基于VaR和CVaR風(fēng)險測量實例分析報告_第1頁
基于VaR和CVaR風(fēng)險測量實例分析報告_第2頁
基于VaR和CVaR風(fēng)險測量實例分析報告_第3頁
基于VaR和CVaR風(fēng)險測量實例分析報告_第4頁
基于VaR和CVaR風(fēng)險測量實例分析報告_第5頁
已閱讀5頁,還剩74頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

引言20世紀(jì)80年代以來,隨著經(jīng)濟(jì)全球化和金融一體化進(jìn)程的加快,現(xiàn)代金融理論和信息技術(shù)發(fā)展也非常迅速。作為風(fēng)險管理的風(fēng)險度量方法,已成為當(dāng)今銀行業(yè)風(fēng)險管理控制的焦點所在。與此同時,隨著我國對外開放進(jìn)程的加快,國銀行業(yè)改革勢在必行,風(fēng)險度量作為銀行金融管理的基石也受到國銀行業(yè)的高度重視。VaR是當(dāng)前銀行業(yè)主流風(fēng)險度量方法,但它不是一致性風(fēng)險度量指標(biāo),它損益分布的尾部損失信息反映不充分,即不能反映損失超過VaR時潛在的損失大小。而CVaR(修正VaR方法)可以克服的這些VaR的缺點,并具有很多良好的特性,因此它漸漸受到銀行業(yè)的重視。時至今日,各大商業(yè)銀行已將對信用風(fēng)險的度量作為日常運(yùn)營的十分重要的一部分,并且產(chǎn)生了許多有效的度量方法。如:KMV模型、CreditRisks等模型。本文主要從商業(yè)銀行信貸的角度來考慮商業(yè)銀行的信用風(fēng)險的度量,從而得到商業(yè)銀行信用風(fēng)險損失的VaR和CVaR值。就我國商業(yè)銀行而言,呆壞賬的產(chǎn)生和積累是導(dǎo)致商業(yè)銀行資產(chǎn)質(zhì)量低劣的直接誘因?如何正確地計量信貸風(fēng)險,就成為我國商業(yè)銀行關(guān)注的問題之一?然而,目前我國的商業(yè)銀行對信貸風(fēng)險的控制還處在初級階段,主要是根據(jù)部分財務(wù)指標(biāo)來判定信貸風(fēng)險是否存在,或根據(jù)貸款五級分類法對信貸進(jìn)行分類后跟蹤管理等,而對信貸風(fēng)險的程度大小,則欠缺準(zhǔn)確的計量?本文主要研究了均值—方差模型?在險價值VaR和條件風(fēng)險CVaR以及CreditMetrics模型,并利用它們對一些信貸資產(chǎn)的風(fēng)險程度進(jìn)行了模擬計量。綜上所述,開發(fā)量化信用風(fēng)險的技術(shù)方法,建立一套科學(xué)的信用風(fēng)險機(jī)制,對于提高我國商業(yè)銀行資金營運(yùn)水平,增強(qiáng)銀行競爭力及實行國際化經(jīng)營都有著重要的現(xiàn)實意義。緒論金融市場中,商業(yè)銀行無論是所占據(jù)的市場規(guī)模,還是服務(wù)能力和水平,都處于主導(dǎo)地位,這與我國現(xiàn)階段金融發(fā)展水平是相適應(yīng)的。目前,我國商業(yè)銀行風(fēng)險度量的VaR體系尚在建設(shè)之中,但國外的VaR體系已經(jīng)日趨完善,但是基于我國國情我們沒有必要等到VaR體系發(fā)展成熟之后再引進(jìn)CVaR技術(shù)。因此,分析我國商業(yè)銀行存在的風(fēng)險并找出解決途徑、方法以及怎樣正確測量VaR和CvaR在商業(yè)銀行風(fēng)險度量中就有著重要的研究意義。本課題主要采用商業(yè)銀行的有關(guān)信貸類的數(shù)據(jù)為實例并結(jié)合信用風(fēng)險的理論,對信用風(fēng)險值VaR與CVaR的度量做一些探索性研究,利用Excel得出VaR與CVaR的近似值,同時與實際值進(jìn)行比較。最后總結(jié)出目前VaR與CVaR風(fēng)險度量法在我國商業(yè)銀行運(yùn)用的難度并提出建議。第1章商業(yè)銀行風(fēng)險概述商業(yè)銀行風(fēng)險定義及風(fēng)險的類型1.1.1風(fēng)險的定義定義1.1風(fēng)險:所謂風(fēng)險是指未來結(jié)果的不確定性或波動性,如未來收益、資產(chǎn)或債務(wù)價值的波動性或不確定性。從數(shù)學(xué)角度看,它表明的是各種結(jié)果發(fā)生的可能性。在公司金融學(xué)中,研究風(fēng)險是為了研究投資的風(fēng)險補(bǔ)償,對風(fēng)險的數(shù)學(xué)度量,是以投資(資產(chǎn))的實際收益率與期望收益率的離散程度來表示的。最常見的度量指標(biāo)是方差和標(biāo)準(zhǔn)差。商業(yè)銀行風(fēng)險是指,商業(yè)銀行在經(jīng)營過程中由于一系列不確定因素而導(dǎo)致經(jīng)濟(jì)損失的可能性。風(fēng)險度量是對于風(fēng)險的影響和后果所進(jìn)行的評價和估量。風(fēng)險具有客觀性,無法消除,而且風(fēng)險中還蘊(yùn)含著獲利的機(jī)會。因此,對待金融風(fēng)險的態(tài)度因該是主動積極的風(fēng)險管理行為,而不是簡單規(guī)避、被動接受和無所作為。風(fēng)險度量包括對風(fēng)險發(fā)生可能性大小(概率大?。┑脑u價和估量,對風(fēng)險后果嚴(yán)重程度的評價和估量,對風(fēng)險影響圍的評價和估量以及對風(fēng)險發(fā)生時間的評價和估量等方面。其中,VaR和CVaR是風(fēng)險度量的基礎(chǔ)和關(guān)鍵。1.1.2商業(yè)銀行存在的風(fēng)險的類型銀行風(fēng)險是指由于種種不確定因素使銀行在從事資金融通過程中所取得的實際收益與預(yù)期收益發(fā)生偏離,從而蒙受損失或獲得額外收益的可能性。其表現(xiàn)形式有:信用風(fēng)險、利率風(fēng)險、操作風(fēng)險、流動性風(fēng)險等。我國的商業(yè)銀行風(fēng)險主要表現(xiàn)如下:

1.信用風(fēng)險。信用風(fēng)險是指借款者在貸款到期沒有償還貸款本息,或由于借款者信用評級下降給銀行帶來損失的可能性。商業(yè)銀行所面臨的風(fēng)險信用主要分為道德風(fēng)險和企業(yè)風(fēng)險兩大類。

2.利率風(fēng)險。利率風(fēng)險是指銀行財務(wù)因利率的不利變動而遭受的風(fēng)險。利率風(fēng)險主要有基準(zhǔn)風(fēng)險、重定價風(fēng)險、收益率曲線風(fēng)險和期權(quán)風(fēng)險等四種表現(xiàn)形式。過高的利率風(fēng)險將對銀行的利潤和資本造成很大的威脅。

3.操作風(fēng)險

操作風(fēng)險是與銀行業(yè)務(wù)操作相聯(lián)系的風(fēng)險,它是指由于以不當(dāng)或不足的方式操作業(yè)務(wù)或外部事件而對銀行業(yè)務(wù)帶來負(fù)面影響的可能性,操作風(fēng)險的涵是動態(tài)的,銀行許多新的風(fēng)險會不斷歸并其中。4.流動性風(fēng)險。商業(yè)銀行將面臨市場流動性風(fēng)險和現(xiàn)金流風(fēng)險,前者是由于市場交易不足而無法按照當(dāng)前交易價值進(jìn)行交易所造成,后者是指現(xiàn)金流不能滿足債務(wù)支付的需要,迫使機(jī)構(gòu)提前清算,從而使賬面上的潛在損失轉(zhuǎn)化為實際損失的風(fēng)險。1.1.3商業(yè)銀行信用風(fēng)險的經(jīng)濟(jì)學(xué)解釋信用風(fēng)險是國有商業(yè)銀行面臨的主要風(fēng)險之一,它是金融機(jī)構(gòu)、投資者和消費者所面臨的重大問題。加強(qiáng)國有商業(yè)銀行信用風(fēng)險不僅有利于保障其自身的經(jīng)營安全,還有利于維護(hù)國家金融體系的穩(wěn)定,支持國民經(jīng)濟(jì)持續(xù)健康地發(fā)展,具有十分重要的意義和極強(qiáng)的緊迫性。傳統(tǒng)觀點認(rèn)為,信用風(fēng)險是指交易對手(受信方)拒絕或無力按時、全額支付所欠債務(wù)時,給授信方(信用提供方)帶來的潛在損失。授信方可能是提供貸款的銀行,或是以信用方式銷售商品或提供服務(wù)的公司。授信方總是會更多地考慮信用風(fēng)險問題,比如發(fā)放貸款的銀行,其風(fēng)險是顯而易見的。在商業(yè)銀行的早期業(yè)務(wù)中,常常將信貸風(fēng)險等同于信用風(fēng)險。隨著商業(yè)銀行業(yè)務(wù)的演變和發(fā)展,信用風(fēng)險出現(xiàn)了廣義和狹義兩種概念:

從廣義上說,信用風(fēng)險還包括由于各種不確定因素對銀行信用的影響,使銀行經(jīng)營實際結(jié)果與預(yù)期目標(biāo)發(fā)生背離,從而導(dǎo)致銀行造成潛在損失的可能性;

