学位论文 > 优秀研究生学位论文题录展示
新巴塞尔协议框架下商业银行内部评级系统研究
作 者: 杨华
导 师: 黄培清
学 校: 上海交通大学
专 业: 企业管理
关键词: 新巴塞尔协议 内部评级系统 信用风险 违约率 特定违约损失率 违约风险敞口
分类号: F832.2
类 型: 博士论文
年 份: 2007年
下 载: 2311次
引 用: 11次
阅 读: 论文下载
内容摘要
巴塞尔委员会于1999年6月公布了《新巴塞尔资本协议》第一个征求意见稿,标志着以资本充足率、监管部门的监管检查和市场纪律为三大支柱的新巴塞尔协议的诞生。新巴塞尔协议调整了对商业银行的资本监管方法,明确指出了未来商业银行量化风险的主要技术手段就是内部评级系统。巴塞尔委员会要求监管部门尽快指导和帮助商业银行建立起自身的内部评级系统,鼓励管理水平高、条件具备的国际大型商业银行采用内部评级系统计算监管资本,将给予采用内部评级系统量化风险和计算监管资本的商业银行一定的监管资本优惠,并计划在未来的一段时间里,力求实现所有的商业银行均利用内部评级系统进行风险量化和监管资本估算。本文对新巴塞尔协议框架下商业银行内部评级系统进行了比较全面地研究,主要从以下几个方面展开:1、首先介绍了本文的研究背景、研究意义、国内外研究综述以及需要解决的问题。自新巴塞尔协议颁布以来,运用商业银行内部评级系统量化信用风险是所有商业银行都面临的一个重要的课题。然而,在信用风险量化的理论和实际中,还普遍存在着基础信息数据不足和理论模型量化结果偏差较大等问题。本文着重针对这些问题作了比较深入地研究。2、分析了新巴塞尔协议的资本监管方法及其对商业银行资本的影响。新巴塞尔协议继承了旧巴塞尔协议以资本充足率为核心的监管思路,将资本充足率视为最要重要的支柱,但对资本充足率的计算方法作了较大的修改。信用风险的量化可依据标准法或内部评级法确定,其中内部评级法又分为内部评级基本法和内部评级高级法。新巴塞尔协议对商业银行的资本影响是明显的。对于国际大型商业银行来说,由于可以采用内部评级系统计量监管资本,因此可以大幅度地降低监管资本,但对于中小商业银行来说,尚不具备采用内部评级系统计量监管资本的基础,监管资本要求相对提高,竞争力减弱。此外,商业银行的监管资本随着商业银行违约率、特定违约损失率以及资产相关系数的增加而增加。商业银行实际资本更多地取决于监管资本而非所需的真实资本,经济资本主要取决于资本成本、违约率和特定违约损失率等因素。3、对内部评级系统的基本框架以及模型进行了分析。首先介绍新巴塞尔协议的监管资本量化方法,然后对内部评级模型的基本框架和局限性进行了研究。根据新巴塞尔协议的规定,商业银行监管资本主要取决于违约率、特定违约损失率、违约风险敞口和期限等因素。新巴塞尔协议提供的内部评级系统模型是单因素模型。因受限于单一因素、同质性和正态分布等假设条件,模型对商业银行信用风险的估算存在较大的偏差。本文指出,卡普拉函数及尾部相关系数能够准确地描述信用风险资产的尾部特征,可以较好地解决信用风险估算的偏差问题。4、深入研究了内部评级系统的设置及其对商业银行资本的影响。首先介绍了新巴塞尔协议对贷款划分的基本要求,指出新巴塞尔协议在信用级别数量及贷款类别的划分方面都给商业银行留有自由裁量的余地。贷款划分对贷款损失的影响是十分明显的,因此商业银行可以通过采取更为细致的贷款划分来精确识别和量化风险,降低监管资本;随后对我国商业银行的内部评级系统的设置提出了建议。5、研究了利用信用转移矩阵对商业银行违约率的估算问题。首先研究了信用转移概率的估算问题,包括对信用转移概率估算的主要方法的分析和评价以及如何利用外部评级数据对客户违约率进行估算,然后研究如何对信用评级数据进行调整,以修正数据中的异常情况。重点研究了利用贝叶斯方法解决商业银行在估算违约率过程中普遍存在的数据过少的问题。采用贝叶斯方法有助于克服预测模型使用历史数据得到的点估计而低估损失的问题。本文还结合风险管理中比较常用的Logit模型,运用马尔可夫链蒙特卡洛法(MCMC)对信用数据缺乏时导致模型参数估算偏差的问题进行了探讨,较好地解决了模型参数估算偏差的问题。最后结合模型定量分析了经济因素对信用转移概率的影响,并提出了相应的调整方法。本文提出了一个改进的数据调整方法,其改进结果比JLT模型更加理想。6、对非预期损失的度量问题进行了研究。首先研究非预期损失度量的一般方法,并就各种方法在实际应用中存在的问题对进行了客观评价。结合卡普拉函数和尾部相关系数方法的优点,分别研究了利用这两种方法测算极端损失的问题,并实证检验了这两种方法的应用优势。在样本数量较少、分布未知的情况下,参数估算可能因相关结构的误判产生较大的误差。而一般情况下,非参数估计能够取得较好的效果,尤其是在尾部相关系数较高的情况下。本文指出,在实际应用中可以先采用非参数法求出各信贷资产间的尾部相关系数,然后可利用方便的卡普拉函数的相关结构形式(如t-卡普拉),通过模拟方法得到组合的信用损失。