基于方向久期与凸度免疫的资产负债优化模型

通过方向久期和方向凸度的免疫条件来控制资产配给中的利率风险,建立了银行资产负债组合优化模型.本文通过资产或负债价格对利率一阶导数受不同时段利率变动的影响而形成方向久期的思路,提出其二阶导数也受不同时段利率变动影响形成方向凸度的概念.通过资产或负债的凸度受不同时段利率变动的影响关系给出方向凸度的表达式,反映了即期利率及其变动对贴现现金流的影响,改变了现有研究忽略利率变化对凸度的影响的状况.通过方向久期和方向凸度的双重免疫建立优化模型,解决了无论利率在不同时段的变化量是否相同均可进行风险免疫问题.     

信用违约风险模型中违约概率的统计推断

简约化模型是目前研究信用风险的一种重要模型,应用信用违约风险模型最重要的步骤是计算违约概率.在简约模型中,可以假定违约是外生的,由强度函数(风险率函数)可以方便地描述违约机制,从而为考虑多因素复杂违约模型提供了基础.本文通过利用一些在违约风险上有用的生存分析方法,并对违约概率进行估计.所提出的风险模型既能自然地体现各种风险因素,又能很好地解释各种风险因素对风险的影响,同时所提出的违约概率模型也能考虑因素的动态性和交互作用.     

利率风险管理的三因素久期模型

利用主成分分析法构建了一个管理利率风险的三因素久期模型,该模型可以计算相应的主成分久期.通过实证比较了该方法与Fisher-Weil久期的差异,发现不同期限的债券组合所受到的主要影响因素不相同.因此,单一风险因素管理利率风险不能完全满足要求.     

基于Fisher判别的企业短期贷款信用违约模型构建

企业信用违约率的准确测度是巴塞尔Ⅱ框架下内部评级法中的基本要求。本文针对企业信用违约预测存在的问题，运用SAS统计软件对某国有商业银行的2003年全部短期贷款企业的财务数据进行分析．摒弃以往配对模式，采用全样本进行分析，筛选出11个财务比率指标作为企业信用风险评价函数的计量参数。应用Fisher判别原理．建立一个简明的违约判别模型，经统计检验模型是有效的．判别结果也是可接受的。     

基于Nelson-Siegel模型控制利率风险的资产负债组合优化模型

以资产组合月利息收入最大为目标函数,以Nelson-Siegel久期向量零缺口、满足法律法规及银行资产负债管理要求为约束条件,建立资产负债组合优化模型。本文的创新与特色一是基于Nelson-Siegel模型,将利率的变化分解为水平、斜率和曲率因子的变动,更准确地把握利率变化的结构特征,通过Nelson-Siegel久期向量零缺口,能免疫利率期限结构非平行移动产生的风险,比传统久期更具广泛性;二是通过实例对比分析,从资产分配分散化、月度收益和银行净值变化三个方面,证实Nelson-Siegel久期向量模型相比传统久期-凸度模型在商业银行资产负债管理上的优越性。     

基于久期缺口模型的隐含期权利率风险管理

基于久期缺口模型研究了具有隐含期权的商业银行利率风险管理问题,提出了隐含期权利率风险测量的杂合低偏差序列Monte Carlo方法(HPL-MC),构建了利率风险管理的目标规划模型.计算实例表明,该模型可以较好地减少利率风险的暴露头寸 ,提高收益.     

信用危机下可违约债券组合风险集成度量:基于三因子强度定价模型

可违约债券一旦一个信用违约事件突发后,可导致一系列的可违约债券的相续违约,通过对可违约债券组合风险集成度量进行研究,为金融机构进行金融应急管理和科学决策提供理论依据,同时有利于金融机构完善金融系统在这方面应急处置机制.针对可违约债券组合中的信用-市场风险相关性和各债务人信用相关性,可从不同风险类型识别出的共同的风险驱动因子出发构建风险整合框架.假设债券的违约强度仿射地依赖于系统市场风险因子、系统信用风险因子、特质信用风险因子等组成的基础状态向量,推导出了基于三因子仿射强度的可违约债券价格,把可违约债券双因子强度定价模型拓展为三因子强度定价模型.在此基础上,建立了可违约债券组合风险集成度量的Monte Carlo方法,得出同一个风险计算期下反映市场风险和信用风险这两类风险的损失分布,进而能求得组合的VaR值,在同一个框架下同时捕捉可违约债券的两类风险.最后运用提出的基于三因子仿射强度的风险集成度量模型对短期融资券组合的风险进行数值计算,并与基于双因子仿射强度的风险集成度量模型得到的VaR值进行比较分析.     