從狹義上說,信用風(fēng)險一般是指借款人到期不能或不愿意履行借款協(xié)議、償還本息而使銀行遭受損失的可能性。

1.2商業(yè)銀行信用風(fēng)險管理的動因和功能:機(jī)構(gòu)分析從歷史的視角來看,我國銀行業(yè)最初是以對公業(yè)務(wù)為主,其特點是機(jī)構(gòu)客戶數(shù)量較少、資金規(guī)模大、參與的銀行業(yè)務(wù)人員也較少。然而,面對經(jīng)濟(jì)全球化和金融國際化的激烈競爭,特別是隨著外資銀行的不斷進(jìn)人,極加劇了銀行產(chǎn)品和服務(wù)競爭的白熱化。因此,對私業(yè)務(wù),即信貸業(yè)務(wù)這一發(fā)達(dá)國家銀行的重要基礎(chǔ)業(yè)務(wù)和利潤支柱將成為我國商業(yè)銀行今后發(fā)展的重點領(lǐng)域。我國商業(yè)銀行最初的信用評估機(jī)構(gòu)是由評級人員依個人經(jīng)驗進(jìn)行主觀評價,之后發(fā)展到3C評價(品德、能力、擔(dān)保)和5C評價(品行、能力、資金、條件和抵押擔(dān)保)。這些多數(shù)是主觀、定性的評價方法。為了降低信用評分中的主觀因素,越來越多的定量評估方法被采用。這些方法主要包括:判別分析、Logistic回歸模型、線性規(guī)劃法、神經(jīng)網(wǎng)絡(luò)法和分類決策樹法。銀行常常采用某種統(tǒng)計方法建立信用評分模型,至于具體采用何種方法則取決于不同方法對不同問題的預(yù)測精,盡管許多銀行通常會采用不同的技術(shù)方法來建立信用評分模型,但是在實際信貸決策中將不同的模型結(jié)合起來使用也是一種常用的方法。從我國銀行業(yè)的實踐來看,信用評分模型的應(yīng)用還處于初級階段。由于缺乏有效的歷史數(shù)據(jù)的緣故(某些銀行通過其所建立的數(shù)據(jù)庫收集了部分歷史數(shù)據(jù),但數(shù)據(jù)的質(zhì)量較差),我國商業(yè)銀行普遍沒有建立起定量信用評分的模型,大多數(shù)銀行只是根據(jù)自身情況建立了基于專家判斷法的信用評分模型,但由于此模型的預(yù)測能力沒有經(jīng)過系統(tǒng)的驗證,導(dǎo)致這些模型在實際業(yè)務(wù)中的應(yīng)用實效大打折扣。目前,各商業(yè)銀行對信貸信用風(fēng)險的評估主要還是依據(jù)客戶經(jīng)理和專家的經(jīng)驗判斷,因此迫切需要構(gòu)建適當(dāng)?shù)男庞迷u估模型。1.3商業(yè)銀行信用風(fēng)險管理的動因和功能:市場分析商業(yè)銀行在現(xiàn)代經(jīng)濟(jì)活動中有信用中介、支付中介、金融服務(wù)、信用創(chuàng)造和調(diào)節(jié)經(jīng)濟(jì)等職能,并通過這些職能在國民經(jīng)濟(jì)活動中發(fā)揮著重要作用。商業(yè)銀行的業(yè)務(wù)活動對全社會的貨幣供給有重要影響,并成為國家實施宏觀經(jīng)濟(jì)政策的重要基礎(chǔ)。目前,我國銀行現(xiàn)階段市場發(fā)展不規(guī),評級標(biāo)準(zhǔn)不統(tǒng)一,技術(shù)水平低,結(jié)果的真實性缺乏有效保障,質(zhì)量難以達(dá)到國際要求,并且信貸資產(chǎn)外部評級覆蓋率較低(不足10%),商業(yè)銀行缺乏使用標(biāo)準(zhǔn)法的外部條件。而且,VaR法還不適宜作為我國管理的主要方法,但可以作為輔助方法。對此,商業(yè)銀行要加強(qiáng)貸款風(fēng)險的監(jiān)管,應(yīng)當(dāng)結(jié)合信貸工作的崗位責(zé)任制,將貸款管理的每一個環(huán)節(jié)的管理責(zé)任落實到部門、崗位和個人,明確規(guī)定各級信貸工作人員的職責(zé),以防信貸風(fēng)險的發(fā)生。同時,加快培養(yǎng)商業(yè)銀行專業(yè)化管理隊伍,盡快適應(yīng)現(xiàn)代經(jīng)濟(jì)管理發(fā)展的要求。1.4商業(yè)銀行風(fēng)險度量中方法概述隨著商業(yè)銀行機(jī)構(gòu)和商業(yè)銀行交易的規(guī)模、動態(tài)性和復(fù)雜性的增加,金融理論和金融工程的發(fā)展,銀行機(jī)構(gòu)風(fēng)險度量技術(shù)也變得更加綜合、復(fù)雜。目前,銀行機(jī)構(gòu)風(fēng)險度量的主要方法包括均值方差分析、靈敏度分析、波動性方法、VaR與CvaR方法。1.4.1均值-方差模型分析均值-方差模型涉及的一個重要概念是分布函數(shù),用以對事件發(fā)生的概率進(jìn)行完整的描述?分布函數(shù)是描述事件隨機(jī)取值的統(tǒng)計工具,它表示隨機(jī)變量在各個圍取值的概率,如變量ξ的分布函數(shù)為:,有時也可以用事件的可能結(jié)果與對應(yīng)的概率組成的分布列或函數(shù)式來對事件進(jìn)行完整的描述?

然而,在實際工作中,確定一個事件的分布往往十分困難,而且有時也無必要?因此,人們進(jìn)一步采用均值和方差來描述事件的特征?均值是事件的每一個可能取得的收益的加權(quán)平均數(shù),它反映出一個資產(chǎn)的預(yù)期收益?均值越大,表明預(yù)期收益越大;反之則亦然?通常,求均值和方差的表達(dá)式如下:(1.1)(1.2)其中,表示資產(chǎn)占總資產(chǎn)的權(quán)數(shù),表示資產(chǎn)的種類,表示資產(chǎn)的期望收益率,表示期望,表示標(biāo)準(zhǔn)差即VaR。方差反映了事件發(fā)生結(jié)果的波動狀況,從而可以用來揭示金融資產(chǎn)收益的變動幅度,即估量金融風(fēng)險的大小?方差越大,說明事件發(fā)生結(jié)果的分布越分散,資產(chǎn)收益波動越大,金融風(fēng)險越大;反之,方差越小,金融風(fēng)險越小?

然而,均值—方差模型只能讓人把握信貸風(fēng)險的一般水平和方向,對于風(fēng)險值的大小,則無能為力?這便是其局限性?1.4.2靈敏度分靈敏度分析即研究與分析一個系統(tǒng)(或模型)的狀態(tài)或輸出變化對系統(tǒng)參數(shù)或周圍條件變化的敏感程度的方法。在最優(yōu)化方法中經(jīng)常利用靈敏度分析來研究原始數(shù)據(jù)不準(zhǔn)確或發(fā)生變化時最優(yōu)解的穩(wěn)定性。通過靈敏度分析還可以決定哪些參數(shù)對系統(tǒng)或模型有較大的影響。因此,靈敏度分析幾乎在所有的運(yùn)籌學(xué)方法中以及在對各種方案進(jìn)行評價時都是很重要的。可以用來研究采取某一項重大經(jīng)濟(jì)政策后將會對國民經(jīng)濟(jì)的各個部門產(chǎn)生怎樣的影響。可以用來確定評價條件發(fā)生變化時備選方案的價值是否會發(fā)生變化或變化多少。靈敏度越大的金融資產(chǎn),受市場因子變化的影響越大,風(fēng)險越大。但是,靈敏度方法不能給出資產(chǎn)組合價值變化的具體數(shù)值。波動性方法分析風(fēng)險是指未來收益的不確定性,實際結(jié)果偏離期望結(jié)果的程度—波動性在一定程度上測量了這種不確定性。波動性方法僅僅描述了資產(chǎn)組合未來收益率的波動程度,并不能說明資產(chǎn)組合價值變化的方向,同靈敏度方法一樣,波動性方法也不能給出資產(chǎn)組合價值變化的具體數(shù)值。VaR與CVaR方法分析1952年美國經(jīng)濟(jì)學(xué)家Markowitz首次提出收益與風(fēng)險的度量理論——期望與方差度量方法,從而開創(chuàng)了風(fēng)險度量的量化時代。VaR作為一個概念,最先起源于20世紀(jì)80年代末交易商對金融資產(chǎn)風(fēng)險測量的需要,作為一種市場風(fēng)險測定和管理的新工具,則是由J.P.摩根最先提出的。隨后,這議被銀行業(yè)廣泛接受,并已成為該行業(yè)風(fēng)險管理的標(biāo)準(zhǔn)。VaR模型自從1993年由G-30成員國推薦和1994年由J.P.摩根集團(tuán)發(fā)展以來,目前已經(jīng)得到銀行界的普遍認(rèn)同和廣泛采用。但隨著VaR模型的廣泛應(yīng)用,其缺陷也逐漸暴露出來。對VaR性質(zhì)的最新研究主要是討論VaR風(fēng)險是否符合一致性風(fēng)險度量標(biāo)準(zhǔn)。一致性風(fēng)險度量標(biāo)準(zhǔn)是1997年由C.Artzner等人根據(jù)實際的經(jīng)濟(jì)背景提出的一種檢驗風(fēng)險度量的方法。VaR度量方法由于開發(fā)的較早,現(xiàn)在早已成為世界金融領(lǐng)域較為流行的風(fēng)險度量方法,較好的迎合了金融市場發(fā)展的動態(tài)性、復(fù)雜性、全球一體化趨勢。但是與CVaR度量方法比較有致命的缺陷。CVaR度量方法是基于VaR方法基礎(chǔ)之上建立起來的,自然比VaR方法更加理想與完善。它避免了由于VaR自身缺陷有可能帶來的風(fēng)險,有效的彌補(bǔ)了VaR尾部損失測量的不充分性,并且滿足次可加性這樣就減少了對投資者進(jìn)行有害激勵的負(fù)面效應(yīng),尤其是用于組合投資風(fēng)險的度量。第2章VaR和CVaR模型的基本原理本章首先介紹了VaR技術(shù)興起的背景,然后闡述了VaR的基本原理、優(yōu)缺點以及本文計算VaR的方法,并指出VaR模型存在的不足之處。本文隨后介紹了CVaR模型,包括CVaR的基本原理及其應(yīng)用。最后,介紹了計算VaR和CVaR的現(xiàn)有方法,并將它們與本文使用的方法加以比較,來說明本文所使用方法的優(yōu)越性。VaR技術(shù)興起背景VaR的真正發(fā)展得益于世界各著名金融機(jī)構(gòu)對市場風(fēng)險管理的重視。許多著名金融機(jī)構(gòu),如J.P.Morgan,BankersTrust,ChemicalBank,ChaseMan-hattan等,都投入了大量經(jīng)費開發(fā)新的市場風(fēng)險管理工具,旨在準(zhǔn)確辨識和測量市場風(fēng)險的基礎(chǔ)上,開發(fā)出一種既能處理非線性的期權(quán),又可提供總體風(fēng)險的市場風(fēng)險測量方法,VaR就是基于這一背景開發(fā)出來的。VaR方法起源于20世紀(jì)80年代,在現(xiàn)代金融風(fēng)險管理中具有核心的地位。是作為一種市場風(fēng)險測定和管理的新工具。經(jīng)過20年的不斷發(fā)展,VaR方法目前已經(jīng)成為大多數(shù)投資銀行、商業(yè)銀行、投資機(jī)構(gòu),以及政府監(jiān)管當(dāng)局所采用的主流風(fēng)險管理方法。與此同時,我國對VaR方法的應(yīng)用也在逐漸發(fā)展中,對其進(jìn)行的研究也很多。簡單地說,VaR方法是利用分布函數(shù),在一定持有期和置信水平的條件下,計算金融資產(chǎn)的潛在損失用數(shù)學(xué)公式表示為:,(2.1)其中,是置信水平,是描述資產(chǎn)組合價值變化的分布函數(shù)。該公式表明在持有期,頭寸損失大于VaR的概率為。可解釋為在持有期和置信水平下,該頭寸持有者的最大潛在損失不超過VaR。