通过验证,本文提出的方法是比较理想的风险量化方法。7、研究了贷款组合损失和边际损失的估算问题。指出了就商业银行的信用风险管理而言,合理的内部评级系统模型将更有利于经济资本的估算、经济资本的配置和资产组合管理;随后进一步探讨内部评级模型与监管模型对资产配置的影响,以及监管资本与经济资本的统一问题;并重点探讨了如何结合监管模型,利用内部评级系统模型对风险损失进行调整,以纠正单因素假设及正态分布假设带来的偏差,从而正确估算贷款组合的非预期损失与贷款的边际风险贡献,实现商业银行资本的准确度量。8、探讨了内部评级系统的有效性检验问题。首先结合新巴塞尔协议的要求,对有效性检验的基本原则与框架进行了分析;同时分别对违约率、特定违约损失率、违约风险敞口指标的检验进行了全面的分析;最后对压力测试的要求和方法作了全面的介绍。本文指出,在实务中定量分析可以作为重要的评价指标,定性分析也是必不可缺少的,建议商业银行采用定量与定性分析相结合的检验方法。本论文的创新成果主要有以下几个方面:1、从理论上证明了新巴塞尔协议采用的内部评级系统模型同质性假设的缺陷,指出贷款异质性的增加将会导致贷款预期损失的增加,忽略贷款的异质性将导致非预期损失被高估,从而高估所需经济资本。同时通过数据模拟计算的形式揭示了贷款划分对贷款损失度量的影响。经过数据模拟得出,对贷款组合不细分时,贷款损失分布具有更大的峰度和厚尾性,依靠损失波动率这一指标并不能很好地反映损失分布的尾部特征。在不同的置信水平下,贷款划分对贷款损失的影响程度不同。就商业银行的实际情况而言,当贷款组合的相关系数不大时,对贷款组合进行合理地细分能更加精确地度量贷款损失。这一研究成果将提高银行内部评级系统对非预期损失量化的精确度。2、将卡普拉函数及尾部相关系数联合运用到信用风险管理中,为解决新巴塞尔协议模型所采用的单因素模型、同质性和正态分布三个假设条件所引起的估算偏差问题以及数据缺乏时非预期损失的估算问题提供了新的途径。本文通过研究表明,可以先采用非参数法求出各信贷资产间的尾部相关系数,然后使用方便的卡普拉函数结构形式(如t-卡普拉),通过模拟方法得到贷款组合损失。在选择卡普拉函数类型时,相对而言,t-卡普拉具有更大的灵活性。对卡普拉函数的实证结果表明利用卡普拉函数所得出的数据明显高于Riskmetrics模型,和VaR方法相比,模型的结果更趋于安全。尾部相关系数的估算较为便利,当样本分布已知且样本数据量充足时,采用参数估计尾部相关系数是非常有效的。但在信用风险管理中,这些条件有时并不具备。如果把卡普拉函数与尾部相关系数联合运用,那么就可以很好地解决信用数据缺乏的问题。3、本文结合目前信用风险管理中较为常用的Logit模型,运用马尔可夫链蒙特卡洛法(MCMC)对信用数据缺乏时导致模型参数估算偏差的问题进行了探讨,较好地解决了模型参数估算偏差的问题。
|
全文目录
摘要 3-7 ABSTRACT 7-12 目录 12-16 各章符号索引 16-21 各章图标索引 21-24 第一章 绪论 24-41 1.1 研究背景 24-25 1.2 商业银行内部评级系统在商业银行风险管理中的地位和作用 25-26 1.3 商业银行IRB 法在应用中存在问题 26-29 1.4 国内外研究综述 29-37 1.4.1 国外研究综述 30-36 1.4.2 国内研究综述 36-37 1.5 研究内容与论文结构 37-41 第二章 新巴塞尔协议的资本监管方法及其对商业银行资本的影响 41-55 2.1 新巴塞尔协议的基本监管思路 41-46 2.2 新巴塞尔协议对商业银行资本的影响 46-54 2.2.1 新巴塞尔协议对监管资本的影响 46-50 2.2.2 IRB 法对商业银行资本的影响 50-54 2.3 本章小结 54-55 第三章 内部评级系统的基本框架与模型分析 55-64 3.1 新巴塞尔协议的监管资本量化方法 55-58 3.2 IRB法的模型框架与适用性 58-63 3.2.1 新巴塞尔协议框架下的IRB模型的主要假设条件及局限性 59-63 3.3 本章小结 63-64 第四章 内部评级系统的设置及其对风险度量的影响 64-85 4.1 新巴塞尔协议对内部评级系统设置的基本要求 64-67 4.2 内部评级系统模型的参数设置问题 67-72 4.3 贷款划分对监管资本的影响 72-76 4.3.1 贷款类别和数量对监管资本的影响 72-74 4.3.2 按信用级别确定监管资本的局限性 74-76 4.4 贷款划分对风险度量的影响 76-82 4.4.1 异质性对风险度量的影响 76-79 4.4.2 贷款划分对损失度量的影响 79-82 4.5 贷款划分的现状 82-83 4.6 本章小结 83-85 第五章 信用转移矩阵的估算 85-107 