本文關鍵詞：不完全信息下信用風險度量結(jié)構(gòu)模型和應用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：從20世紀90年代以來,金融危機在世界范圍內(nèi)頻繁爆發(fā),特別是2008年美國次級債危機,2009年希臘主權(quán)債務危機和從2010年發(fā)生持續(xù)至今的一系列歐洲主權(quán)債務危機。較大范圍信用危機的一再發(fā)生表明,投資者和金融監(jiān)管部門要反思現(xiàn)有的信用風險度量、控制和管理。除了從制度和市場層面的原因來分析信用危機頻發(fā)的原因之外,也有學者(比如Guo L.(2013))提出,現(xiàn)有的信用產(chǎn)品定價機制存在一定的缺陷：忽視了“不完全信息”因素。正是這種忽視為信用危機的發(fā)生埋藏了技術性隱患。事實上,對“不完全信息”的忽視會導致對信用風險的低估,造成對違約概率、信用價差和違約傳染等信用指標度量的偏差。從債券托管余額規(guī)模來看,中國已經(jīng)成為全球第三大債券市場。然而,伴隨著中國債券市場規(guī)模的快速增長和產(chǎn)品品種的不斷的多樣化,債券市場的信用違約風險不斷累積。無論是2013年的債市監(jiān)管風暴,還是2014年中國債券市場歷史上首宗違約事件“11超日債”違約,都表明中國債券市場上存在嚴重的信息不完全問題,信息披露制度和信用債定價機制需要進一步的完善和市場化。另外,可以對沖信用風險的信用衍生品市場的發(fā)展也嚴重滯后。從微觀層面來看,促進信用產(chǎn)品市場的健康發(fā)展,信用產(chǎn)品設計和定價是保障信用產(chǎn)品市場發(fā)展的技術因素�，F(xiàn)有的信用風險度量理論和應用模型大都是以“完全信息”為基本假設,歐美一系列信用危機表明,完全信息假設條件下的信用風險模型,并非完全適用于金融市場較為發(fā)達的歐美等國,更無法被直接用于“信息不完全較為嚴重的”中國金融市場。因此,如何構(gòu)建不完全信息條件下的信用風險度量的理論模型,如何對模型進行變量和參數(shù)的估計以及將其應用于信用風險的量化、定價和對沖,是一個具有理論和現(xiàn)實意義的課題。在現(xiàn)代信用風險度量理論框架下,量化信用風險的理論模型通常被劃分成兩類：信用風險簡約模型和信用風險結(jié)構(gòu)模型。簡約模型沒有考慮違約背后的經(jīng)濟學原因,建模的起點是直接假設違約強度服從某個隨機過程,因此簡約模型結(jié)果更多取決于對違約強度的人為設定,存在較大的模型設定風險。與之相反,信用風險結(jié)構(gòu)模型,從描述企業(yè)本身的資本結(jié)構(gòu)入手開始建模,它強調(diào)違約背后的經(jīng)濟學原因,這對于深刻理解企業(yè)信用風險的內(nèi)在原因和債券市場上信用價差的變化機理更為有利。已有的信用風險結(jié)構(gòu)模型大都是建立在“完全信息”假設之上,然而在實際的應用中,完全信息結(jié)構(gòu)模型會遇到“信用價差之謎”的現(xiàn)象。造成這個現(xiàn)象的一個重要的原因就是：完全信息假設。Duffie and Lando(2001)首次提出并研究了信息質(zhì)量在信用價差估計中的影響。他們假設企業(yè)的財務報告信息是含有噪聲的,即投資者只能獲得企業(yè)資產(chǎn)價值的不完全信息,然后從理論上導出了不完全信息下信用價差的估值公式。該模型解決了原有的結(jié)構(gòu)模型自身固有的違約時間的可料性問題,推出了非零的短期信用價差,而且將結(jié)構(gòu)模型和簡約模型統(tǒng)一到了一個框架內(nèi),得到了一個結(jié)構(gòu)-簡約混合模型。此后一些學者開始探索信息結(jié)構(gòu)對企業(yè)違約概率和債券定價的影響。但是,在現(xiàn)有的基于不完全信息的結(jié)構(gòu)模型研究中,大都假設不完全信息源于無偏的財務報告,而在現(xiàn)實的市場上,財務報告信息通常是具有系統(tǒng)性偏倚的。本文將財務報告信息中的信息扭曲因素引入到信用風險結(jié)構(gòu)模型中,利用“有偏分布”來捕獲財務報告中存在的夸大或者隱瞞真實資產(chǎn)價值的現(xiàn)象,并且獲得了存在信息偏誤條件下資產(chǎn)價值的條件分布、企業(yè)的違約概率和企業(yè)所發(fā)行債券的信用價差的計算公式,最后利用數(shù)值模擬試驗分析了信息的偏誤程度對資產(chǎn)價值的條件分布、違約概率和信用價差的具體影響機制。數(shù)值模擬結(jié)果表明,在一個不確定性的環(huán)境中,由創(chuàng)造性的財務和自由裁量公開所導致的向上的偏倚會導致噪聲和違約概率之間的一個正的、非線性的關系,從而進一步造成違約強度的上升。而由財務保守造成的向下偏倚會導致噪聲和和違約概率(從而和信用價差)之間的負的、非線性的關系。而且通過假設向上的偏倚,模型不僅產(chǎn)生了一個正的短期信用風險溢價,而且也獲得了整個的信用價差的期限結(jié)構(gòu)內(nèi)的非零的信用風險溢價。