我國市場經(jīng)濟(jì)和金融體系的發(fā)展還處于初級階段,VaR技術(shù)在我國金融機(jī)構(gòu)風(fēng)險管理中的應(yīng)用環(huán)境還不是很成熟。我國商業(yè)銀行風(fēng)險度量的VaR體系目前尚在建設(shè)之中,但國外的VaR體系已經(jīng)日趨完善,并且有些國家,比如德國,已經(jīng)開始引進(jìn)CVaR技術(shù),因此在風(fēng)險度量方面,我國距世界先進(jìn)水平還有相當(dāng)遠(yuǎn)的距離。2.2VaR與CVaR模型的基本原理2.2.1VaR的定義VaR的概念:所謂VaR(ValueatRisk),按字面意思解釋就是“按風(fēng)險估價”,其實質(zhì)是指在一定的置信度,由于市場波動而導(dǎo)致整個資產(chǎn)組合在未來某個時期可能出現(xiàn)的最大價值損失的一種統(tǒng)計測度。在數(shù)學(xué)上表達(dá)公式,其中,是置信水平,是描述資產(chǎn)組合價值變化的分布函數(shù)。該公式表明在持有期,頭寸損失大于VaR的概率為。VaR的主要特點:(1)VaR實質(zhì)上是滿足損失分布的某一特定概率分位點,這個概率通常可以取99%或95%。(2)VaR是不滿足一致性公理的風(fēng)險度量。(3)如果金融資產(chǎn)的損益分布服從橢圓分布時,并且資產(chǎn)損益均值相等時,VaR與一價隨機(jī)占優(yōu)相一致。(4)VaR具有尾部損失測量不充分性。尾部損失測量不充分性也稱作為損失性,即無法考察到分位點以下的損益信息。誠然,這部分信息屬于概率數(shù)學(xué)當(dāng)中的小概率事件,但是它卻有可能帶來金融領(lǐng)域嚴(yán)重危機(jī)。(5)VaR關(guān)于是非連續(xù)的。2.2.2VaR模型及在我國商業(yè)銀行的適用性和局限性(一)VaR模型

處于風(fēng)險的價值VaR(valueatrisk)是指給定銀行的置信水平,在一段時間,銀行由于具有某種頭寸可能遭受的最大損失。數(shù)學(xué)公式表示為:,(2.2)其中,是置信水平,是描述資產(chǎn)組合價值變化的分布函數(shù)。該公式表明在持有期,頭寸損失大于VaR的概率為。可解釋為在持有期和置信水平下,該頭寸持有者的最大潛在損失不超過VaR。

用VaR模型測量銀行風(fēng)險時,銀行首先要確定頭寸的持有時間和置信水平;其次,要對處于風(fēng)險的價值VaR作出判斷。其中,持有時間是計算VaR的時間圍,確定持有時間要考慮資產(chǎn)組合的流動性、資產(chǎn)組合頭寸保持不變假定以及收益回報率服從正態(tài)分布假設(shè)等因素;而置信水平的確定則要考慮到風(fēng)險資本需求和監(jiān)管要求。巴賽爾委員會規(guī)定的持有時間標(biāo)準(zhǔn)為10天,置信水平為99%,不同的銀行機(jī)構(gòu)可以根據(jù)自身情況選擇不同的持有時間和置信水平,比如花旗銀行選擇的持有時間為30天、置信水平為95.4%。處于風(fēng)險的價值VaR也可被看作是資產(chǎn)組合收益的數(shù)學(xué)期望值與一定置信水平下資產(chǎn)組合的最低期末價值的差額。用公式可表示為:

(2.3)

式中,為資產(chǎn)組合收益,為資產(chǎn)組合收益的數(shù)學(xué)期望值;為置信水平下資產(chǎn)組合的最低期末價值。與的值可由以下兩式得到:(2.4)(2.5)

式中,為資產(chǎn)組合收益的概率密度函數(shù)。在確定了持有時間、置信水平和資產(chǎn)組合收益的概率密度函數(shù)之后,便可得到VaR值。可以看到,這里的VaR值指的是正常條件下的VaR值。然而,金融環(huán)境并不一直都是穩(wěn)定的,有時會出現(xiàn)劇烈的動蕩。當(dāng)極端情況發(fā)生時,這里所計算的VaR值就失去了參考價值。為了應(yīng)對這極端情況的發(fā)生,VaR模型又引入了壓力試驗(StressTesting)和極值分析(ExtremeAnalysis)兩種方法。(二)VaR的適用性VaR方法最大的好處在于利用一個結(jié)構(gòu)性的方法論及一個單一的指標(biāo)來更精確地衡量一個組合的風(fēng)險,并將其用貨幣單位表示,具有風(fēng)險度量的直觀性和一致性,能對各種不同類型的資產(chǎn)給出統(tǒng)一的風(fēng)險度量。VaR主要有以下作用:(1)信息報告的工具。VaR的披露能夠用于在較高層次上的評估交易及投資過程中的風(fēng)險管理狀況,同時以較通俗的形式將公司的金融風(fēng)險披露給股東。(2)資源配置的工具。交易者可根據(jù)披露的VaR對自己的資產(chǎn)頭寸進(jìn)行調(diào)整,在有限的資本資源調(diào)整各種資產(chǎn)組合以降低風(fēng)險。(3)績效評價工具。VaR使得管理層根據(jù)交易員面臨的不同風(fēng)險而調(diào)整其贏利。VaR模型具有事前風(fēng)險防的作用。VaR簡潔的含義和直觀的價值判斷方式,使得資產(chǎn)組合的風(fēng)險,能夠具體化為一個可以與收益相配比的數(shù)字,從而有利于經(jīng)營管理目標(biāo)的實現(xiàn)。VaR模型可以簡單明了地表示市場風(fēng)險的大小,即使沒有任何專業(yè)背景的投資者和管理者都可以通過VaR值對金融風(fēng)險進(jìn)行評判。VaR模型對銀行風(fēng)險的質(zhì)量和管理是一個有效的工具。它對正常市場條件下重要交易的短期風(fēng)險的衡量尤為有用。就VaR方法在中國商業(yè)銀行信用風(fēng)險測量中的應(yīng)用而言,我國商業(yè)銀行風(fēng)險集中體現(xiàn)在由于擁有巨額不良貸款而帶來的信用風(fēng)險上。而且,隨著中國加入WTO,銀行業(yè)務(wù)的國際化趨勢也會越來越明顯,在以放松金融管制為主要容的“金融自由化”和“金融國際化”改革浪潮的影響下,中國商業(yè)銀行的市場化程度將越來越大,必然會面臨更大的信用風(fēng)險,從而對整個金融體系的穩(wěn)定乃至整個國民經(jīng)濟(jì)的安全構(gòu)成極大的威脅。我國商業(yè)銀行在信用風(fēng)險管理方面存在以下問題:(1)沒有建立科學(xué)的信用風(fēng)險管理體系。現(xiàn)代商業(yè)銀行信用風(fēng)險管理體制的最大特征是縱向式的。而目前中國商業(yè)銀行是以分行為經(jīng)營單位的體制,它致使中國商業(yè)銀行的信用風(fēng)險管理體制也都是橫向的。這種橫向的管理體制造成了金融低效率。(2)沒有建立商業(yè)銀行信用風(fēng)險的度量與管理的先進(jìn)技術(shù)?,F(xiàn)代商業(yè)銀行的信用風(fēng)險管理技術(shù)非常豐富,與傳統(tǒng)的信用風(fēng)險管理主要依賴定性分析與主觀判斷截然不同,現(xiàn)代信用風(fēng)險管理越來越注重定量分析。而中國商業(yè)銀行在信用風(fēng)險管理的模型應(yīng)用和管理技術(shù)上還亟待進(jìn)一步的發(fā)展。因此,研究VaR方法在中國商業(yè)銀行信用風(fēng)險管理中的應(yīng)用是勢在必行的。(三)VaR的局限性

首先,VaR對未來損失的估計基于歷史數(shù)據(jù),是建立在“歷史可以在未來復(fù)制其自身”之上的,但實際情況往往卻并非如此。樣本數(shù)據(jù)本身可能并沒有包含足夠的歷史信息。