随机久期免疫:一种非参数方法

参数利率期限结构模型的多样性和计算的复杂性增加了随机久期免疫方法的使用成本,影响了随机久期免疫方法的实用性、准确性和稳定性。在单因子HJM模型的假设下提出了引入非参数方法的随机久期进行利率风险的免疫,显著降低了随机久期的模型设定误差问题对免疫结果的影响,从而改善了随机久期方法的免疫效果。通过实证结果的检验,该方法比参数方法估计的随机久期具有更好的免疫效果。     

可违约债券期限结构模型

在违约强度为随机过程、违约强度与利率相关、以及无风险债券市值回收的条件下,构造了可违约债券的期限结构模型,给出了可违约债券的价格表达式,并讨论了信用风险衍生产品的定价问题。本文构造的模型属于强度模型流派。     

银行资产负债管理的模型及其优化

应用银行资产负债管理理论和技术,提出由资产负债结构与信货风险控制两个子模型组成银行资产负债管理模型及其优化方法,以实现银行资产流动性、安全性和盈利性的均衡。银行资产负债管理的第一层子模型以银行法律、法规及银行经营管理规则为约束,资产盈利最大化为目标给出资产安排最佳比例结构。第二层子模型从信贷风险产生的根源——企业破产深层次角度,对企业破产概率进行研究,提出基于生存函数的信贷风险控制模型。实现了银行资产安排在满足法律约束、协调原则及信贷客户选择上的统一,并给出仿真计算案例。     

交易对手信用违约事件与信用违约互换公允价值

本文在分析交易对手违约的基本信用事件基础上,运用生存分析技术研究了交易对手信用违约事件对信用违约互换合约价格的影响. 本文的研究表明: (1)不同的信用事件对信用违约互换合约的价格是有影响的,包含考虑交易对手违约事件的信用违约互换价格比不包含时会更低; (2)参考资产和卖方违约的相关性在信用衍生品的定价中至关重要,无论相关系数为正或为负,都会影响到信用违约互换的合理估值.     

基于混合生存分析的动态信用评分方法

当今国内外经济形势复杂多变,不确定因素增多,金融市场中信用风险的动态性显著增强,动态信用风险评价成为金融机构迫切需要解决的问题.为此,本文提出了一种基于混合生存分析的动态信用评分方法.该方法由三部分组成:首先,构建基于混合生存分析的动态信用评分模型,包括违约状态判别模型和违约时间估计模型,用于预测评价对象"是否违约"以及"何时违约";其次,利用面板数据构建多重生存状态向量,用于表征信用特征和生存时间的动态关联;最后,基于生成的多重生存状态向量,利用期望最大算法迭代估计模型参数.实验研究表明该方法的预测效果显著优于基于单分类、基于集成学习以及基于生存分析的信用评分方法.     

基于条件蒙特卡罗方法的信用违约互换合约定价

多标的资产违约相关性结构的度量及其联合违约时间的模拟是信用违约互换合约定价的关键.Copula函数和蒙特卡罗模拟是解决此关键问题的有力工具,被广泛应用于信用衍生品定价.本文基于因子t-copula模型,结合条件蒙特卡罗模拟,构建了计算第7n次信用违约互换合约的条件蒙特卡罗算法.该算法能够捕捉多标的资产违约的尾部相关性,更准确地度量标的资产组合的违约风险及提高违约事件的模拟效率.数值结果表明,在考虑尾部相关性的情形下,采用重要抽样技术的JK算法和改进的JK算法是不稳定的,不能达到减方差的目的;而本文新构建的定价算法更稳定,在高斯copula和t-copula模型下,都能够有效减小估计量的方差,提高信用违约互换合约的定价精度和可靠性.     

基于联合违约概率的资产组合投资优化方法

投资组合的资产联合违约概率(joint,probability of default,JPoD)是一种有效的系统风险测度工具.基于JPoD分析,提出了一种新的资产组合选择优化方法,即通过计算资产池中每两种资产的JPoD值得到JPoD矩阵,利用遍历算法逐次筛选,得出具有最小系统风险的多资产组合.实证分析首先利用2014 2015年的上证综指和深证成指数据验证了JPoD方法的有效性;其次,分别利用中国股票市场数据和美国股票市场数据将所提出的资产组合选择方法与马科维茨均值-方差组合理论、随机组合方法进行比较,结果表明无论是在中国股票市场还是美国股票市场,JPoD方法都明显优于其他两种方法.     