模型提供了在信息不完全環(huán)境下,更好的理解信用風險和資產(chǎn)價值不確定性之間的關系的新思路。另外,現(xiàn)實的財務報告公示制度中也客觀存在信息公布時間滯后現(xiàn)象,這也會造成信息不完全。本文利用滯后信息濾波來描述證券市場上信息公布的時間滯后,給出了具體量化信息披露中的時間滯后特征的方法,推導了信息滯后下的違約概率和信用價差的理論計算公式。最后利用數(shù)值模擬試驗分析了不同信息滯后期對違約概率、信用價差期限結(jié)構(gòu)的具體影響機制。數(shù)值模擬分析結(jié)果顯示,對于不同的到期日的債券來說,對信息披露的滯后期的影響是不同的：于1年期以內(nèi)的短期債券,信息披露滯后期l的影響最大,對于3-5年期的中短期債券來說,信息披露滯后期l的影響較大,而對于5年以上的中長期債券來說,信息披露滯后期l的影響最小雖然在理論上,結(jié)構(gòu)模型具有非常好的經(jīng)濟學含義和完美的數(shù)學模型形式。但是在將結(jié)構(gòu)模型應用于實踐時面臨一個困難：資產(chǎn)價值和波動率的不可觀測性,這是結(jié)構(gòu)模型應用的根本障礙�，F(xiàn)有的解決思路有Credit Monitor模型(KMV模型),數(shù)據(jù)轉(zhuǎn)換MLE方法和迭代方法。但是,這三種方法應用的基本前提是：市場是完全信息的。首次提出不完全信息條件下估計企業(yè)資產(chǎn)價值的計量經(jīng)濟學方法的是D uan and Fulop(2009),他們在常數(shù)波動率Merton模型分析框架下引入了噪聲信息,利用粒子濾波技術和狀態(tài)變量拓展方法,獲得了資產(chǎn)價值和模型參數(shù)的聯(lián)合估計。不過該方法會導致靜態(tài)參數(shù)估計的非穩(wěn)定異化,這使得該方法存在較大的估計誤差。本文放棄了狀態(tài)變量拓展方法(SL-SIR濾波估計方法),利用基于粒子平滑的EM算法來獲得模型參數(shù)的估計。數(shù)值模擬試驗表明,PSEM算法可以克服SL-SIR濾波估計的靜態(tài)參數(shù)的動態(tài)異化問題,而且LR檢驗表明PSEM估計具有較高的估計精度。最后利用超日太陽能企業(yè)實際數(shù)據(jù)對模型進行了實證分析,實證結(jié)果表明,在正常的市場環(huán)境中,該模型具有較強的適用性,本章模型可以準確的估計出不可觀察的資產(chǎn)價值的變動,估計結(jié)果同現(xiàn)實的市場表現(xiàn)基本一致,從而為進一步進行企業(yè)債務信用風險的度量提供了有力的數(shù)據(jù)保障。此外,大量的實證研究表明,常數(shù)波動率假設會導致Merton模型在估計信用風險測度的時候存在較大的偏倚。本文在噪聲信息環(huán)境下,在Merton模型中引入隨機波動率構(gòu)造了HSV-Merto n信用風險模型,給出了一個雙狀態(tài)變量的(資產(chǎn)價值和波動率)非線性、非高斯狀態(tài)空間模型,設計了“雙狀態(tài)變量輔助粒子濾波(BV-APF)"算法來估計該模型的狀態(tài)變量和模型參數(shù)。數(shù)值模擬試驗結(jié)果顯示,BV-APF粒子濾波技術具有良好的有限樣本績效。最后利用真實數(shù)據(jù)中進行了實證分析,將HSV-Merton模型的同Merton模型的估計進行了對比,并且利用噪聲信息下的HSV-Merton模型進行了實際的信用風險測度,結(jié)果表明HSV-Merton模型比Merton模型更適合于中國市場上信用風險的測度。最后,本文還拓展了利用非線性濾波技術估計結(jié)構(gòu)模型的思路,討論了不完全信息下的更為一般的結(jié)構(gòu)模型Black-Cox模型的計量經(jīng)濟學分析。特別的,利用粒子馬爾科夫蒙特卡洛方法(PMCMC)和廣義Gibbs抽樣算法,對Black-Cox模型分析框架下所有的模型參數(shù)和資產(chǎn)過程進行了聯(lián)合估計。數(shù)值模擬研究表明,廣義Gibbs抽樣方法可以成功的估計參數(shù),尤其是對于模型的參數(shù)μ和σV更是如此。通過采用廣義Gibbs抽樣算法,能夠提高所有的模型參數(shù)估計的收斂的速度。此外,利用市場噪聲信息的相對程度和市場流動性的兩個代理變量之間的相關系數(shù)符號,我們說明了如何根據(jù)波動率精確的反映真實市場的性質(zhì)。最后利用實際數(shù)據(jù)對噪聲信息下的Black-Cox模型進行了實證檢驗,分析結(jié)果表明本文的模型可以作為在不完全信息較為嚴重的環(huán)境中,有效的測度企業(yè)的違約風險和預測債券的信用價差。
【關鍵詞】：不完全信息 信用風險結(jié)構(gòu)模型 粒子濾波技術 數(shù)值模擬 實證分析
【學位授予單位】：山東大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：F832.51;F224
【目錄】：