其次,它的管理對象相對較窄,著重衡量正常情況下的市場風(fēng)險,對于市場上的突發(fā)性風(fēng)險、信用風(fēng)險、操作風(fēng)險、法律風(fēng)險及戰(zhàn)略風(fēng)險等難以進(jìn)行量化。

第三,模型風(fēng)險的存在。即由于同樣的VaR模型可以使用方差一協(xié)方差法、歷史模擬法和隨機(jī)模擬法(蒙特卡羅法)等不同的方法得到資產(chǎn)收益的不同概率分布,計算出不同的VaR值。因此實踐中一般都要求使用返回檢驗來檢驗VaR模型的有效性。

第四,在VaR管理體系中,受到重視的只是概率因素。完整的金融風(fēng)險管理包括風(fēng)險的識別、測定和控制三個過程,單純依據(jù)風(fēng)險可能造成損失的客觀概率,只關(guān)注風(fēng)險的統(tǒng)計特征,并不是系統(tǒng)風(fēng)險管理的全部。2.2.3VaR方法的優(yōu)缺點及CVaR的產(chǎn)生

VaR度量方法由于開發(fā)的較早,現(xiàn)在早已成為世界金融領(lǐng)域較為流行的風(fēng)險度量方法。并且現(xiàn)在相應(yīng)的配套計算機(jī)軟件也已經(jīng)很多。它采取了向后測試法運(yùn)算簡潔對數(shù)據(jù)要求比較低。它能充分檢測金融資產(chǎn)對風(fēng)險來源的敞口性和市場逆向變化的可能性,以最簡單的方法將不同的市場因子不同市場風(fēng)險集成一個數(shù),基本準(zhǔn)確的測量了不同風(fēng)險來源及其相互作用產(chǎn)生的潛在損失,較好的迎合了金融市場發(fā)展的動態(tài)性、復(fù)雜性、全球一體化趨勢。但是與CVaR度量方法比較有三個致命的缺陷,其一,因為它無法考察分位點以下的信息,忽略了資產(chǎn)的尾部風(fēng)險,這樣可能引發(fā)因小概率事件而引起的巨額損失,甚至是金融危機(jī),這需要引起足夠的重視。其二,VaR不具有次可加性,這將會誘導(dǎo)投資者做出錯誤判斷進(jìn)而產(chǎn)生錯誤的風(fēng)險規(guī)避策略即,一個包含多個金融部門的機(jī)構(gòu)若將其資產(chǎn)分別劃分給旗下各個部門,由各個部門分別計算VaR再求和,就能實現(xiàn)整個金融機(jī)構(gòu)風(fēng)險的降低。但實際上是做不到的,這是因為

違背次可加性而給系統(tǒng)帶來的漏洞。其三,VaR不能起到預(yù)警作用,這是由VaR是一種利用歷史數(shù)據(jù)預(yù)測未來分布造成的。很顯然,CVaR度量方法是基于VaR方法基礎(chǔ)之上建立起來的,自然比VaR方法更加理想與完善。它避免了由于VaR自身缺陷有可能帶來的風(fēng)險,有效的彌補(bǔ)了VaR尾部損失測量的不充分性,并且滿足次可加性這樣就減少了對投資者進(jìn)行有害激勵的負(fù)面效應(yīng),尤其是用于組合投資風(fēng)險的度量。但是作為新興的金融工具,CVaR也還存在多方面的不足有待改進(jìn)。首先,CVaR計算復(fù)雜,相對VaR對數(shù)據(jù)要求更高,也不能確保估值的穩(wěn)定性。其次,CVaR向后測試要比VaR復(fù)雜的多,VaR向后測試只需將實際損失超過VaR的頻率與置信水平比較即可,但CVaR的向后測試需要比較實際損失超過VaR的期望值與估算出的CVaR,通常損失超過VaR水平很低,需要更多的數(shù)據(jù)支持同時對期望值計算精度也大大的降低了,目前還沒有有效的方法來解決這些問題。但是,CVaR度量方法顯著的增強(qiáng)了風(fēng)險度量的有效性,降低了隨機(jī)性,對風(fēng)險描述也更趨合理、科學(xué)。2.3現(xiàn)有VaR與CVaR模型的計算方法2.3.1計算VaR的現(xiàn)有方法1.參數(shù)方法參數(shù)方法假設(shè)收益率服從一定的分布,因為在計算機(jī)過程中往往需要估計參數(shù)的值,所以被稱為參數(shù)方法。參數(shù)方法運(yùn)用比較方便,計算相對來說比較簡單,但結(jié)果依賴假設(shè)的正確與否。當(dāng)假設(shè)不正確時,參數(shù)方法可能會有較大誤差。通常假設(shè)收益率序列服從正態(tài)分布,并且是獨立同分布的。許多研究發(fā)現(xiàn)金融資產(chǎn)收益率時間序列不服從正太分布,具有尖峰厚尾的特性,其波動性具有聚集性和時變性(條件異方差性),并且還具有杠桿效應(yīng),所以在正態(tài)分布和獨立同分布假設(shè)下所計算的VaR值,常常是低估實際風(fēng)險。

2.歷史模擬法(HistoricalSimulation)歷史模擬法是一種簡單的基于經(jīng)驗的方法,它不需要對市場因子的統(tǒng)計分布做出假設(shè),而是直接根據(jù)VaR的定義進(jìn)行計算,即根據(jù)收集到的市場因子的歷史數(shù)據(jù)對證券組合的未來收益進(jìn)行模擬,在給定置信度下計算潛在損失。

歷史模擬法,其優(yōu)點是不需要正態(tài)分布等假設(shè),簡潔、直觀、易于操作。但它是以使用者獲取或保存了大量的實際數(shù)據(jù)為前提的。它的缺點是缺乏活性。歷史模擬法假定了收益分布在整個樣本時限是固定不變的。同時它不能提供比樣本點中最大損失還要壞的預(yù)期損失。使用者所選取的樣本大小對預(yù)測結(jié)果會造成很大的影響。

3.分析方法分析方法的基本思想是利用證券組合的價值函數(shù)與市場因子間的近似關(guān)系,推斷市場因子的統(tǒng)計分布(方差-協(xié)方差矩陣),進(jìn)而簡化VaR的計算。分析方法的,數(shù)據(jù)易于收集、計算方法簡單、計算速度快,也比較容易為監(jiān)管當(dāng)局接受。然而這種方法基于兩個基本的假定:即線性假定和正態(tài)分布假定。實際應(yīng)用時還要有零均值的假定。但是分析方法的假設(shè)條件與市場因子分布的厚尾和非對稱的實際情況不符,容易產(chǎn)生錯誤。4.MonteCarlo模擬方法蒙特卡羅模擬法與歷史模擬法十分類似,它們的區(qū)別在于前者利用統(tǒng)計方法估計歷史上市場因子運(yùn)動的參數(shù)然后模擬市場因子未業(yè)的變化情景,而后者則直接根據(jù)歷史數(shù)據(jù)來模擬市場因子的未來變化情景。

MonteCarlo模擬法的基本步驟是:第一步:選擇隨機(jī)過程和隨機(jī)變量分布,并估計相應(yīng)參數(shù);第二步:產(chǎn)生偽隨機(jī)序列只,利用隨機(jī)過程求出;第三步:在該價格序列下估計組合價值及變化,可采用定價公式進(jìn)行全值估計,也可采用一階靈敏或高階靈敏度進(jìn)行近似估計;第四步:重復(fù)第二、三步直至達(dá)到模擬要求。這樣得到組合價值變化分布,,可估計VaR。2.3.2計算CVaR的現(xiàn)有方法條件風(fēng)險價值CVaR(ConditionalVaR),又稱期望損失(ExpectedShortfall),是指當(dāng)資產(chǎn)組合的損失大于某個給定的VaR值的條件下,該資產(chǎn)組合的損失的平均值。用公式可表示為:

(2.6)

式中,為資產(chǎn)組合的損失額,即。至于CVaR值的計算,由CVaR的定義很難計算出CVaR值,這是因為在CVaR的定義中涉及到VaR這個參數(shù),并且這個參數(shù)又是生的,因此給計算造成了很大困難。評估VaR和CVaR的方法可以分為兩大類:一類是線性規(guī)劃方法,一類是根據(jù)參數(shù)法擬合出的收益率序列分布特征以及求出的VaR值,并求出相應(yīng)分布和置信水平的條件分位數(shù),然后求出CVaR值。2.3.3上述方法的比較分析

