在现代商业银行面临的主要风险中,信用风险无疑是最主要的风险,而信用风险度量是我国商业银行风险管理的薄弱环节。本文针对我国金融数据少、有效数据时间段短的特点,基于Copula函数度量组合信用风险原理,通过建立资产组合中每个资产的收益率门槛值,来模拟资产收益率情景,并结合Copula函数影射出信用评级情景,得到各个假设状态下Copula函数度量的资产组合信用风险。实证结果证明,选用Copula函数度量银行资产组合信用风险是一种可行的方法,本文给出的一套理论与实际数据相结合的算法有一定的借鉴意义。

本文对比分析了正态Copula函数、t-Copula函数、Gumbel Copula函数、Frank Copula函数和Clayton Copula函数对资产组合分布尾部特征的描述特点并选择其中四种Copula函数与KMV模型相结合对商业银行组合信用风险进行度量,度量结果显示Clayton-Copula相关模式假设下的商业银行组合信用风险度量结果最符合实际。

信用风险是我国商业银行所面临的最主要的风险,商业银行的信用评价工作直接关系着银行经营的成败。本文结合我国商业银行的实际,基于AHP的分析框架建立商业银行的信用评分模型,以期为商业银行信用风险量化度量提供借鉴。

本文以商业银行信用风险度量模型作为研究对象,展开对信用风险度量模型的比较分析,试图找出适合我国实际的信用风险模型,以提高我国商业银行的竞争力。通过研究,本文得出KMV模型在我国目前比较适用,并对该模型进行了实证分析,并提出该模型运用于我国应该采取的对策建议。

This paper uses canonical correlation analysis method to analyses input and output variables in the banking of China,the result indicates that overhead rather than capital is the most important input element for production growth of banking in China while the other important element is labor.Total income and amount of loan(rather than the amount of profit) are the most remarkable output variables.Then,the paper uses variabies which were filered in the canonical correlation to structure production function of the banking of our country.The result indicates,the production growth for banking in China depends mainly on the increasing of inputs(overhead and labor,especially the former),the effect of technological progress is very faint,the way of growth is extensive.Furthermore the utilization of resources of state-run banks has the lowest efficiency,the elasticity of labor for income is negative,and the time lag of input and output for production is relatively obvious.

全面风险管理是金融机构风险管理的最新发展方向,它衡量了一所金融机构在同时面临多种风险情况下的整体风险水平。度量整体风险水平需要将各种风险进行整合,但是金融机构面临的风险不仅种类各异,风险之间交互影响的相关关系更是难以刻画。在已知各种风险边缘分布的前提下,Copula函数在进行风险整合、构建整体风险分布方面有许多优良特性。文章采用Copula函数方法,对我国商业银行面临的市场风险、信用风险和操作风险进行整合,并得到银行整体风险水平的一个度量。

整合风险的量化管理已成为现代商业银行风险管理的发展趋势。本文选择信用风险和市场风险作为整合风险的影响因素,针对小样本且不满足正态分布的情况,采用核密度估计来对各自边缘分布进行拟合。根据平方欧式距离选取出最优Copula函数,使用半参数法将不同边缘分布连接成二元联合分布,并选用条件风险价值CVaR作为衡量整合风险的指标。通过对建立的Copula-CVaR模型进行Monte Carlo模拟,遍历搜索不同权重的模拟结果,找出银行最优风险资产组合,进而对我国12家上市商业银行整合风险水平进行评估。实证结果表明,整合风险低于单一风险之和,潜在的信用风险要高于市场风险,并且国有银行的整合风险普遍大于其他上...

以商业银行贷款数据为基础,采用聚类分析、多元判别和Logistic回归方法构建了我国商业银行的信用风险评级模型。实证检验表明这三种方法都能较准确地对商业银行的信用风险评级资料进行预测。对正常、关注、次级、可疑、损失五类不同样本的总体预测精度分别为83.4%、72.05%和68.14%。三种方法对五类不同样本的预测存在相同的趋势,即对正常类和损失类样本的预测准确率较高,对中间三类样本的预测准确率较低。

商业银行信用风险管理的复杂性要求对信用风险进行定量分析和管理。本文将JP Morgan信用风险计量法引入我国商业银行信用风险的研究,通过样本分析对商业银行信用风险的VaR进行测算,进而对银行的信用风险状况和资本要求进行评估。通过分析,本文提出强化我国商业银行信用风险管理的政策建议。

综述了从传统过渡到现代的信用风险度量方法,并比较了它们的特点。提出组合管理思想是信用风险管理的方向,组合的相关性问题是研究重点。而Copula函数具有描述非线性相关的优势,使用Copula函数可以更加精确地度量信用风险。

本文系统地介绍了传统的信用风险评价方法,就其在中国商业银行的信贷决策中的运用现状进行了回顾,分析了这种方法在中国的商业银行信贷决策运用中的特点及存在的不足之处,并在此基础上构建了改进的信贷风险决策评价模型。

本文在对国外信用风险管理的主要方法进行详细比较分析的基础上,探讨其在我国商业银行信用风险管理中的适用性,以及我国运用现代信用风险度量方法、实施信用风险管理的现实选择,并提出相关的具体建议。

信用风险管理是现代商业银行管理的一个重要部分,本文分析了信用风险量化管理的意义,并在此基础上提出了如何运用VaR计算方法来预测商业银行不良贷款率的思路,最后提出相关的政策建议。

以12家商业银行为样本,选取劳动力、实物资本和存款作为投入指标,贷款和投资作为产出指标,并引入不良贷款率这个控制变量,运用随机前沿方法(SFA)对2005—2012年我国12家商业银行成本效率进行了测算。结论表明:在考虑信用风险因素下国有商业银行成本效率低于股份制商业银行成本效率,二者差距不断缩小,且国有银行成本效率提高速度快于股份制银行。