本文選題：信貸類理財(cái)產(chǎn)品 + 信用風(fēng)險(xiǎn)�。� 參考：《福州大學(xué)》2014年碩士論文

【摘要】：隨著信貸類理財(cái)產(chǎn)品的推出,其運(yùn)作模式為銀行、信托以及需要資金的企業(yè)提供了便利。銀行通過與信托公司合作發(fā)行理財(cái)產(chǎn)品,將募集的理財(cái)資金投向需要資金的企業(yè)。信貸類理財(cái)產(chǎn)品一經(jīng)推出,很快搶占了理財(cái)產(chǎn)品市場(chǎng)。但是,該類理財(cái)產(chǎn)品潛藏的信用風(fēng)險(xiǎn)卻往往被投資者所忽視,投資者錯(cuò)誤地將銀行信用等同于產(chǎn)品信用,實(shí)際上,銀行并不承擔(dān)產(chǎn)品的兜底責(zé)任。一旦融資企業(yè)發(fā)生違約,投資者將遭受損失。因此,研究信貸類理財(cái)產(chǎn)品的信用風(fēng)險(xiǎn)具有現(xiàn)實(shí)意義,融資企業(yè)信用風(fēng)險(xiǎn)的大小直接影響著信貸類理財(cái)產(chǎn)品實(shí)際的收益率水平。本文采用向下敲出看漲障礙期權(quán)(DOC)模型的框架,結(jié)合變數(shù)據(jù)極大似然估計(jì)和Nelder-Mead的單純形算法,估計(jì)融資企業(yè)的違約概率,從而反映融資企業(yè)的信用風(fēng)險(xiǎn)大小。接著,建立融資企業(yè)違約概率和信貸類理財(cái)產(chǎn)品期望收益率的關(guān)系。通過數(shù)學(xué)期望的定義推導(dǎo)了理財(cái)產(chǎn)品期望收益率的測(cè)算公式,旨在和產(chǎn)品說明書上的預(yù)期收益率進(jìn)行比較。最后,從風(fēng)險(xiǎn)分散和風(fēng)險(xiǎn)對(duì)沖兩個(gè)角度,提出信貸類理財(cái)產(chǎn)品的風(fēng)險(xiǎn)控制策略。本文創(chuàng)新性地引入向下敲出看漲障礙期權(quán)模型研究信貸類理財(cái)產(chǎn)品的信用風(fēng)險(xiǎn)問題,并且嘗試從微觀層面闡述風(fēng)險(xiǎn)控制策略,更具實(shí)用性和針對(duì)性。本文首先選取60家滬深上市公司作為研究樣本,并將樣本分為ST公司和非ST公司兩類,研究DOC模型的適用性。實(shí)證結(jié)果表明,DOC模型能夠較好的區(qū)分兩類公司的信用風(fēng)險(xiǎn)差異。接著,本文運(yùn)用ROC檢驗(yàn)方法對(duì)DOC模型和KMV模型進(jìn)行比較,檢驗(yàn)結(jié)果表明,DOC模型對(duì)于信用風(fēng)險(xiǎn)的鑒別能力要強(qiáng)于KMV模型。再者,選取20款中國(guó)建設(shè)銀行“利得盈”、“建行財(cái)富·信托貸款類”兩個(gè)系列下理財(cái)資金投向?yàn)閱蝹�(gè)上市公司的信貸類理財(cái)產(chǎn)品。利用DOC模型度量融資企業(yè)的信用風(fēng)險(xiǎn)大小,計(jì)算出融資企業(yè)的違約概率。最后,利用違約概率結(jié)果重新測(cè)算理財(cái)產(chǎn)品的收益率,結(jié)果表明重新測(cè)算的產(chǎn)品期望收益率要普遍低于產(chǎn)品說明書上揭示的預(yù)期收益率,信貸類理財(cái)產(chǎn)品的信用風(fēng)險(xiǎn)被明顯低估,產(chǎn)品說明書上的產(chǎn)品收益率沒有兌付保障。
[Abstract]:With the introduction of credit products, its operating mode provides convenience for banks, trusts and enterprises in need of capital. Banks distribute wealth management products in partnership with trust companies and invest the funds raised in enterprises in need of funds. Credit products once launched, quickly seized the market for financial products. However, the hidden credit risk of this kind of financial products is often ignored by investors. Investors mistakenly equate bank credit with product credit. In fact, banks do not bear the bottom responsibility of products. Once the financing company defaults, investors will suffer losses. Therefore, it is of practical significance to study the credit risk of credit financing products. The size of credit risk of financing enterprises directly affects the actual level of return rate of credit financing products. This paper uses the framework of down knock out call barrier option (DOC) model, combined with variable data maximum likelihood estimation and Nelder-Mead simplex algorithm to estimate the default probability of financing enterprises, thus reflecting the credit risk of financing enterprises. Then, the relationship between the default probability of financing enterprises and the expected rate of return of credit products is established. Through the definition of mathematical expectation, the paper deduces the formula for calculating the expected rate of return of financial products, aiming at comparing it with the expected rate of return on the product specification. Finally, from the two angles of risk dispersion and risk hedging, the risk control strategy of credit financial products is put forward. In this paper, the credit risk problem of credit financing products is studied by introducing down-knock call barrier option model, and the risk control strategy is expounded from the micro level, which is more practical and targeted. In this paper, 60 companies listed in Shanghai and Shenzhen are selected as the research samples, and the samples are divided into St company and non-St company. The applicability of DOC model is studied. The empirical results show that the DOC model can distinguish the credit risk differences between the two types of companies. Then, this paper compares the DOC model with the KMV model by using ROC test method. The results show that the DOC model is better than the KMV model in identifying credit risk. Furthermore, 20 types of China Construction Bank "profit surplus" and "China Construction Bank Wealth Trust and loan" are selected to invest in credit products for a single listed company under the two series of wealth management funds. The DOC model is used to measure the credit risk of the financing enterprises, and the default probability of the financing enterprises is calculated. Finally, the rate of return of wealth management products is recalculated with the result of default probability. The result shows that the expected rate of return of the recalculated product is generally lower than the expected rate of return as shown in the product description. The credit risk of credit products is obviously underestimated, and the product yield on the product specification is not guaranteed.
【學(xué)位授予單位】：福州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F832.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊軍戰(zhàn);;價(jià)格與隱含遠(yuǎn)期違約概率[J];經(jīng)濟(jì)數(shù)學(xué);2007年02期

