基于结构化模型的住房抵押贷款定价研究

住房抵押贷款隐含着提前支付期权与违约期权,而期权是否执行取决于利率与房价两个风险因子.传统的结构化期权定价理论往往高估了住房抵押贷款的期权价值.采用双二叉树网格定价模型在Wei模型的基础上考虑多步跳跃的情形,并结合HST模型消除状态变量相关性,另外引入社会成本这一变量,使模型具有更好的适用性.实证分析表明,房价波动超过...     

延迟滤波下的公司债违约概率测度

违约概率是公司信用风险管理的重要参数,是计算公司预期违约损失、债券定价以及信贷组合管理的基础.为了更准确更有效地测度违约概率,引入了延迟滤波来定义不完全信息,改变信息结构,减少"噪音",以提高违约概率测度的精确性;用重随机Poisson过程的延迟滤波取代由布朗运动所形成的自然滤波的鞅来计算违约概率以避免一些金融资产的运...     

具有单边对手风险的信用违约互换的定价

信用衍生产品作为一种有效分散、转移以及对冲信用风险的重要工具被各个金融机构广泛使用。2008年金融风暴以后,曾被人们忽视的对手风险再次得到重视。该文将在约化模型下研究一种最重要的信用衍生品信用违约互换(CDS)的定价问题,得到了具有单边对手风险的信用违约互换的互换率的解析表达式,并且作了数值分析。     

合同法第114条之违约金解释论

就合同法第114条规定的违约违约金性质、违约金数额的调整以及调整的程序等问题进行学理解释,认为:对合同法第114条第2款和第3款应分别进行定性才是科学合理的,对赔偿性违约金和惩罚性违约金的数额调整应区别对待,当事人请求是启动违约金数额调整程序的前提,请求违约金调整的当事人应负举证责任。     

个人信用风险计量: 双边抗体人工免疫概率模型

研究了个人信用风险的计量问题,构建了基于人工免疫机制的个人信用风险模型,提出了双边抗体人工免疫概率模型, 利用商业银行实际数据进行了计算.应用ROC方法对模型的预测能力进行了检验, 并与逻辑回归方法进行了比较,达到并超过了逻辑回归模型的预测水平.该模型系统不仅可以应用于个人信用的度量,也可以应用于公司类客户的信用风险的度量以及电信和公共服务等领域.     

企业债券的二因素定价模型

针对我国企业债券周期较长、价格波动大以及可能遇到企业违约的风险等特点,论证了企业债券价值实际上是一个无违约债券的多头和一个欧式看跌期权的空头的证券组合,在考虑到企业违约风险的情形下,利用三叉树模型方法,建立了一个含有企业价值、利率两种随机因子在内的企业债券的二因素定价模型。     

信贷违约概率测算方法及其应用研究

信贷风险管理是当前商业银行维持自身经营状况的主要方式,同时一些宏观管理部门为了经济秩序的稳定和繁荣也不断提出信贷风险管理的准则和方法。首先,依据巴塞尔委员会的相关制度文件探讨了信贷风险管理中的核心风险因子——信贷违约概率的测算方法,然后,结合现在主流的现代信贷风险管理模型,对信贷违约概率的具体应用进行了研究。     

基于KMV-CatBoost增强的企业信用债券违约风险评估模型

针对传统预测模型对于企业信用债券违约预测准确率低、拟合效果差的问题,提出了基于Kaufman-Merton-Voss （KMV）-Categorical Boosting （CatBoost）的企业债券违约预测模型. 首先对原始样本数据进行预处理,降低噪声数据对预测模型的影响;然后,利用KMV模型评估借款公司信用违约概率,计算公司资产市场价值与公司资产市场价值的波动率,获得企业资产价值与违约点之间的差额Distance-to-Default（DD）;最后,利用债务偿还期限、短期无风险收益率、公司股权市场价值、公司债务面值计算出的违约距离,将其加入指标中,利用CatBoost算法预测企业信用债券违约风险,通过基于Ordered Boosting方式的CatBoost算法训练模型,得到无偏梯度估计,以减缓预测偏移,从而增强模型的泛化能力. 实验结果表明：基于KMV-CatBoost增强的模型能够提高企业信用债券违约风险识别的准确率,识别正确率约为95.5%.     

Retail default prediction by using sequential minimal optimization technique

This paper employed sequential minimal optimization (SMO) to develop default prediction model in the US retail market. Principal components analysis is used for variable reduction purposes. Four standard credit scoring techniques—naïve Bayes, logistic regression, recursive partitioning and artificial neural network—are compared to SMO, using a sample of 195 healthy firms and 51 distressed firms over five time periods between 1994 and 2002. The five techniques perform well in predicting default particularly one year before financial distress. Furthermore, the prediction still remains sound even 5 years before default. No single methodology has the absolute best classification ability, as the model performance varies in terms of different time periods and variable groups. External influences have greater impacts on the naïve Bayes than other techniques. In terms of similarity with Moody's ranking, SMO excelled over other techniques in most of the time periods. Copyright © 2008 John Wiley & Sons, Ltd.     

表示和处理缺省知识的模糊推理系统的研究

本文应用ｍａｘ－⊙复合运算下，基于模糊关系Ｒｂ的推理方法，提出能够表示和处理缺省知识的模糊推理方法、算法，并用Ｔｕｒｂｏ－ｐｒｏｌｏｇ语言，设计并实现了表示和处理缺省知识的模糊推理系统。