资产担保债券在欧洲的应用及对我国的启示

资产担保债券在欧洲已有悠久的历史。近年来,尤被越来越多的欧盟国家采用。截至2008年底,资产担保债券余额总计已约计超过两万亿欧元。鉴于它能够为贷款人节约成本,为投资者提供一种高等级政府或机构债务的替代品,并已成为银行筹资的主要方式之一,因此,资产担保债券不仅在欧洲,乃至全球都得到了相当快的发展。尽管作为一种最安全的投资工具之一,资产担保债券也未能避免遭受自2007年中期以来金融危机的影响。主要表现为发行量的减少和市场利差持续扩大,但与高级无担保债券或资产支持证券相比,无论是对发行量的负面影响还是利差的扩大幅度已经小得多。综观其在金融危机中的表现,资产担保债券比其它批发性融资工具具有较强的恢复能力,并且仍然保持着较好的资产质量,并未出现大规模违约事件。本文将围绕资产担保债券的定义与特征、历史与发展、法律监管以及其在危机中的表现和给我国目前债市情况带来的启示进行探讨。     

美国次贷危机对我国经济的影响

近期爆发的美国次级贷款危机源于对房产市场繁荣时期的高房价的假设而非借款者还款能力的保证.资产证券化则进一步将危机由抵押贷款市场传递到证券市场,使得危机迅速蔓延到其他国家.在此轮金融风波中,由于我国资本项目尚未放开,境外投资受限,我国经济受到的直接影响有限.但应当注意的是,中国目前正经历流动性过剩和资产价格大幅上涨,在全球通货膨胀的背景下,此轮危机对中国造成的间接影响不容乐观,其警示作用值得关注.     

房地产抵押贷款评估中存在的问题及其对策探讨

我国房地产价格评估业起步较晚房地产评估理论尚不太完善、评估操作尚不规范、房地产价格评估市场及相关法律法规尚不健全,正处于探索阶段;加上个别客户采取不同手段将风险恶意转嫁给评估机构,无形中加大了评估机构和评估人员的风险。因此在这种情况下分析研究抵押货款风险,掌握其产生的规律性,对规避和降低抵押贷款风险,促进房地产价格评估业健康有序地发展具有十分重要的意义。     

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.     

创新投融资模式制度以缓解山西交通建设资本金约束困境

从探索投融资模式制度创新的角度,为缓解山西交通建设资本金约束困境提供几种思路。     

具有模糊收益率的贷款组合优化决策

通过把贷款的收益率刻画为模糊变量,提出了贷款组合的优化决策模型,即均值-方差模型,模型中的贷款收益率可以是任意的模糊变量.对于贷款收益率是特殊的三角模糊变量的情况,给出了模型的清晰等价类,这些等价类模型可以用传统的方法进行求解.对于贷款收益率的隶属函数比较复杂的情况,设计了基于模糊模拟的混合优化算法求解模型.该算法集成了模糊模拟、神经网络、遗传算法和同步扰动随机逼近算法,既具有较强的全局搜索能力,又具有高效的局部搜索能力.经数值仿真,验证了算法的可行性.     

用约化方法对有第三方担保的企业债券定价

在约化模型的框架下,考虑到担保方可能违约的情况,用偏微分方程的方法得到了有第三方担保的企业债券的定价公式和担保的价值,并讨论了担保方违约可能性的大小等因素对债券定价和担保的价值的影响.     

我国中小企业信用担保制度的完善

中小企业信用担保是政府扶持中小企业发展的一项财政性的金融政策。但信用担保本身又是市场化运行。保证中小企业信用担保这种“政策性的资金,法人化的管理,市场化的运作”,必须从以下方面不断完善：建立法人实体;政府干预制度化;加强监管;建立科学的风险识别和控制机制;不断提升信用担保机构的信用资源;形成各个利益主体风险共担的社会担保体系。     

银行贷款损失准备

介绍了贷款损失准备金的种类及提取方法,提出了完善我国贷款损失准备制度的几点建议。     

基于组合分类策略的个人信用风险评估研究

随着个人贷款的需求日渐旺盛,评估贷款人的信用好坏对金融机构规避风险尤为重要。文章提出了基于组合分类策略的个人信用风险评估模型,该模型引入了决策分值的概念,选取K最近邻(K-nearest neighbor, KNN)、随机森林(random forest,RF)、决策树(decision tree,DT)和支持向量机(support vector machine SVM)等常用的信用评估分类算法作为基分类器,分别从稳定性和准确性2个维度计算每个基分类器的决策分值,并根据组合后的决策分值评估贷款人信用好坏,最后在3个真实数据集上验证了该模型的有效性。