2 張?zhí)K林;;信貸違約概率測(cè)算方法及其應(yīng)用研究[J];洛陽(yáng)理工學(xué)院學(xué)報(bào)(社會(huì)科學(xué)版);2010年03期

3 慕文濤;黨宇峰;王娜;;“公共品”信用評(píng)級(jí)模式下的公司違約概率預(yù)測(cè)[J];現(xiàn)代管理科學(xué);2013年01期

4 于立勇,詹捷輝;基于Logistic回歸分析的違約概率預(yù)測(cè)研究[J];財(cái)經(jīng)研究;2004年09期

5 陳東海,謝赤;信用風(fēng)險(xiǎn)管理中違約概率的估算方法[J];統(tǒng)計(jì)與決策;2005年13期

6 武次冰;易宇;武鍶芪;;貸款違約概率測(cè)算方法:違約比例模型[J];統(tǒng)計(jì)與決策;2010年06期

7 王穎;聶廣禮;石勇;;基于信用評(píng)分模型的我國(guó)商業(yè)銀行客戶違約概率研究[J];管理評(píng)論;2012年02期

8 王小明;;關(guān)于一類廣義可加違約概率模型的探討[J];系統(tǒng)工程理論與實(shí)踐;2008年06期

9 陳詩(shī)一;;德國(guó)公司違約概率預(yù)測(cè)及其對(duì)我國(guó)信用風(fēng)險(xiǎn)管理的啟示[J];金融研究;2008年08期

10 潘亮;李軍;楊曉光;;一種基于樣本配比的違約概率估計(jì)方法及其應(yīng)用[J];科技促進(jìn)發(fā)展;2011年11期

相關(guān)會(huì)議論文 前3條

1 朱訓(xùn);梁雪春;;基于區(qū)間數(shù)的商業(yè)銀行信貸違約概率測(cè)算研究[A];江蘇省系統(tǒng)工程學(xué)會(huì)第十一屆學(xué)術(shù)年會(huì)論文集[C];2009年

