本文關鍵詞：基于Copula函數的行業(yè)信用風險相關性研究，由筆耕文化傳播整理發(fā)布。

【摘要】：信用風險是一類重要的金融風險,也是金融界始終關注的問題。隨著金融市場的開放程度不斷增強,經濟主體間的經濟聯系越來越緊密,信用風險呈現出新的特點,即信用風險相關性。往往會出現一個經濟主體的信用違約事件會在短時間內傳染到其他經濟主體,導致其他經濟主體信用狀況的惡化甚至破產。這就使得小范圍的信用風險可能通過經濟主體之間的傳染和擴散導致整個經濟環(huán)境的不穩(wěn)定,引發(fā)嚴重的金融危機。在信用風險傳染事件不斷發(fā)生的背景下,只考慮單個經濟主體的信用風險已經不能適應復雜的金融環(huán)境的變化,信用風險相關性的研究在信用風險管理中占有越來越重要的地位。本文圍繞行業(yè)信用風險的度量和相關性研究兩個問題展開,在對信用風險及其相關性理論進行系統(tǒng)分析的基礎上,結合KMV模型和Copula函數構建行業(yè)信用風險相關性研究框架。本文具體的工作如下:首先對KMV模型進行修正,從單個上市公司的角度驗證了KMV模型的違約距離對上市公司信用風險的識別能力,為宏觀層面的行業(yè)信用風險的衡量指標的構建提供了微觀基礎;然后以批發(fā)業(yè)和零售業(yè)為例,基于對單一Copula函數相關性特點的實證分析,本文構建了M-Copula函數擬合兩行業(yè)違約距離之間的相關結構,分析兩行業(yè)信用風險的相關性。研究結果表明,不同的Copula函數分別側重不同的相關性特征描述,單一的Copula函數只能描述兩行業(yè)違約距離相關結構的一個側面;而M-Copula函數能夠很好地描述批發(fā)業(yè)和零售業(yè)違約距離相關關系,靈活地捕捉兩行業(yè)違約距離相關性特征的變化。通過對批發(fā)業(yè)和零售業(yè)違約距離的相關結構分析發(fā)現,兩行業(yè)信用風險之間存在非對稱的相關關系,并且在下尾部具有較強的相關性,說明當其中一個行業(yè)的信用風險變大時,另一個行業(yè)的信用風險也隨之變大的可能性大大增加,即信用狀況惡化時兩行業(yè)信用風險的相關性明顯增強。商業(yè)銀行在選擇信貸組合時,要將行業(yè)信用風險的相關性考慮在內,不要過度集中于這兩個行業(yè)或者與其類似的兩個行業(yè),避免因兩行業(yè)較強的下尾部相關性造成信貸組合在遭受負的沖擊時信用風險的急劇惡化。
【關鍵詞】：信用風險 相關性 KMV模型 Copula函數
【學位授予單位】：山東財經大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F831.5;F224
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-23
• 1.1 研究背景和研究意義11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意義12-13
• 1.2 文獻綜述13-18
• 1.2.1 信用風險度量研究綜述13-15
• 1.2.2 信用風險相關性研究綜述15-18
• 1.2.3 總體評價18
• 1.3 研究思路和內容18-21
• 1.3.1 研究思路18-20
• 1.3.2 研究內容20-21
• 1.4 創(chuàng)新點與不足21-23
• 1.4.1 論文創(chuàng)新點21-22
• 1.4.2 論文不足和改進方向22-23
• 第2章 信用風險相關性理論與度量23-37
• 2.1 信用風險及其形成原因23-25
• 2.1.1 信用風險23
• 2.1.2 信用風險形成的原因23-25
• 2.2 信用風險相關性及其影響因素25-27
• 2.2.1 信用風險相關性25
• 2.2.2 信用風險相關性的影響因素25-27
• 2.3 信用風險度量模型-KMV模型27-29
• 2.4 信用風險相關性度量-Copula函數29-36
• 2.4.1 Copula函數定義及其分類30-33
• 2.4.2 Copula函數的參數估計方法33-34
• 2.4.3 Copula函數的評價方法34
• 2.4.4 基于Copula函數的相關性測度34-36
• 2.5 本章小結36-37
• 第3章 行業(yè)信用風險衡量指標的選擇37-46
• 3.1 KMV模型的修正37-38
• 3.1.1 股權市場價值問題37
• 3.1.2 違約點問題37-38
• 3.2 違約距離的識別能力分析38-44
• 3.2.1 樣本的選取及數據來源38-39
• 3.2.2 違約距離的的計算39-42
• 3.2.3 違約距離對信用風險的識別能力分析42-44
• 3.3 行業(yè)信用風險衡量指標的構建44-45
• 3.4 本章小結45-46
• 第4章 基于Copula函數的行業(yè)信用風險相關性實證分析46-59
• 4.1 樣本的選取46-47
• 4.2 基于Copula函數的實證研究47-55
• 4.2.1 邊緣分布的確定47-50
• 4.2.2 Copula函數的選取50-51
• 4.2.3 單一Copula函數的參數估計結果與評價51-53
• 4.2.4 M-Copula函數的參數估計結果與評價53-55
• 4.3 批發(fā)業(yè)與零售業(yè)行業(yè)信用風險相關性分析55-57
• 4.4 本章小結57-59
• 第5章 結論與相關政策建議59-61
• 5.1 研究結論59-60
• 5.2 政策建議60-61
• 總結61-62
• 參考文獻62-66
• 致謝66

【參考文獻】

中國期刊全文數據庫 前10條

1 李鈺;朱衛(wèi)兵;;KMV模型在我國的實務化[J];財經科學;2009年03期

2 羅長青;歐陽資生;;基于藤結構Copula的多元信用風險相關性度量模型及其比較[J];財經理論與實踐;2012年06期

3 熊正德;冷梅;;KMV和Apriori算法在上市公司信用風險傳染中的應用[J];湖南大學學報(社會科學版);2010年03期

4 薛鋒;董穎穎;石雨欣;;上市公司違規(guī)行為對違約距離和預期違約率影響的實證研究——兼論KMV模型的修正[J];經濟管理;2005年20期

5 趙麗琴;戎愛萍;;信用風險度量及其組合管理中的相關性研究——Copula函數的引進[J];經濟問題;2008年08期

6 白保中;宋逢明;朱世武;;Copula函數度量我國商業(yè)銀行資產組合信用風險的實證研究[J];金融研究;2009年04期

7 謝銓;;基于Copula的信用風險經濟資本計量模型及應用[J];科學技術與工程;2011年17期

8 李磊寧;張凱;;KMV模型的修正及在我國上市公司信用風險度量中的應用[J];首都經濟貿易大學學報;2007年04期

9 張智梅;章仁俊;;KMV模型的改進及對上市公司信用風險的度量[J];統(tǒng)計與決策;2006年18期

10 陳敏;彭志云;馮偉;鄧飚才;;基于KMV模型的我國農業(yè)銀行信用風險管理實證研究[J];統(tǒng)計與決策;2012年01期

中國博士學位論文全文數據庫 前1條

1 劉瓊芳;基于Copula理論的金融時間序列相依性研究[D];重慶大學;2010年

中國碩士學位論文全文數據庫 前1條

1 安文俊;基于Copula的信用違約互換定價模型應用研究[D];華中科技大學;2010年

  本文關鍵詞：基于Copula函數的行業(yè)信用風險相關性研究，，由筆耕文化傳播整理發(fā)布。

本文編號：462512