商业银行信用风险度量与管理研究

出版时间：2009-8  出版社：浙江大学出版社  作者：夏红芳  页数：149  

内容概要

　　如何对信用风险进行度量和管理是商业银行经营的永恒主题。近年来，商业银行面临的信用风险越来越大、越来越复杂，备受银行体系以及经济主体乃至监管当局的关注。本书以商业银行为视角，研究其风险管理最重要的一环，即对贷款企业信用风险的度量与管理，以期对发展中的我国商业银行提供技术和方法。　　本书首先界定信用风险的概念和特点，对风险管理领域的理论背景、信用风险度量方法以及国内外的研究状况进行全面的归纳和整理，为本书的研究提出思路和方向。研究以风险度量方法的改进和实证分析为重点，运用上市公司所披露的财务信息，建立了上市公司信用风险评价指标体系，提出信用风险度量的模糊神经网络方法。通过与上海某商业银行的合作，对其1999-2005年的贷款明细和公司财务数据进行了系统研究，运用粗糙集理论的约简功能，从中选出最能反映企业信用状况的8项财务指标，再应用神经网络方法进行信用评价。实证研究表明，所提方法具有较高精度。　　本书利用CCER提供的上市公司个股行情数据和财务数据，进行了KMV方法的实证研究，对其违约距离计算公式进行了对比和改进，得出了适合中国国情的具体操作方法。对于非上市公司信用风险的动态度量问题，本书研究了由KMV模型发展而来的PFM模型，并结合我国实际情况进行改进，采用神经网络估计方法估计非上市公司的资产价值和波动率，用资产保值增值率代替资产的连续回报，进行违约距离计算。实证研究表明，本书所提方法对我国上市公司、非上市公司具有较好的信用风险评价和预测能力。　　本书论述了风险管理组织机构的优化，信息系统的完善、风险管理文化和理念的培育对信用风险量化管理的重要意义，提出银行进行这些方面改革的具体思路。　　最后，总结了全书的圭要研究成果，并对今后的研究方向进行了分析。

作者简介

夏红芳，女，1965年1月出生，江苏宜兴人，管理学博士。浙江财经学院金融学院副教授，副院长。从事金融机构风险管理、资本市场等研究，近年来在《农业经济问题》等杂志发表论文30余篇，主持省部级课题2项，已出版图书2部。

书籍目录

01 导论　1.1 信用风险度量与管理概述　1.2 银行信用风险度量与管理的必要性　1.3 国内外银行信用风险度量与管理研究进展　1.4 本书研究的内容及框架02 现代信用风险度量模型的理论基础及其评析　2.1 现代信用风险度量模型的理论基础　2.2 现代信用风险度量方法评析03 基于模糊神经网络上市公司信用风险评价　3.1 模糊神经网络原理　3.2 模糊神经网络算法　3.3 评估模型指标的提炼　3.4 评价过程与实证分析　3.5 结束语04 基于粗集和神经网络的非上市公司信用风险评价　4.1 粗集理论简介及数学表达　4.2 风险度量指标遴选的粗糙集方法　4.3 非上市公司信用的神经网络评价　4.4 结束语05 基于KMV模型的上市公司信用风险度量实证分析　5.1 KMV模型原理及研究方法　5.2 违约距离的计算公式　5.3 基于KMV模型的我国农业类上市公司信用风险实证分析　5.4 结束语06 基于KMV模型的非上市公司信用风险度量实证研　6.1 非上市公司资产价值和波动性的估计　6.2 资产价值和波动率估计的实证研究　6.3 农业类非上市公司违约的实证研究　6.4 153家非上市公司违约的实证研究　6.5 结束语07 信用风险量化管理的银行配套改革　7.1 组织结构优化设计　7.2 风险管理信息资源开发与披露　7.3 数据质量管理　7.4 信用风险量化管理理念与文化的培育08 总结与展望　8.1 研究工作总结　8.2 后续研究工作展望参考文献附表　附表1 67家非上市公司财务数据　附表2 153家非上市公司（不包含农业类）的财务数据和违约状况　附表3 153家非上市公司（不包含农业类）的违约预测结果后记

章节摘录

　　再次，期权定价模型为对冲比的确定提供了理论依据。在运用期权等衍生金融工具进行风险对冲时，最重要的问题之一就是要确定一个合理的对冲比率。显然，在买入买权对冲短头寸资产价格上升的风险时，对于既定的短头寸规模，过少的买权不足以完全对冲风险.或将风险降低到可以承受的限度；相反，过多的买权又会使得风险管理的成本过大。因此，对冲比的确定对于运用对冲方式管理风险的成功至关重要。布莱克一舒尔茨模型对对冲比的确定给予明确的答案，从而为投资者实际操作提供了重要的理论参考。　　最后，布莱克一舒尔茨模型还为某一资产的风险指标——收益波动的标准差的衡量提供了新方法。运用布莱克舒尔茨模型来计算期权的价格，唯一难以确定的因素就是基础资产的波动性——标准差的大小。标准差传统的估计方法，是从该资产价格波动的历史数据中运用数理统计方法估测。尽管这一方法被广泛运用，但以历史预测现实和未来的方法存在着固有的缺陷。首先，运用这种统计方法需要有大量历史数据，对于那些因上市交易时间不长等原因历史数据难以取得的资产，这一方法难以被采用；其次，即便能取得较长时间的历史数据，但距现实越久远的数据就越难以反映现实情况，因而难以根据这些数据得出准确反映该资产目前和将来收益波动性的标准差。另一种估计资产标准差的替代方法，就是反过来使用布莱克一舒尔茨期权定价模型。即用市场给定的的期权价格和其他已知的四个因素，反过来运用布莱克一舒尔茨模型求解出该基础资产的标准差。用这种方法得到的标准差，通常被称为隐含波动性。运用同样的方法求出该资产在不同期限或履约价格的各种期权合约中的隐含波动性，其平均值可以作为以该资产为基础资产的新的期权合约定价的重要参考。显然，隐含波动性是金融市场上反映资产风险水平的重要市场信号之一，布莱克一舒尔茨模型为风险管理者认识资产的风险属性和水平提供了新的重要的方法。近年来，在西方国家应用比较广泛的信用风险度量模型——KMV模型就是以BSM为基础开发的。

用户评论 (总计1条)

•   非常实用！正是我们需要的好书！