• 摘要14-18
• ABSTRACT18-21
• 第1章 緒論21-32
• 1.1 問題的提出21-24
• 1.1.1 歐美債務危機、中國信用產(chǎn)品市場與信用風險度量21-22
• 1.1.2 信用風險結(jié)構(gòu)模型“理論研究”的不足和啟示22-23
• 1.1.3 信用風險結(jié)構(gòu)模型的“應用困境”和解決思路23-24
• 1.2 主要概念的界定24-25
• 1.3 研究方法與研究思路25-29
• 1.4 論文的創(chuàng)新與不足29-32
• 第2章 信用風險結(jié)構(gòu)模型理論與應用研究進展及其評述32-46
• 2.1 信用風險結(jié)構(gòu)模型的“理論研究”進展32-38
• 2.1.1 完全信息下的結(jié)構(gòu)模型32-36
• 2.1.2 不完全信息下的結(jié)構(gòu)模型36-38
• 2.2 信用風險結(jié)構(gòu)模型的“應用研究”進展38-44
• 2.2.1 Credit Monitor模型(KMV模型)39-42
• 2.2.2 數(shù)據(jù)轉(zhuǎn)換極大似然估計42-43
• 2.2.3 DF粒子濾波方法43-44
• 2.3 對信用風險結(jié)構(gòu)模型研究的評述44-45
• 2.4 本章小節(jié)45-46
• 第3章 信用風險度量中的不完全信息與定量刻畫46-57
• 3.1 經(jīng)濟金融活動中的不完全信息46-48
• 3.1.1 信息不完全與信息經(jīng)濟學46-47
• 3.1.2 信用風險與信息不完全47-48
• 3.2 對金融市場微觀主體信息的重新界定48-55
• 3.2.1 券市場信息披露的三個基本要求49-50
• 3.2.2 對不完全信息的三類劃分和界定50-52
• 3.2.3 微觀經(jīng)濟主體信息的定量刻畫52-55
• 3.3 本章小結(jié)55-57
• 第4章 有偏噪聲信息和謙后信息下信用風險結(jié)構(gòu)模型57-77
• 4.1 有偏噪聲信息下的信用風險結(jié)構(gòu)模型57-67
• 4.1.1 模型的基本設定和財務信息偏誤58-61
• 4.1.2 財務信息偏誤下的違約概率、債券定價和信用價差61-63
• 4.1.3 信息偏誤對信用風險度量影響的數(shù)值分析63-67
• 4.2 滯后信息下的信用風險結(jié)構(gòu)模型67-75
• 4.2.1 基本模型設定和信息披露滯后68-70
• 4.2.2 信息滯后下的違約概率、債券定價和信用價差70-71
• 4.2.3 信息滯后對信用風險度量影響的數(shù)值分析71-75
• 4.3 本章小結(jié)75-77
• 第5章 不完全信息下信用風險結(jié)構(gòu)模型的應用分析77-83
• 5.1 結(jié)構(gòu)模型應用的關鍵變量——資產(chǎn)價值和波動率77-78
• 5.2 不完全信息下資產(chǎn)價值和波動率的狀態(tài)空間模型78-81
• 5.2.1 基于經(jīng)典Merton模型的資產(chǎn)價值的狀態(tài)空間模型78-79
• 5.2.2 基于HSV-Merton模型的資產(chǎn)價值和波動率的狀態(tài)空間模型79-80
• 5.2.3 基于Black-Cox模型的資產(chǎn)價值的狀態(tài)空間模型80-81
• 5.3 本章小結(jié)81-83
• 第6章 狀態(tài)空間模型與粒子濾波技術83-122
• 6.1 狀態(tài)空間模型的一般形式83-85
• 6.2 狀態(tài)變量的貝葉斯濾波和平滑85-90
• 6.2.1 遞歸貝葉斯濾波85-89
• 6.2.2 遞歸貝葉斯平滑89-90
• 6.3 基于粒子濾波的濾波分布估計90-101
• 6.3.1 標準粒子濾波91-97
• 6.3.2 輔助粒子濾波97-99
• 6.3.3 LC粒子濾波99-100
• 6.3.4 粒子濾波性能評估100-101
• 6.4 基于粒子濾波的平滑分布估計101-103
• 6.4.1 粒子平滑101-102
• 6.4.2 向后-模擬粒子平滑102-103
• 6.5 基于粒子濾波的靜態(tài)參數(shù)估計103-118
