用衍生品價值已成為學(xué)術(shù)界和實(shí)業(yè)界共同關(guān)注的熱點(diǎn)課題。 組合信用風(fēng)險模型研究的核心在于如何刻畫各個信用主體之間的相關(guān)性，進(jìn)而建立起各主體信用遷移之間或違約之間的相關(guān)性。本文將針對現(xiàn)有模型在組合信用風(fēng)險管理或多標(biāo)的信用衍生品定價方面的某些不足，建立一些與市場經(jīng)驗(yàn)事實(shí)更吻合的新模型。本文具體的主要工作和貢獻(xiàn)有以下幾點(diǎn)： 第一，運(yùn)用分組關(guān)聯(lián)函數(shù)為度量債券組合信用風(fēng)險建模�？紤]到債券組合的債券發(fā)行公司來自不同行業(yè)，盡管這些公司都受系統(tǒng)風(fēng)險影響，但每個行業(yè)都有各自行業(yè)具體的風(fēng)險，因此為債券組合信用風(fēng)險建模時需考慮行業(yè)之間的差異。本文運(yùn)用分組分組關(guān)聯(lián)函數(shù)將行業(yè)先分類，然后再綜合。該模型能使同行業(yè)公司之間的債券信用風(fēng)險相關(guān)性大于不同行業(yè)之間的相關(guān)性。實(shí)證分析表明，分組關(guān)聯(lián)函數(shù)模型比不考慮行業(yè)差異的關(guān)聯(lián)函數(shù)模型更能刻畫組合的極端風(fēng)險。 第二，運(yùn)用極值理論建立一個用于研究債券組合信用風(fēng)險的離散形式首次通過時間模型。以公司的年度或半年最大負(fù)日對數(shù)收益率作為狀態(tài)變量，然后運(yùn)用極值理論得到各狀態(tài)變量的分布函數(shù)；最后考慮到違約的行業(yè)、地區(qū)聚集性，利用多元極值關(guān)聯(lián)函數(shù)——分層Gumbel關(guān)聯(lián)函數(shù)建立狀態(tài)變量之間的聯(lián)系。該模型可看成是以Merton違約為基礎(chǔ)的CreditMetrics模型在Black-Cox違約情形中的對應(yīng)物。實(shí)證分析表明，該模型比CreditMetrics模型和不分層Gumbel關(guān)聯(lián)函數(shù)模型所得違約損失的高分位數(shù)尾部更厚，即就壓力測試而言，該模型相對更為審慎。 第三，在結(jié)構(gòu)模型框架內(nèi)，運(yùn)用經(jīng)濟(jì)時間（時變）布朗運(yùn)動建立非連續(xù)、具有跳躍性的資產(chǎn)價值過程以及考慮公司資產(chǎn)價值為Hawkes跳躍擴(kuò)散過程情形下的違約相關(guān)性。由于存在違約突發(fā)性，我們建立一個以獨(dú)立經(jīng)濟(jì)時間為“基底”，個體經(jīng)濟(jì)時間為“基底”線性組合的多元違約相關(guān)性模型。該模型能刻畫違約突發(fā)性，且能刻畫從違約獨(dú)立到違約完全相依的各種關(guān)系。另一方面，由于金融市場中的資產(chǎn)價格存在波動率聚集現(xiàn)象，即資產(chǎn)價格大的波動常被另一個大的波動跟隨，利用能刻畫跳躍聚集的Hawkes過程取代泊松過程建立服從跳躍擴(kuò)散過程的資產(chǎn)價值。模型中的每個資產(chǎn)價值過程中有兩個獨(dú)立的Hawkes過程，，其中一個刻畫公共的跳躍，另一個刻畫個體的跳躍。從而通過資產(chǎn)價值過程中的相關(guān)布朗運(yùn)動和公共Hawkes過程建立起違約相關(guān)性。數(shù)值結(jié)果表明，資產(chǎn)價值過程的公共期望跳躍次數(shù)的增加并一定會增加違約相關(guān)性，但公共跳躍的聚集程度越高，則違約相關(guān)系數(shù)越大；此外，個體跳躍聚集程度越高，則違約相關(guān)系數(shù)越小。 第四，利用MGB2分布為違約時間建模并用之為合成CDO定價。與期權(quán)市場中觀察到的隱含波動率微笑類似，合成CDO市場中觀察到隱含相關(guān)系數(shù)微笑，這說明市場基準(zhǔn)模型——單因子高斯模型用于合成CDO定價不夠理想。由于隱含相關(guān)系數(shù)并不始終存在，從而以基相關(guān)系數(shù)作為判斷模型優(yōu)劣的標(biāo)準(zhǔn)更為合理。從基相關(guān)系數(shù)角度看，MGB2模型具有很強(qiáng)的彈性；當(dāng)模型中的參數(shù)變化時，它能生成各種形狀的基相關(guān)系數(shù)。此外，與雙t分布一樣，MGB2模型能很好地?cái)M合市場價格隱含的基相關(guān)系數(shù)，但市場標(biāo)準(zhǔn)模型和Clayton模型無法實(shí)現(xiàn)該點(diǎn)。
【關(guān)鍵詞】：組合信用風(fēng)險 信用風(fēng)險管理 信用衍生品定價 債券組合 合成CDO
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2014
【分類號】：F224;F830.91
【目錄】：