VaR模型在商業(yè)銀行風(fēng)險度量方面發(fā)揮著不可或缺的作用,但它也存在許多固有的缺陷,而CVaR模型則較好地彌補(bǔ)了VaR模型在各方面的缺陷,主要表現(xiàn)在以下幾方面:第一,利用VaR模型進(jìn)行風(fēng)險度量時存在模型風(fēng)險,而利用CVaR模型進(jìn)行風(fēng)險度量時則不存在模型風(fēng)險。從對VaR模型分析中可以看到,用VaR模型測量風(fēng)險時,資產(chǎn)組合收益的概率密度函數(shù)可以用Delta正態(tài)分布法、Delta-Gamma法、歷史模擬法以及MonteCarlo模擬法等不同的方法求得,這樣同樣的資產(chǎn)組合就可能計算出不同的,從而得到不同的VaR值。而用CVaR模型測量風(fēng)險時,CVaR值是利用構(gòu)造輔助函數(shù)這種方法計算而出的,因此不存在模型風(fēng)險。第二,VaR方法不是一致性風(fēng)險度量方法,而CVaR方法則是一致性風(fēng)險度量方法。如果一種風(fēng)險度量方法對資產(chǎn)組合的部分與整體的風(fēng)險測量是一致的、無矛盾的,則說明這種風(fēng)險度量方法是一致性風(fēng)險度量方法。用CVaR模型對資產(chǎn)組合進(jìn)行優(yōu)化必定存在唯一的最優(yōu)解。第三,VaR模型存在尾部風(fēng)險,而CVaR模型則較好地解決了VaR模型所存在的尾部風(fēng)險。VaR模型雖然說明了一定置信水平下的最大損失,但它卻沒有排除損失高于VaR值的可能性,VaR模型所存在的這種風(fēng)險被國際清算銀行稱為“尾部風(fēng)險”。這種風(fēng)險有可能導(dǎo)致決策者對資產(chǎn)組合的風(fēng)險作出錯誤的判斷,而CVaR值反映的正是損失高于VaR值時的期望值,因而較好地解決了VaR模型所存在的尾部風(fēng)險。僅僅用VaR模型判斷資產(chǎn)組合的風(fēng)險有可能得出錯誤的結(jié)論。第四,盡管極值分析與CVaR都考慮了VaR水平之上的損失情況,但CVaR比極值分析更具有科學(xué)性、更有參考價值。極值分析是建立在決策者主觀臆測的基礎(chǔ)之上的,因此其中的一些環(huán)境變量都是假設(shè)的,所以它只說明了事件的影響程度,但并沒有考慮事件發(fā)生的可能性,很難成為有用的決策依據(jù);而CVaR是建立在一定的模型之上,通過數(shù)據(jù)不僅說明了損失的程度,而且說明了損失發(fā)生的概率,因此可用作決策者的決策依據(jù)。2.4本文計算VaR與CVaR的方法通過上面對各種計算方法的比較,本文會選一般分布中的方法并采用CreditMetrics模型計算VaR和CVaR。2.4.1一般分布中的VaR計算某特定投資組合的VaR,考慮一個信貸資產(chǎn)組合,假設(shè)為初始投資額價值,為持有期的投資回報率。這樣目標(biāo)期末的投資組合價值將為。這里預(yù)期收益與收益率的波動為和;如果在某一置信水平下的投資組合最小價值為。相對VaR定義為某一金融資產(chǎn)或證券組合在未來的特定時間、在給定的置信水平下相對于收益平均值的價值損失,即(2.7)有時VaR定義為絕對損失,即與零有關(guān),與期望值無關(guān),即(2.8)其中,為某一金融資產(chǎn)或證券組合的初始價值;為給定置信水平下的投資組合期末最小價值;為收益率;為收益率的期望值;為給定置信水平下的投資組合最小收益率;由下式求得,(連續(xù)型)或(離散型)2.4.2VaR的計算方法

由于VaR方法的分析是建立在大量歷史數(shù)據(jù)的基礎(chǔ)之上的,所以,VaR方法使用的前提是要有大量的歷史數(shù)據(jù)作為分析基礎(chǔ),同時,還要假定這些數(shù)據(jù)的分布是正態(tài)分布等等。正是在這些假設(shè)前提下,推倒出了VaR的計算原理如下所示。CreditMetrics模型是貸款價值隨著信用等級的改變而改變從而產(chǎn)生損失,它屬于盯市(MTM)模型。信用度量模型(CreditMetrics)又稱DeIta-加權(quán)正態(tài)模型,是J.P.Morgao公司在1997年推出。

利用CreditMetrics模型計算在險價值VaR是最有影響的方法之一?該模型的基礎(chǔ)是在給定的時間段估計貸款及債券產(chǎn)品資產(chǎn)組合將來價值變化的分布狀況?價值變化與債務(wù)人信用質(zhì)量的轉(zhuǎn)移(信用評級是上升,是下降,還是違約)相關(guān)?

(一)用CreditMetrics模型度量一種信貸資產(chǎn)的VaR值分為四個步驟:第一,確立評級體系及借款人從一個信用級別轉(zhuǎn)移到另一個信用級別的概率?第二,利用貼現(xiàn)法計算貸款的現(xiàn)值?第三,算出將來信用轉(zhuǎn)移后資產(chǎn)組合價值變化分布?第四,計算在一定置信度下的VaR值?具體操作如下:第一步,確立轉(zhuǎn)移矩陣?轉(zhuǎn)移矩陣,是指信貸和債券從一個信用級別轉(zhuǎn)變?yōu)榱硪粋€信用級別的概率?而且一家企業(yè)停留在原信用等級的可能性最大,轉(zhuǎn)移到離原信用等級越遠(yuǎn)的信用等級的可能性越小?

第二步,利用合同現(xiàn)金流貼現(xiàn)法計算貸款的當(dāng)前市場價值?借款公司信用等級的上升和下降必然影響到風(fēng)險貸款的信貸差價?因此,也影響到貸款的潛在市場價值?根據(jù)合同現(xiàn)金流貼現(xiàn)法,可以重新估價貸款的市場價值?其中要用到貼現(xiàn)率?在不可提前償還的假設(shè)條件下,根據(jù)普通年金現(xiàn)值計算的一般公式,可以得出貸款價值計算的基本模型:(2.9)其中,-貸款價值;-每年的利息;-到期的本金;-貼現(xiàn)率(必要報酬率);-貸款到期前的年數(shù);第三步,計算信用轉(zhuǎn)移后資產(chǎn)組合價值變化分布?如果對每一級別重復(fù)上述貼現(xiàn)值計劃,就可以得到一年后不同級別債券的一系列現(xiàn)值,即可得市場價值分布情況?

第四步,計算一定置信度下的在險價值VaR?模型表達(dá)式:(2.9.1)(2.9.2)(2.9.3)(二)用CreditMetrics模型度量兩種和多種信貸資產(chǎn)的VaR值

以上是對單一信貸資產(chǎn)的VaR值進(jìn)行的計算,下面將對兩種和多種信貸資產(chǎn)組合的VaR值進(jìn)行計算?假設(shè)把初始評級分別為BB和A兩個債券組成的資產(chǎn)組合?轉(zhuǎn)移矩陣所示,假設(shè)兩者之間沒有相關(guān)性,即相關(guān)系數(shù)為0,根據(jù)聯(lián)合轉(zhuǎn)移概率公式計算出中的BB級和A級債券零相關(guān)性下的聯(lián)合轉(zhuǎn)移概率矩陣?

進(jìn)一步,我們可以用(2.9.1)?(2.9.2)?(2.9.3)式計算出???等變量,然后再用下述模型分析兩種產(chǎn)品構(gòu)成的資產(chǎn)組合的風(fēng)險及其在險價值VaR?假設(shè)這兩種產(chǎn)品構(gòu)成的資產(chǎn)組合Z(其中產(chǎn)品BB?A的比重分別為?)的均值和方差分別為:

式中,???分別是產(chǎn)品BB?A的均值?標(biāo)準(zhǔn)差和兩者的協(xié)方差(即兩者的聯(lián)合轉(zhuǎn)移概率);是這兩種產(chǎn)品的相關(guān)系數(shù),它表示兩種資產(chǎn)的相互關(guān)聯(lián)程度?

對于更多種產(chǎn)品,比如n種產(chǎn)品,…,的組合,我們?nèi)钥梢运愠銎渚岛头讲?

其中,是第種資產(chǎn)在總組合中所占的比例,?分別為第i種資產(chǎn)的均值和方差,是第種資產(chǎn)和第種資產(chǎn)的相關(guān)系數(shù)?與單種資產(chǎn)一樣,資產(chǎn)組合的總體方差越大,表示該組合的總體風(fēng)險越大;反之則反?將上述的或值帶入下列公式,即可得出VaR.