• 6.5.1 參數(shù)的后驗分布和最大后驗點估計104-106
• 6.5.2 參數(shù)估計的粒子EM算法(P-EM)106-111
• 6.5.3 參數(shù)估計的粒子MCMC(PMCMC)111-115
• 6.5.4 參數(shù)估計的狀態(tài)擴展法115-118
• 6.6 基于粒子濾波的時變參數(shù)估計118-121
• 6.7 本章小結(jié)121-122
• 第7章 不完全信息下Merton模型的粒子濾波估計122-142
• 7.1 不完全信息下資產(chǎn)價值的狀態(tài)空間模型122-125
• 7.1.1 經(jīng)典的Merton模型123-124
• 7.1.2 資產(chǎn)價值的非線性狀態(tài)空間模型124-125
• 7.2 資產(chǎn)價值的粒子濾波估計125-128
• 7.2.1 資產(chǎn)價值的貝葉斯濾波125-126
• 7.2.2 資產(chǎn)價值的粒子濾波估計126-128
• 7.3 模型參數(shù)的粒子平滑EM估計128-136
• 7.3.1 E步：計算聯(lián)合似然函數(shù)的期望值129-132
• 7.3.2 M步：最大化期望值132-133
• 7.3.3 粒子平滑EM算法的數(shù)值模擬分析133-136
• 7.4 實證分析136-140
• 7.4.1 數(shù)據(jù)的選擇和初始參數(shù)值的設定136-137
• 7.4.2 模型參數(shù)估計結(jié)果和分析137-140
• 7.5 不完全信息Merton模型的應用：信用風險測度140
• 7.6 本章小結(jié)140-142
• 第8章 不完全信息下HSV-Merton模型的粒子濾波估計142-162
• 8.1 噪聲信息下具有Heston隨機波動的Merton模型142-145
• 8.1.1 具有Heston隨機波動的Merton模型142-144
• 8.1.2 噪聲信息下的HSV-Merton模型144-145
• 8.2 HSV-Merton模型的粒子濾波估計145-150
• 8.2.1 雙狀態(tài)變量的輔助粒子濾波算法146-148
• 8.2.2 狀態(tài)變量和模型參數(shù)的聯(lián)合估計148-150
• 8.3 數(shù)值模擬研究150-153
• 8.4 實證分析和結(jié)果153-159
• 8.4.1 數(shù)據(jù)描述和初始值設定153-155
• 8.4.2 模型參數(shù)估計155-158
• 8.4.3 模型估計的績效分析158-159
• 8.5 不完全信息HSV-Merton模型的應用：信用風險測度159-161
• 8.6 本章小結(jié)161-162
• 第9章 不完全信息下Black-Cox模型的粒子濾波估計162-184
• 9.1 均值回復噪聲信息下的Black-Cox模型163-167
• 9.1.1 資產(chǎn)價值的一般狀態(tài)空間模型163-165
• 9.1.2 均值回復噪聲信息過程165
• 9.1.3 基于Black-Cox模型的股票對數(shù)價格165-167
• 9.2 資產(chǎn)價值的粒子濾波估計167-171
• 9.2.1 資產(chǎn)價值的粒子濾波估計168-169
• 9.2.2 數(shù)值模擬分析169-171
• 9.3 資產(chǎn)價值和參數(shù)的聯(lián)合濾波估計171-177
• 9.3.1 廣義Gibbs估計171-173
• 9.3.2 數(shù)值模擬分析173-177
• 9.4 實證分析和實際的信用風險度量177-182
• 9.4.1 數(shù)據(jù)的選擇和參數(shù)估計結(jié)果177-179
• 9.4.2 噪聲信息下的信用價差179-182
• 9.5 本章小結(jié)182-184
• 第10章 研究結(jié)論、政策建議與研究展望184-190
• 10.1 研究結(jié)論184-185
• 10.2 論文的政策建議185-188
• 10.3 對未來研究的展望188-190
• 附錄190-191
• 參考文獻191-203
• 致謝203-205
• 攻讀博士學位期間發(fā)表論文情況205-206
• 附表206