5.1 信用转移概率的估算 85-93 5.1.1 信用转移概率测算的主要方法 86-90 5.1.2 外部评级数据的应用 90-93 5.2 信用评级数据的调整 93-98 5.2.1 数据调整的主要情况 93-95 5.2.2 转移矩阵的调整(JLT 模型) 95-96 5.2.3 生成矩阵的调整 96-98 5.3 贝叶期(Bayes)方法的应用 98-103 5.3.1 利用先验信息提高预测能力 98-100 5.3.2 确定估算值的偏差范围 100-103 5.4 经济因素对信用转移概率的影响 103-105 5.5 本章小结 105-107 第六章 非预期损失的度量 107-127 6.1 非预期损失度量的一般方法及存在问题 107-110 6.2 卡普拉在相关性度量中的应用 110-114 6.2.1 卡普拉函数的主要特点 110-112 6.2.2 卡普拉应用的实例分析 112-114 6.3 TDC的应用分析 114-121 6.3.1 TDC非参数估计量的应用 115-119 6.3.2 卡普拉与TDC的联合应用 119-121 6.4 非预期损失的模拟问题 121-125 6.4.1 重要样本法在模拟中的应用 121-123 6.4.2 实例应用分析 123-125 6.5 本章小结 125-127 第七章 贷款组合损失的估算 127-145 7.1 新巴塞尔协议的监管模型和银行 IRB 模型的统一问题 127-132 7.1.1 贷款损失的主要影响因素 127-130 7.1.2 监管模型与银行IRB 模型的统一 130-132 7.2 模型假设对贷款损失的影响 132-137 7.2.1 贷款集中度的调整 132-134 7.2.2 多因素模型对贷款损失的影响 134-135 7.2.3 正态假设对贷款损失的影响 135-137 7.3 基于单因素模型的损失调整 137-143 7.3.1 贷款组合的调整问题 138-141 7.3.2 边际贷款损失的调整 141-143 7.4 本章小结 143-145 第八章 内部评级系统的有效性检验 145-162 8.1 有效性检验的基本原则与框架 145-147 8.2 违约率 PD 的有效性检验 147-154 8.2.1 判别能力检验 148-150 8.2.2 校准检验 150-152 8.2.3 稳定性分析 152-153 8.2.4 违约率的定性检验 153-154 8.3 LGD 与EAD 的检验 154-158 8.3.1 LGD 的检验 154-157 8.3.2 EAD 的检验 157-158 8.4 压力测试的要求及方法 158-161 8.4.1 压力测试的要求 159 8.4.2 压力测试的实施 159-161 8.5 本章小结 161-162 第九章 总结与展望 162-166 9.1 论文研究的基本进展和总结 162-163 9.2 本文研究的不足 163-164 9.3 未来研究展望 164-166 参考文献 166-175 附录 175-185 附录一:卡普拉(Copula)函数 175-181 附录二:贝尔曼方程 181-183 附录三:JLT 模型 183-185 致谢 185-186 攻读博士学位期间发表的学术论文目录 186-188
|
相似论文
- 出版社赊销信用风险控制问题研究,G231-F
- 交通银行零售信用风险管理研究,F832.3
- 农村信用社零售信用风险管理研究,F832.4
- 我国商业银行信用衍生品应用研究,F224
- 透过次贷危机看巴塞尔协议的改革方向及对我国的启示,F832.1
- 农户小额信贷的信用风险管理,F832.4
- 商业银行保兑仓业务信用风险防范研究,F832.2
- 商业银行中小企业风险评价体系初探,F832.4;F224
- 农村商业银行信用风险评估系统的设计与实现,F224;F832.3
- 基于机器学习的信用风险评估技术若干研究,TP181
- 中国银行辽宁分行贷后信用风险评价研究,F832.4
- 基于违约相关性的集中度风险控制方法研究,F830.5
- 信用卡风险管理技术及利润预测模型,F224
- 基于商业信用的供应链库存与风险控制研究,F253.4
- 基于网络组织的消费信贷信用风险管理研究,F224.32
- 我国信用担保行业存在的问题研究,D923
- 抵押品对信用风险因子影响研究,F224
- 工程机械类融资租赁的信用风险管理研究,F832.49;F224
- 信用卡信用风险识别度量研究,F224
- 某银行客户信用风险管理研究,F832.2
- 作为信用风险转移工具的信用衍生品对信用风险管理影响的研究,F832.2
中图分类: > 经济 > 财政、金融 > 金融、银行 > 中国金融、银行 > 银行制度与业务
© 2012 www.xueweilunwen.com
|