當(dāng)然,CreditMetrics模型也有自己的局限性,即在分析信用風(fēng)險時假設(shè)信用風(fēng)險獨立于市場風(fēng)險,而實際上信用風(fēng)險和市場風(fēng)險是相互交織在一起的,也存在相互影響關(guān)系?2.4.3CVaR的計算方法評估VaR和CVaR的方法可以分為兩大類:一類是線性規(guī)劃方法,一類是根據(jù)數(shù)法擬合出的收益率序列分布特征以及求出的VaR值,并求出相應(yīng)分布和置信平的條件分位數(shù),然后求出CVaR值。本文采用利用CreditMetrics模型求出VaR值再求出CVaR值。(一)模型的計算步驟如下:第一步,在特定條件下,確定一個信用轉(zhuǎn)移矩陣,根據(jù)實際情況,確定觀察期和關(guān)聯(lián)度及其它參數(shù)。第二步,有確定的信用轉(zhuǎn)移矩陣和其他必要參數(shù)計算出貸款市值。計算公式如:(2.9)其中,-貸款價值;-每年的利息;-到期的本金;-貼現(xiàn)率(必要報酬率);-貸款到期前的年數(shù);第三步,在第一步和第二步的基礎(chǔ)上計算受險價值(VaR)。VaR的計算模型步驟參照(2.4.2).第四步,在VaR值的基礎(chǔ)上通過對該指標(biāo)值求期望便得到CVaR值。(二)具體計算過程如下:假設(shè)某一資產(chǎn)組合的稅基損失為,同時,為置信水平的VaR值。那么CVaR可表示為:(2.10)同時,CVaR的概念以VaR概念為基礎(chǔ),所以,公式可以變形為:(2.11)其中是的累積分布函數(shù)故:(2.12)公式(2.11)代入公式(2.12)可得:(2.13)公式(2.13)中為隨機(jī)變量的概率密度函數(shù)。未來簡化運(yùn)算引入CVaR等價定義:記,則;(2.14)從數(shù)學(xué)意義上講,CVaR是指大于VaR的極端損失的平均部分,它反映了損失超過VaR值時投資組合可能遭受的潛在平均損失,因此,CVaR比VaR更能體現(xiàn)潛在的風(fēng)險價值。是結(jié)果更有準(zhǔn)確性和審慎性。第3章基于VaR和CVaR風(fēng)險測量實例分析實例就上市公司商業(yè)銀行的信用等級及企業(yè)的五年期貸款進(jìn)行實證測算和分析研究。最后簡述了模型存在的問題以及在中國商業(yè)銀行應(yīng)用中存在的不足,并就我國商業(yè)銀行業(yè)在風(fēng)險管理中如何更好地采用VaR與CVaR方法做出了探討。一,數(shù)據(jù)說明表示所度量的信用風(fēng)險的時間間隔(通常是一年),且不妨假設(shè)衡量風(fēng)險的起始時刻為零,則該信用風(fēng)險時段的未端時刻為。集合代表某貸款組合中含有筆貸款,且這筆貸款與個借款人是一一對應(yīng)的關(guān)系,即筆貸款是提給個不同的借款人,不存在同一個人擁有兩筆或兩筆以上的貸款。VaR值是在一定的置信水平下測定。令代表置信水平,一般取值為95%-99%。(4)對于模型的有關(guān)數(shù)據(jù),這里選用商業(yè)銀行公司年度報告的各信用等級,具體數(shù)據(jù)見附錄。二,模型假設(shè)處于同一信用等級的所有借款公司違約率是相同的;借款公司的實際違約率等于歷史平均違約率。這兩個假設(shè)對于其他的轉(zhuǎn)移概率同樣適用。3.1CreditMetrics模型計算VaR實例分析3.1.1單筆貸款的VaR計算下面以一筆年利率為8%,金額為100萬元,期限為5年,高級未擔(dān)保的AA級不可提前償還的中長期貸款為例來計算VaR值。第一步,確立轉(zhuǎn)移概率矩陣?轉(zhuǎn)移矩陣,轉(zhuǎn)移矩陣顯示出一年從一個信用級別轉(zhuǎn)變?yōu)榱硪粋€信用級別的概率?穆迪和標(biāo)準(zhǔn)普爾等公司均有這樣的數(shù)據(jù)積累(見表3-1)。表3-1不同級別企業(yè)一年期信用轉(zhuǎn)移矩陣(多年轉(zhuǎn)移矩陣見附錄A)初始評級年末評級AAAAAABBBBBBCCC違約AAA90.818.330.680.060.120.000.000.00AA0.7090.657.790.640.060.140.020.00A0.092.2791.055.520.740.260.010.06BBB0.020.335.9586.935.308BB0.030.140.677.7380.538.841.001.05B0.0036.4883.464.075.20CCC0.220.000.221.302.3811.2464.8619.79數(shù)據(jù)來源:s&pCreditweekApril15,1996第二步,確立時間段。CreditMetrics模型中時間間隔選取通常定位一年,這是出于會計數(shù)據(jù)和財務(wù)報告得到的頻率而定的。第三步,確定遠(yuǎn)期定價模型。信貸資產(chǎn)的現(xiàn)價估值可以從與借款方評級對應(yīng)的遠(yuǎn)期零利率曲線計算得出,每個信用級別一年遠(yuǎn)期零利率見表3-2.表3-2每個信用等級的一年遠(yuǎn)期零利率曲線(%)期限一年兩年三年四年AAA3.604.174.735.12AA3.654.224.785.17A3.724.324.935.32BBB4.104.675.255.63BB5.556.026.787.27B6.057.028.038.52CCC15.0515.0514.0313.52數(shù)據(jù)來源:CreditMetricsJPmorgan如果一年后借款人仍是AA級,根據(jù)(2.9)式,一年后的信貸資產(chǎn)的市場價值為;對每一級別重復(fù)同樣的計算,可以得到一年后不同級別情形下貸款的價值。如果發(fā)生違約,根據(jù)優(yōu)先償還程度,投資者可以得到部分清償,本例中,高級未擔(dān)保貸款的清償概率為48.86%,100萬元。AA等級貸款的期末價值見表3-3.表3-3AA等級貸款期末價值(萬元)AAAAAABBBBBBCCC違約118.5055118.3166117.7657116.5996110.8337106.746591.425948.86第四步,計算貸款的VaR值。用以上數(shù)據(jù),可得出一年后貸款價值的分布曲線,然后可以求出該投資組合在一定置信水平下的VaR值。貸款價值的分布并非對稱分布,因而,信用度量模型可以基于貸款價值的正太分布來計算VaR值。假設(shè)該筆貸款價值V服從正態(tài)分布,設(shè)貸款價值的均值為,標(biāo)準(zhǔn)差為。我們可以得出該筆貸款的計算表,見表3-4;表3-4AA等級VaR計算年末信用評級狀態(tài)的概率(%)新貸款價值加利息(萬元)概率加權(quán)的價值(萬元)價值偏離均值的差異(萬元)概率加權(quán)差異的平方(萬元)AAA0.70118.50550.700.26750.029852AA90.65118.316693.480.07860.194596A7.79117.76578.467-0.47231.585423BBB0.64116.59961.65-1.63840.025896BB0.06110.83370.09-7.40430.009043B0.14106.74650.45-11.49150.695422CCC0.0291.42590.02-26.81210.001053違約0.0048.86000.00-69.37800.000000則有:均值萬元;方差萬元;標(biāo)準(zhǔn)差萬元;(具體用Excel計算見附錄A)因此,該筆借款的VaR值可以由上計算得出。5%水平的萬元。1%水平的萬元。這里計算的VaR是基于貸款價值均值的相對VaR。計算結(jié)果表明,在貸款價值為正態(tài)分布的假設(shè)條件下,該筆貸款有1%的可能性在第二年的損失超過2.4382萬元,有5%的可能性在第二年的損失超過1.0464萬元。反過來說,該筆貸款在第二年的損失有99%的可能性保證不超過2.4382萬元,有95%的肯性保證不超過1.0464萬元。3.1.2兩筆貸款的VaR計算為計算兩筆貸款組合的VaR,我們需要計算:(1)每筆貸款的聯(lián)合轉(zhuǎn)移矩陣概率;(2)每一可能的一年期聯(lián)合轉(zhuǎn)移概率下的貸款組合價值。假定有兩筆面值均為100萬元,高級期末擔(dān)保比可提前償還的中長期貸款,分別為:AA級,年利率為8%,期限為5年;B級,年利率為5%,期限為5年。第一步,確定聯(lián)合轉(zhuǎn)移矩陣。表3.2.1給出了一年期的AA級和B級貸款的個別的和聯(lián)合的轉(zhuǎn)移概率。給定AA級借款人在一年后的8種可能的信用狀態(tài),以及給定B級借款人在一年后的8種可能的信用狀態(tài),存在64中聯(lián)合轉(zhuǎn)移概率,見表3-5.這里給出的是兩借款人之間的相關(guān)系數(shù)為0.30時的聯(lián)合轉(zhuǎn)移概率。表3-5資產(chǎn)相關(guān)系數(shù)為0.3時的聯(lián)合轉(zhuǎn)移概率(%)借款人1(AA級)借款人2(B級)AAAAAABBBBBBCCC違約0.0036.4883.464.075.02AAA0.700.000.000.020.000.000.000.000.00AA90.650.000.040.290.000.0076.570.000.00A7.790.020.395.440.080.000.000.000.00BBB0.640.071.815.504.510.01BB0.060.000.024.470.640.040.040.000.01B0.140.000.000.920.180.020.020.000.00CCC0.020.000.000.090.020.000.000.000.00違約0.000.000.000.130.040.000.000.000.00假定資產(chǎn)收益率是服從正態(tài)分布的,即~,再假設(shè),則公司發(fā)生違約是的概率為;其中,表示企業(yè)違約時的資產(chǎn)收益率,即違約時的臨界資產(chǎn)收益率。同理可得,企業(yè)評級處于CCC級的概率為轉(zhuǎn)向其他級別的概率也可同樣的出。比如,B級借款人違約時的概率已知為5.02%,則可以根據(jù)公式利用標(biāo)準(zhǔn)正態(tài)分布函數(shù)數(shù)值表(見附錄A)求得同理可得B級轉(zhuǎn)向其他級別的臨界資產(chǎn)收益率,,,,,。