2 張大斌;周志剛;劉雯;焦鵬;;上市公司最優(yōu)違約系數(shù)的不確定性DE-KMV測(cè)算模型[A];中國(guó)系統(tǒng)工程學(xué)會(huì)第十八屆學(xué)術(shù)年會(huì)論文集——A10系統(tǒng)工程方法在金融、投資、保險(xiǎn)業(yè)等領(lǐng)域的研究[C];2014年

3 陳林;周宗放;;基于倒數(shù)GAMMA分布的控股公司違約概率研究[A];第八屆（2013）中國(guó)管理學(xué)年會(huì)——金融分會(huì)場(chǎng)論文集[C];2013年

相關(guān)重要報(bào)紙文章 前8條

1 農(nóng)總行信貸管理部信貸風(fēng)險(xiǎn)評(píng)級(jí)管理處供稿;違約概率的度量[N];中國(guó)城鄉(xiāng)金融報(bào);2005年

2 本報(bào)記者 李金明;德意志銀行：希臘主權(quán)債務(wù)違約概率75%[N];證券日?qǐng)?bào);2011年

3 記者 朱周良　編輯 朱賢佳;希臘違約概率驟增 緊張情緒波及股市[N];上海證券報(bào);2010年

4 西南財(cái)經(jīng)大學(xué)信托與理財(cái)研究所;創(chuàng)新還是噱頭?[N];證券時(shí)報(bào);2006年

5 許一覽;信用債選擇須看指標(biāo)[N];上海金融報(bào);2009年

6 瞿強(qiáng);次貸危機(jī)評(píng)估：美國(guó)的損失與其他市場(chǎng)的損失[N];上海證券報(bào);2008年

7 本報(bào)記者　 張煒;銀行理財(cái)產(chǎn)品不是沒有風(fēng)險(xiǎn)[N];中國(guó)經(jīng)濟(jì)時(shí)報(bào);2006年

8 西南證券 執(zhí)筆 匡榮彪 何可 朱仲華;債券違約常態(tài)化或?qū)⒊蔀橐环N趨勢(shì)[N];上海證券報(bào);2014年

相關(guān)博士學(xué)位論文 前6條

1 洪波;商業(yè)銀行公司授信違約概率預(yù)測(cè)方法研究[D];合肥工業(yè)大學(xué);2014年

2 季峰;我國(guó)商業(yè)銀行消費(fèi)信貸違約概率模型研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

3 許一覽;人民幣對(duì)公貸款違約概率計(jì)量模型研究[D];復(fù)旦大學(xué);2014年

4 麥強(qiáng);基于違約概率和回收率負(fù)相關(guān)假設(shè)的信用風(fēng)險(xiǎn)模型研究[D];哈爾濱工業(yè)大學(xué);2006年

5 孟紋羽;我國(guó)商業(yè)銀行風(fēng)險(xiǎn)傳染效應(yīng)實(shí)證研究[D];山東大學(xué);2015年

6 殷波;房地產(chǎn)泡沫與金融危機(jī)[D];華中科技大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 田林;上市公司違約概率與商業(yè)銀行潛在信用風(fēng)險(xiǎn)的度量[D];遼寧大學(xué);2015年

2 黃荔莉;我國(guó)商業(yè)銀行信貸類理財(cái)產(chǎn)品信用風(fēng)險(xiǎn)研究[D];福州大學(xué);2014年

3 王芳;初探經(jīng)濟(jì)周期條件下的違約概率計(jì)算[D];吉林大學(xué);2006年

4 吳琪;銀行貸款違約概率測(cè)量方法研究[D];武漢大學(xué);2005年

5 潘亮;一種基于樣本配比的違約概率估計(jì)方法及應(yīng)用[D];長(zhǎng)沙理工大學(xué);2012年

6 劉佳;基于時(shí)點(diǎn)法測(cè)算違約概率的跨周期修正[D];湖南大學(xué);2011年

7 李慧萍;我國(guó)城投債違約概率的影響因素與計(jì)量研究[D];復(fù)旦大學(xué);2014年

8 郭世明;基于貝葉斯估計(jì)的違約概率的測(cè)算研究[D];哈爾濱工業(yè)大學(xué);2010年

9 朱魯秀;特別處理公司違約概率估計(jì)的實(shí)證研究[D];山東農(nóng)業(yè)大學(xué);2006年

10 周文強(qiáng);商業(yè)銀行信貸違約概率的研究[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2007年

，

本文編號(hào)：1843065