中国信用风险缓释工具设计与定价实证研究

研究中国信用违约互换的交易流程、合约设计和定价问题,基于人民币信用衍生品市场,完善了Jarrow-Turnbull约化模型并配置参数,最后运用模型进行具体的实例计算.研究发现,同期限国债或央票利率作为定价的基准利率较为恰当,模型计算得出的理论价格与市场报价比较接近.进一步验证了定价方法的科学性和可行性,为我国市场上流通的信用产品的定价及合约现金流测算提供了理论依据.     

违约风险对期权定价的影响

在违约条件下，证券的特有者将得到无违约风险证券价值的一定比例的补偿，就对方所发行的同等级要求权的衍生证券和债券而言，预期无违约价值的比例是相同的，文章据此来推算违约风险对期权的影响。     

基于信用差异度最大的信用等级划分优化方法

信用评级对当代社会有极其重要的影响,若信用等级划分不合理,必将误导债权人和社会公众.信用评级结果的变动直接反映经济状态的变化,2011年标准普尔把美国的主权信用评级从AAA级降为AA+,引起全球金融市场的动荡.信用评级的本质是合理区分客户的信用状况,揭示不同等级客户的信用风险水平.国际上比较流行的标普、穆迪的信用评级针对中国客户的评级结果往往存在信用等级很高、违约损失率反而不低的不合理现象.本研究以信用差异度和违约金字塔为标准,构建非线性规划模型划分信用等级,并以中国小企业贷款数据为样本进行实证研究·本研究的创新与特色一是根据第k个信用等级中最后一个样本的信用评分P_(mk)~k与第k+1个信用等级中第一个样本的信用评分P_1~(k+1)确定相邻两个等级的信用评分差值,以所有信用等级的评分差值之和∑(P_(mk)~k-P_1~(k+1))最大为目标函数,确保最大程度的保证信用评分差异大的客户划分为不同信用等级.避免了把信用状况差异较大的客户划分成同一个信用等级的不合理现象.二是以信用等级由高到低的违约损失率严格递增为约束条件建立信用等级划分模型,保证信用等级划分结果满足信用等级越高、违约损失率越低的违约金字塔标准,避免出现信用等级很高、违约损失率反而不低的不合理现象.三是1814笔工业小企业贷款数据的实证研究表明,本研究的信用等级划分方法不仅满足信用等级越高、违约损失率越低的违约金字塔标准,还能保证信用状况差异大的客户划分为不同信用等级.     

基于最小显著差异法农户关键违约特征挖掘

信用风险管理不仅是简单的对客户信用资质进行排序，而是识别出客户是否违约，如果违约将会给银行造成多大程度的损失.故信用风险管理问题可以归纳为：一是根据什么标准识别客户是否违约，这个标准也就是文中的关键指标；二是客户按照某一标准划分为多类，哪一类客户将给银行造成更大的损失，这类客户的识别也就是文中的关键特征识别.上述问题解决的是在信用风险管理中，具有哪些关键特征的贷款农户是造成银行较大违约损失的"害群之马".以中国某国有商业银行分布在28个省的农户贷款数据为实证样本，通过F检验的方法甄别出居住状况，年净收入/省人均GDP这2个指标是对中国农户贷款违约损失率有显著影响的关键指标.通过最小显著差异法确定"年净收入/省人均GDP"区间在10.02~19.24内，居住状况是"共有住房"特征的贷款农户的违约风险最大，是信用风险管理中的关键特征，具有这类特征的贷款农户的违约风险最大.     

Parametric and non-parametric combination model to enhance overall performance on default prediction

The probability of default（PD） is the key element in the New Basel Capital Accord and the most essential factor to financial institutions＇ risk management.To obtain good PD estimation,practitioners and academics have put forward numerous default prediction models.However,how to use multiple models to enhance overall performance on default prediction remains untouched.In this paper,a parametric and non-parametric combination model is proposed.Firstly,binary logistic regression model（BLRM）,support vector machine（SVM）,and decision tree（DT） are used respectively to establish models with relatively stable and high performance.Secondly,in order to make further improvement to the overall performance,a combination model using the method of multiple discriminant analysis（MDA） is constructed.In this way,the coverage rate of the combination model is greatly improved,and the risk of miscarriage is effectively reduced.Lastly,the results of the combination model are analyzed by using the K-means clustering,and the clustering distribution is consistent with a normal distribution.The results show that the combination model based on parametric and non-parametric can effectively enhance the overall performance on default prediction.