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 張澤京;陳曉紅;王傅強;;基于KMV模型的我國中小上市公司信用風險研究[J];財經(jīng)研究;2007年11期

2 袁瑞英;;會計信息透明度對信用風險影響研究[J];財會通訊;2014年24期

3 楊小軍;潘泉;王睿;張洪才;;粒子濾波進展與展望[J];控制理論與應用;2006年02期

4 潘秀娟;楊寶臣;;基于泰勒線性化的信用債券的定價及實證分析[J];宏觀經(jīng)濟研究;2014年07期

5 吳建華;王新軍;張穎;;企業(yè)信息披露滯后對債券違約風險影響的量化分析[J];金融經(jīng)濟學研究;2014年06期

6 唐齊鳴;黃苒;;中國上市公司違約風險的測度與分析——跳—擴散模型的應用[J];數(shù)量經(jīng)濟技術經(jīng)濟研究;2010年10期

7 馬若微;;KMV模型運用于中國上市公司財務困境預警的實證檢驗[J];數(shù)理統(tǒng)計與管理;2006年05期

8 馬婷;吳劉倉;黃麗;;基于偏正態(tài)分布聯(lián)合位置、尺度與偏度模型的極大似然估計[J];數(shù)理統(tǒng)計與管理;2013年03期

9 夏紅芳;馬俊海;;基于KMV模型的上市公司信用風險預測[J];預測;2008年06期

10 曾詩鴻;王芳;;基于KMV模型的制造業(yè)上市公司信用風險評價研究[J];預測;2013年02期

  本文關鍵詞：不完全信息下信用風險度量結(jié)構(gòu)模型和應用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：484900