通常假設(shè)企業(yè)資產(chǎn)的收益率服從標(biāo)準(zhǔn)正態(tài)分布,則σ=1.那么,AA級和B級借款人在下一年理均處于同一級別的臉的轉(zhuǎn)移矩陣的概率為:一般來說,在CreditMetrics模型中借款人之間的相關(guān)系數(shù)利用個別借款人股票收益的多因素模型來計算的。第二步,求聯(lián)合貸款價值。給出了64種聯(lián)合轉(zhuǎn)移概率,我們就可以計算兩筆貸款情形下的64種聯(lián)合貸款價值。每種信用等級狀態(tài)下每筆貸款的市場價值可入前面計算單筆貸款的情形哪也去計算(貸款B級的價值見附錄A)。再將個別貸款價值相加就可以得到一種組合的貸款價值,如表3-6所示。表3-6貸款組合的價值(萬元)債務(wù)人1(AA級)債務(wù)人2(B級)AAAAAABBBBBBCCC違約104.78104.60104.10102.9997.5993.7579.5064.13AAA109.37215.87215.86215.67215.01212.52210.76198.08160.50AA109.19215.78215.68215.49214.83212.34210.58197.90160.32A108.66215.25215.15214.96214.30211.81210.05197.37159.79BBB107.55214.14214.04213.85213.19210.70208.94196.26158.68BB102.02208.61208.51208.33207.66205.17203.41190.73153.15B98.10204.69204.59204.40203.74201.25199.49186.81149.23CCC83.64190.13190.23189.94189.28186.79185.03172.35134.77違約51.13157.62157.72157.43156.77154.28152.52139.84129.42如果一年后兩種貸款都升級到AAA級,則一年期的貸款組合的市場建筑變?yōu)?15.87萬元,同樣,如果兩筆貸款都違約,那么,貸款組合的價值將變?yōu)?29.42萬元。第三步,計算貸款組合的VaR值。如同單筆貸款。貸款組合仍考慮在正態(tài)分布下的VaR。在64種可能的聯(lián)合概率和64種可能的貸款價值之下,貸款組合的均值及其方差可以計算:均值萬元;方差萬元;標(biāo)準(zhǔn)差萬元;則貸款組合的VaR值可以計算得出:99%的萬元95%的萬元3.1.3筆貸款的VaR計算在正態(tài)分布模型中,筆貸款的組合風(fēng)險取決于組合中每一對貸款組合的風(fēng)險,也取決于每筆貸款的個別風(fēng)險。為估計筆貸款的組合風(fēng)險,我們只需要計算包括兩種資產(chǎn)的次級組合的風(fēng)險,在實際情況中往往采取如下方法:因而則可得對于大樣本貸款組合的貸款組合中,采用蒙特卡羅模擬。在筆貸款組成的貸款組合中,對于每筆貸款,根據(jù)其給定的原始信用等級、移往其他級別的聯(lián)合轉(zhuǎn)移概率和這些貸款之間的相關(guān)系數(shù)等數(shù)據(jù),我們可以模擬出中不同的借款人的資產(chǎn)價值。在每次模擬之后,要重新評估每筆貸款的價值。模擬的種貸款的價值交叉的相加,可以得到貸款組合的總共中不同的價值。在95%和99%的置信水平下,貸款組合的VaR值可以按照百分位法計算出來?;贑reditMetrics模型計算CVaR實例分析在得知VaR的請況下,我們就可以通過公式(2.13)得出CVaR的值;通過公式可以算出95%置信水平和99%置信水平下在正態(tài)分布下的CVaR值,并將其與VaR值進(jìn)行比較結(jié)果見表;單筆AA級貸款下計算CVaR表3-7單筆貸款下CVaR和VaR比較(萬元)正態(tài)分布95%置信水平99%置信水平CVaR2.69143.8462VaR1.04642.4382計算結(jié)果表明,在貸款價值為正態(tài)分布的假設(shè)條件下,該筆貸款有1%的可能性在第二年的損失超過3.8462萬元,有5%的可能性在第二年的損失超過2.6914萬元。反過來說,該筆貸款在第二年的損失有99%的可能性保證不超過3.8462萬元,有95%的肯性保證不超過2.6914萬元。兩筆AA級和B級貸款下計算CVaR表3-8兩筆貸款下CVaR和VaR比較(萬元)正態(tài)分布95%置信水平99%置信水平CVaR7.51399.0098VaR5.18497.3218通過表3.2.1和3.2.2中CVaR和VaR的比較,可以看出CVaR估計的值比VaR估計的值高很多。所以,總體而言,CVaR是一種可以覆蓋更大圍尾部風(fēng)險度量工具。并且,在VaR不可交易的度量圍而,CVaR對損失的估計比較準(zhǔn)確,從而說名,CVaR方法更能準(zhǔn)確的度量尾部風(fēng)險。再者,CVaR可以在有效覆蓋風(fēng)險的同時將成本控制在比較合理的水平上,使該選擇更具有現(xiàn)實意義及經(jīng)濟(jì)意義。3.3模型應(yīng)用中存在的問題(1)CreditMetrics模型一,模型的局限性目前的銀行監(jiān)管體系對貸款的損失有兩種定義:一種認(rèn)為只有當(dāng)借款者在風(fēng)險評價期間發(fā)生違約時才產(chǎn)生損失;另一種認(rèn)為當(dāng)借款者的信用等級發(fā)生改變或違約發(fā)生時,貸款的價值就發(fā)生改變,也就是產(chǎn)生了損失,而CreditMetrics模型值針對第二類情況才適用。二,模型參數(shù)估計任務(wù)艱難模型中所涉及的參數(shù)規(guī)模龐大,而且復(fù)雜。在CreditMetrics模型中,出來要估計各信用等級貸款得違約概率之外,還估計出由某信用級別往其它信用級別的轉(zhuǎn)移概率。三,模型所需要的歷史數(shù)據(jù)難獲得由于貸款具有周期較長的性質(zhì),要獲得較為準(zhǔn)確的估計值,就必須擁有橫跨多個信用周期,歷時很多年的歷時數(shù)據(jù),而這一條對于很多銀行來說都是不具備的。因此,歷史數(shù)據(jù)的稀少成為信用風(fēng)險量化管理模型最重要的障礙。正是由于這種數(shù)據(jù)的制約,很多銀行在建立模型時多采用簡化問題假設(shè)和主觀判斷來解決。這些主觀假設(shè)和判斷對模型所估計的信用損失概率密度函數(shù)有很大影響,尤其是密度函數(shù)的極端值對這些假設(shè)和參數(shù)估計很敏感,這對模型的有效性有很大的影響。3.4在我國商業(yè)銀行應(yīng)用中的不足(1)CreditMetrics模型從本文中CreditMetrics模型的應(yīng)用來看,使用CreditMetrics模型是有一定的前提的:第一,需要事先有信用評級系統(tǒng),即存在公平客觀且標(biāo)準(zhǔn)統(tǒng)一的信用級別;第二,擁有豐富的信貸數(shù)據(jù),據(jù)此才可以計算出各信用等級貸款的違約概率及移往其它級別的概率轉(zhuǎn)移矩陣。而且,從實踐來看,CreditMetrics模型要采用的信用評分模型的應(yīng)用在我國商業(yè)銀行中還處于初級階段。由于缺乏有效的歷史數(shù)據(jù)的緣故(某些銀行通過其所建立的數(shù)據(jù)庫收集了部分歷史數(shù)據(jù),但數(shù)據(jù)的質(zhì)量較差),我國商業(yè)銀行普遍沒有建立起定量信用評分的模型,大多數(shù)銀行只是根據(jù)自身情況建立了基于專家判斷法的信用評分模型,但由于此模型的預(yù)測能力沒有經(jīng)過系統(tǒng)的驗證,導(dǎo)致這些模型在實際業(yè)務(wù)中的應(yīng)用實效大打折扣。3.5對我國商業(yè)銀行風(fēng)險度量的建議隨著經(jīng)濟(jì)發(fā)展,居民消費結(jié)構(gòu)升級,中國商業(yè)銀行消費信貸業(yè)務(wù)發(fā)展迅速。據(jù)統(tǒng)計,至2008年12月,中國個人消費信貸余額達(dá)3.7萬億元,其中中長期消費信貸余額達(dá)3.3萬億元。消費信貸余額數(shù)量巨大。我國商業(yè)銀行信用風(fēng)險現(xiàn)狀1、我國商業(yè)銀行尚未形成正確的信用風(fēng)險管理理念。目前我國商業(yè)銀行多數(shù)工作人員對信用風(fēng)險管理的認(rèn)識不夠充分、信用風(fēng)險管理理念比較舊。不能適應(yīng)新時期業(yè)務(wù)高速發(fā)展及風(fēng)險環(huán)境復(fù)雜的需要。2、不良貸款比例高,貸款資金趨向長期化、集中化。我國銀行業(yè)的貸款人多集中在房地產(chǎn)或其它人型資產(chǎn)投資項目上,且數(shù)額巨大。而貸款資金長期化將導(dǎo)致銀行資產(chǎn)的流動性降低,信貸資金周轉(zhuǎn)速度減慢。一旦累積的信用風(fēng)險暴露出來,勢必會造成嚴(yán)重的信貸損失,對銀行的長遠(yuǎn)發(fā)展是極為不利的。3、銀行風(fēng)險的部評級制度不完善。目前,我國國有商業(yè)銀行的部信用評級普遍采用“打分法”,即通過選取一定的財務(wù)指標(biāo)和其他定性指標(biāo),通過專家判斷或其他方法設(shè)定每一指標(biāo)的權(quán)重,由評級人員根據(jù)事先確定的打分表對每一個指標(biāo)分別打分,再根據(jù)總分確定其信用級別。這一方法的特點是簡便易行,可操作性強(qiáng),但這一評級方法存在著明顯的缺陷:評級過程中缺少對未來償債能力的預(yù)測;缺乏對現(xiàn)金流量的分析和預(yù)測;指標(biāo)和權(quán)重的確定缺乏客觀依據(jù);行業(yè)分析和研究明顯不足;風(fēng)險管理體系建設(shè)滯后等。4、部評級不完善,風(fēng)險揭示不充分。與先進(jìn)的國際性銀行相比,我國大多數(shù)商業(yè)銀行部評級無論是在評級方法、評級結(jié)果的檢驗,還是在評級組織結(jié)構(gòu)、基礎(chǔ)數(shù)據(jù)庫等方而都存在著相當(dāng)大的差距,從而極限制了部評級在揭示和控制風(fēng)險方而的作用。(二)針對我國現(xiàn)狀提出完善商業(yè)銀行信用風(fēng)險監(jiān)管的建議