• 摘要5-7
• Abstract7-13
• 表格目錄13-14
• 插圖目錄14-16
• 第一章 緒論16-22
• 1.1 研究背景與意義16-18
• 1.1.1 研究背景16-17
• 1.1.2 研究意義17-18
• 1.2 研究內(nèi)容與方法18-21
• 1.2.1 研究內(nèi)容18-19
• 1.2.2 研究方法19-21
• 1.3 本文的創(chuàng)新點(diǎn)21-22
• 第二章 文獻(xiàn)回顧與評述22-32
• 2.1 信用風(fēng)險模型22-25
• 2.1.1 結(jié)構(gòu)模型22-24
• 2.1.2 簡約模型24-25
• 2.2 組合信用風(fēng)險模型25-31
• 2.2.1 自底而上方法25-30
• 2.2.2 自頂而下方法30-31
• 2.3 本章小結(jié)31-32
• 第三章 基于分組關(guān)聯(lián)函數(shù)的債券組合信用風(fēng)險模型32-44
• 3.1 關(guān)聯(lián)函數(shù)理論簡介32-36
• 3.1.1 關(guān)聯(lián)函數(shù)32-34
• 3.1.2 分組關(guān)聯(lián)函數(shù)34-35
• 3.1.3 秩相關(guān)系數(shù)35
• 3.1.4 尾部相依系數(shù)35-36
• 3.2 單種債券信用風(fēng)險模型36-37
• 3.3 債券組合模型37-39
• 3.4 實(shí)證分析39-41
• 3.5 模型比較41-43
• 3.6 本章小結(jié)43-44
• 第四章 基于極值理論的債券組合信用風(fēng)險模型44-68
• 4.1 模型構(gòu)建44-52
• 4.1.1 極值理論和狀態(tài)變量的邊際分布46-48
• 4.1.2 分層 Gumbel 關(guān)聯(lián)函數(shù)和狀態(tài)變量的聯(lián)合分布48-50
• 4.1.3 參數(shù)估計(jì)與模擬算法50-52
• 4.2 實(shí)證分析52-67
• 4.2.1 數(shù)據(jù)52-53
• 4.2.2 參數(shù)估計(jì)值及擬合優(yōu)度檢驗(yàn)53-57
• 4.2.3 債券組合信用風(fēng)險度量57-67
• 4.3 本章小結(jié)67-68
• 第五章 經(jīng)濟(jì)時間框架內(nèi)的組合違約模型68-83
• 5.1 經(jīng)濟(jì)時間與從屬子68-71
• 5.2 兩個信用主體的違約相關(guān)性71-76
• 5.2.1 模型71-73
• 5.2.2 比較靜態(tài)分析73-75
• 5.2.3 應(yīng)用75-76
• 5.3 多個信用主體的違約相關(guān)性76-82
• 5.3.1 模型構(gòu)建76-77
• 5.3.2 模型求解77-79
• 5.3.3 模型分析79
• 5.3.4 數(shù)值算例79-82
• 5.4 本章小結(jié)82-83
• 第六章 基于 Hawkes 跳躍擴(kuò)散過程的違約相關(guān)性模型83-102
• 6.1 Hawkes 過程83-85
• 6.1.1 概念及定義83-85
• 6.1.2 模擬 Hawkes 過程85
• 6.2 公司資產(chǎn)價值過程85-89
• 6.3 違約概率和違約相關(guān)系數(shù)89-92
• 6.4 數(shù)值算例92-101
• 6.4.1 模型比較及結(jié)論92-97
• 6.4.2 違約概率的敏感性分析97-99
• 6.4.3 違約相關(guān)系數(shù)的敏感性分析99-101
• 6.5 本章小結(jié)101-102
• 第七章 多標(biāo)的信用衍生品定價模型102-122
• 7.1 單因子模型和 MGB2 分布102-106
• 7.1.1 單因子模型102-103
• 7.1.2 MGB2 分布及其性質(zhì)103-105
• 7.1.3 違約時間聯(lián)合分布105-106
• 7.2 多標(biāo)的衍生品定價模型106-115
• 7.2.1 違約數(shù)分布和第個違約發(fā)生時間分布106-107
• 7.2.2 第個違約互換107-108
• 7.2.3 合成 CDO 定價108-111
• 7.2.4 資產(chǎn)塊年化保險金率對參數(shù)的單調(diào)性111-115
• 7.3 合成 CDO 分塊的市場價格與模型價格比較115-120
• 7.3.1 價格115-116
• 7.3.2 隱含（合成）相關(guān)系數(shù)與基相關(guān)系數(shù)116-120
• 7.4 本章小結(jié)120-122
• 結(jié)論122-124
• 參考文獻(xiàn)124-132
• 攻讀博士學(xué)位期間取得的研究成果132-133
• 致謝133-134
• 附件134