第一,提高商業(yè)銀行信用風(fēng)險度量和管理技術(shù)水平。根據(jù)當(dāng)前我國商業(yè)銀行信用風(fēng)險管理的現(xiàn)狀,要盡快提高我國商業(yè)銀行信用風(fēng)險管理水平。首先,各商業(yè)銀行應(yīng)積極開發(fā)以計算機(jī)為平臺的客戶信息系統(tǒng),廣泛收集充分的客戶信息,建立起完善的數(shù)據(jù)庫。其次,我國商業(yè)銀行應(yīng)根據(jù)我國的國情,堅持定性分析與定量分析相結(jié)合的原則,積極開發(fā)出適合自身條件的信用風(fēng)險度量模型。

第二,確立完善的商業(yè)銀行部控制體系。完善的部控制體系可以保證商業(yè)銀行的風(fēng)險管理策略得以落實。首先,通過授權(quán)管理、崗位制衡等手段防止操作風(fēng)險在業(yè)務(wù)環(huán)節(jié)中的出現(xiàn)。其次,通過標(biāo)準(zhǔn)化的部控制管理實現(xiàn)部控制的連續(xù)性和系統(tǒng)化,從而嚴(yán)格控制銀行的各項業(yè)務(wù)和管理活動。最后,通過不間斷的調(diào)整和改進(jìn),不斷提高商業(yè)銀行的風(fēng)險管理水平,確保其經(jīng)營目標(biāo)的實現(xiàn)。第三,積極引進(jìn)并應(yīng)用先進(jìn)的風(fēng)險管理技術(shù)。一是加快風(fēng)險管理的信息化建設(shè)。二是提高風(fēng)險管理技術(shù)。我國商業(yè)銀行要迅速按照新巴塞爾資本協(xié)議框架要求,借鑒國際銀行業(yè)先進(jìn)經(jīng)驗并運(yùn)用現(xiàn)代科技手段,從風(fēng)險組織流程、風(fēng)險計量模型、風(fēng)險數(shù)據(jù)庫和風(fēng)險管理信息系統(tǒng)等方面,建立科學(xué)的、符合國際銀行業(yè)標(biāo)準(zhǔn)的部評級系統(tǒng),逐步建立覆蓋所有業(yè)務(wù)風(fēng)險的監(jiān)控和評價預(yù)警系統(tǒng),進(jìn)行持續(xù)的監(jiān)控和評估,全面系統(tǒng)地為風(fēng)險管理提供決策依據(jù)。第四,提高風(fēng)險管理的制度化水平,增強(qiáng)風(fēng)險預(yù)警能力。注重建設(shè)風(fēng)險管理的體系標(biāo)準(zhǔn)。以系統(tǒng)論、控制論和信息論為指導(dǎo),以國際管理標(biāo)準(zhǔn)的“過程模式”為框架,將質(zhì)量管理體系的精髓導(dǎo)入銀行部控制;搭建風(fēng)險管理機(jī)制。全力打造風(fēng)險管理環(huán)境、風(fēng)險管理執(zhí)行工具,使風(fēng)險的監(jiān)測評價、信息交流和反饋都在一個運(yùn)轉(zhuǎn)良好的運(yùn)行機(jī)制中得到實現(xiàn);突出風(fēng)險的預(yù)警。第五,規(guī)社會信用關(guān)系,推動社會信用文化建設(shè)。要建立健全有關(guān)社會信用的法律體系,推進(jìn)信用文化建設(shè)。總之,當(dāng)前商業(yè)銀行的風(fēng)險趨于全球化、多樣化、復(fù)雜化,這就需要我們順應(yīng)風(fēng)險管理的新趨勢,構(gòu)建更合理和完善的商業(yè)銀行風(fēng)險管理體系。采取適時而進(jìn)的新方法,積極度量風(fēng)險,科學(xué)管理風(fēng)險,合理承擔(dān)風(fēng)險,才能獲取與之相匹配的收益回報。結(jié)論與展望本文從商業(yè)銀行信用風(fēng)險度量這一角度出發(fā),結(jié)合我國商業(yè)銀行信用風(fēng)險管理的實際情況運(yùn)用CreditMetrics模型對我國某商業(yè)銀行的貸款數(shù)據(jù)進(jìn)行了實證分析。在此基礎(chǔ)上,對我國商業(yè)銀行信用風(fēng)險管理體系的構(gòu)建和完善提出相應(yīng)的政策建議。主要結(jié)論如下:CVaR相較于VaR的優(yōu)越性得到進(jìn)一步證實在第三章的實例討論中可以看出,在VaR不可度量的交易圍,CVaR對損失的估計比較準(zhǔn)確。而且,由CVaR測算出來的商業(yè)信用風(fēng)險相對于VaR測算的風(fēng)險覆蓋圍更廣,更能體現(xiàn)潛在的風(fēng)險。CVaR對風(fēng)險的控制比VaR嚴(yán)格,即CVaR具有比VaR更保守的特性。(2)新構(gòu)建的CreditMetrics模型可以應(yīng)用于我國商業(yè)銀行信用風(fēng)險管理由以上實證分析可知,以CreditMetrics模型求的的VaR和CVaR值,通過適當(dāng)?shù)男拚梢詰?yīng)用與我國商業(yè)銀行信用風(fēng)險管理。選擇此方法主要基于以下考慮:首先CreditMetrics模型在給出VaR和CVaR的同時,把信用等級的轉(zhuǎn)移狀態(tài),違約狀態(tài)和相應(yīng)重要指標(biāo)都考慮為風(fēng)險暴露的組成部分,彌補(bǔ)了其它模型的指標(biāo)數(shù)據(jù)單調(diào)性的不足。其次,以CreditMetrics模型已經(jīng)被國際上許多銀行所采用,對于信用風(fēng)險的預(yù)測也給出了一個量化的VaR和CVaR值的結(jié)果,其使結(jié)果更具有代表性。作為現(xiàn)今金融領(lǐng)域最流行的風(fēng)險度量手段VaR與CVaR方法已被國外眾多銀行、保險、證券公司等廣泛應(yīng)用。VaR本身存在諸多不足是其本有屬性,是無法通過自身完善的,而CVaR作為VaR的改進(jìn)與完善在這種情況下應(yīng)運(yùn)而生,但這并不是說用CVaR完全取代VaR就是必然趨勢。在風(fēng)險度量過程中,要做到因時制宜,因地制宜的使用兩種度量手段,準(zhǔn)確對風(fēng)險進(jìn)行度量規(guī)避,以達(dá)到投資最大效用才是惟一目的。

同時,對于我國商業(yè)銀行應(yīng)該積極開發(fā)以計算機(jī)為平臺的客戶信息系統(tǒng),廣泛收集充分的客戶信息,建立起完善的數(shù)據(jù)庫。并根據(jù)我國的國情,堅持定性分析與定量分析相結(jié)合的原則,積極開發(fā)出適合自身條件的信用風(fēng)險度量模型。關(guān)于,信用風(fēng)險評估模型對銀行信用風(fēng)險進(jìn)行評估,我國應(yīng)該建立在指標(biāo)體系的結(jié)構(gòu)以及指標(biāo)權(quán)數(shù)的確定應(yīng)以基于復(fù)雜、非線性理論的人工智能方法為主。總之,當(dāng)前商業(yè)銀行的風(fēng)險趨于全球化、多樣化、復(fù)雜化,這就需要我們順應(yīng)風(fēng)險管理的新趨勢,構(gòu)建更合理和完善的商業(yè)銀行風(fēng)險管理體系。通過不間斷的調(diào)整和改進(jìn),不斷提高商業(yè)銀行的風(fēng)險管理水平,在完善商業(yè)銀行的立法基礎(chǔ)上加大執(zhí)法力度,推進(jìn)信用文化建設(shè),維護(hù)金融秩序。

致至此論文完成之際,首先,感母校對我的悉心栽培,在這里鑄就了我的大學(xué)夢;其次,我要感我的導(dǎo)師耿志祥老師,在論文寫作過程中給予回顧大學(xué)四年的學(xué)習(xí)過程,我深刻地體會到了老師和同學(xué)對我提供的幫助。各科授課老師在教學(xué)的過程中,都會細(xì)心地授課,并能夠幫我們解決學(xué)習(xí)以及生活中所遇到的困難,在此表示衷心地感。在成長的道路上,我要感我的父母,感父母一直以來對我的關(guān)懷把我撫養(yǎng)長大。同時要感我們寢室的幾位同學(xué),她們在我論文的完成過程中給予了我很大的幫助。在四年的大學(xué)生活中,大家相互關(guān)懷,相互幫助,在一起留下了不少美好的回憶。作者:年月日參考文獻(xiàn)[1]夏紅芳.商業(yè)銀行信用風(fēng)險度量與管理研究[M].:大學(xué),2009.[2]于立勇.商業(yè)銀行信用風(fēng)險評估[M].:大學(xué),2007.

[3]明康.高度關(guān)注房貸風(fēng)險嚴(yán)格執(zhí)行差別信貸政策[EB/OL].銀監(jiān)會.[4]田玲著.德國商業(yè)銀行風(fēng)險管理研究[M].:科學(xué),2004,95.[5]皮埃特羅·澤,維普·K·班塞爾.用VaR度量市場風(fēng)險[M].:機(jī)械工業(yè),2001[6]鞏前錦.條件風(fēng)險價值(CVaR)在投資組合理論中的應(yīng)用研究[D].中南大學(xué)碩士學(xué)位論文,2003.[7]郭丹.金融市場風(fēng)險測量的優(yōu)化模型研究[D].西北工業(yè)大學(xué)碩士學(xué)位論文,2004.

[8]林輝,何建敏.VaR在投資組合應(yīng)用中存在CVaR模型[J].財貿(mào)經(jīng)濟(jì),2003,12(3):11-13.[9]杰,淺談我國外匯體制與商業(yè)銀行外匯風(fēng)險管理[J].科技創(chuàng)月刊,2007,3(1):9-11.[10]羅奇,小林.我國商業(yè)銀行操作風(fēng)險及其防對策探析[J].經(jīng)濟(jì)學(xué)院學(xué)報,2006,6(4):483-487.[11]興法,王慶石.基于CreditMetrics模型的商業(yè)銀行信用風(fēng)險應(yīng)用研究[J].財經(jīng)問題研究,2006,8(12):23-50.[12]JPMorgan,1996,RiskMehicsClassic,4thed.,[M].JPMoranTechnicalDocument.[13]Cebenoyan,A.Sinan;Strahan,PhilipE.Riskmanagement,capitalstructureandlendingatbanks[J].JournalofBankingandFinance,2004,8(2):3-5.[14]BennettW.Golub,LawrencePohlman.MortgagePrepaymentsandanAnalysisoftheWhartonPrepaymentModel[J].Interfaces,1994,24(3):80-90.

附錄附錄A.(1)與一年期轉(zhuǎn)移矩陣相對應(yīng),還有多年期累計平均違約率統(tǒng)計數(shù)據(jù)(見附錄表1)附錄表1不同級別客戶多年累計平均違約率(%)期限1234571015AAA0.000.000.061.401.40AA0.000.030.891.291.48A0.060.160.270.440.60BBB0.180.440.721.271.782.994.344.70BB1.063.486.128.6810.9714.4617.7319.91B5.2011.0015.9519.421.8825.1429.0230.65CCC19.7926.9231.6335.9740.1542.6445.145.10(2)實例分析中公式的具體計算利用Excel計算如下:年末信用評級狀態(tài)的概率(%)新貸款價值加利息(萬元)概率加權(quán)的價值(萬元)價值偏離均值的差異(萬元)概率加權(quán)差異的平方(萬元)AAA0.70118.50550.700.26750.029850.82950.000501AA90.65118.316693.480.07860.19460107.25400.005607A7.79117.76578.47-0.47231.585429.17390.017373BBB0.64116.59961.65-1.63840.025900.74620.017179BB0.06110.83370.09-7.40430.009040.0

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論