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前9條

1 史永東;武軍偉;;基于Levy Copula的組合信用衍生品定價模型[J];財(cái)經(jīng)問題研究;2009年10期

2 馬麗;權(quán)聰娜;李博;;基于Copula-Monte Carlo的我國商業(yè)銀行整合風(fēng)險度量[J];系統(tǒng)工程;2010年09期

3 韓立巖;陳文麗;;貸款組合中違約傳染的機(jī)理研究[J];金融研究;2006年07期

4 白保中;宋逢明;朱世武;;Copula函數(shù)度量我國商業(yè)銀行資產(chǎn)組合信用風(fēng)險的實(shí)證研究[J];金融研究;2009年04期

5 歐陽資生;王非;;基于Copula方法的國債市場相依風(fēng)險度量[J];統(tǒng)計(jì)研究;2008年07期

6 吳恒煜;李冰;嚴(yán)武;;投資組合信用風(fēng)險的測度和優(yōu)化——基于Copula理論[J];軟科學(xué);2010年12期

7 李健倫,方兆本,魯煒,李紅星;Copula方法與相依違約研究[J];運(yùn)籌與管理;2005年03期

8 詹原瑞;韓鐵;馬珊珊;;基于copula函數(shù)族的信用違約互換組合定價模型[J];中國管理科學(xué);2008年01期

9 鄭玉華;張滌新;;貸款組合中違約傳染的ACD模型[J];中國科學(xué)技術(shù)大學(xué)學(xué)報(bào);2009年12期

本文編號：763902