商業(yè)銀行信用風險度量與管理研究

內(nèi)容概要

　　如何對信用風險進行度量和管理是商業(yè)銀行經(jīng)營的永恒主題。近年來，商業(yè)銀行面臨的信用風險越來越大、越來越復(fù)雜，備受銀行體系以及經(jīng)濟主體乃至監(jiān)管當局的關(guān)注。本書以商業(yè)銀行為視角，研究其風險管理最重要的一環(huán)，即對貸款企業(yè)信用風險的度量與管理，以期對發(fā)展中的我國商業(yè)銀行提供技術(shù)和方法?！　”緯紫冉缍ㄐ庞蔑L險的概念和特點，對風險管理領(lǐng)域的理論背景、信用風險度量方法以及國內(nèi)外的研究狀況進行全面的歸納和整理，為本書的研究提出思路和方向。研究以風險度量方法的改進和實證分析為重點，運用上市公司所披露的財務(wù)信息，建立了上市公司信用風險評價指標體系，提出信用風險度量的模糊神經(jīng)網(wǎng)絡(luò)方法。通過與上海某商業(yè)銀行的合作，對其1999-2005年的貸款明細和公司財務(wù)數(shù)據(jù)進行了系統(tǒng)研究，運用粗糙集理論的約簡功能，從中選出最能反映企業(yè)信用狀況的8項財務(wù)指標，再應(yīng)用神經(jīng)網(wǎng)絡(luò)方法進行信用評價。實證研究表明，所提方法具有較高精度?！　”緯肅CER提供的上市公司個股行情數(shù)據(jù)和財務(wù)數(shù)據(jù)，進行了KMV方法的實證研究，對其違約距離計算公式進行了對比和改進，得出了適合中國國情的具體操作方法。對于非上市公司信用風險的動態(tài)度量問題，本書研究了由KMV模型發(fā)展而來的PFM模型，并結(jié)合我國實際情況進行改進，采用神經(jīng)網(wǎng)絡(luò)估計方法估計非上市公司的資產(chǎn)價值和波動率，用資產(chǎn)保值增值率代替資產(chǎn)的連續(xù)回報，進行違約距離計算。實證研究表明，本書所提方法對我國上市公司、非上市公司具有較好的信用風險評價和預(yù)測能力。　　本書論述了風險管理組織機構(gòu)的優(yōu)化，信息系統(tǒng)的完善、風險管理文化和理念的培育對信用風險量化管理的重要意義，提出銀行進行這些方面改革的具體思路。　　最后，總結(jié)了全書的圭要研究成果，并對今后的研究方向進行了分析。

作者簡介

夏紅芳，女，1965年1月出生，江蘇宜興人，管理學(xué)博士。浙江財經(jīng)學(xué)院金融學(xué)院副教授，副院長。從事金融機構(gòu)風險管理、資本市場等研究，近年來在《農(nóng)業(yè)經(jīng)濟問題》等雜志發(fā)表論文30余篇，主持省部級課題2項，已出版圖書2部。

書籍目錄

01 導(dǎo)論　1.1 信用風險度量與管理概述　1.2 銀行信用風險度量與管理的必要性　1.3 國內(nèi)外銀行信用風險度量與管理研究進展　1.4 本書研究的內(nèi)容及框架02 現(xiàn)代信用風險度量模型的理論基礎(chǔ)及其評析　2.1 現(xiàn)代信用風險度量模型的理論基礎(chǔ)　2.2 現(xiàn)代信用風險度量方法評析03 基于模糊神經(jīng)網(wǎng)絡(luò)上市公司信用風險評價　3.1 模糊神經(jīng)網(wǎng)絡(luò)原理　3.2 模糊神經(jīng)網(wǎng)絡(luò)算法　3.3 評估模型指標的提煉　3.4 評價過程與實證分析　3.5 結(jié)束語04 基于粗集和神經(jīng)網(wǎng)絡(luò)的非上市公司信用風險評價　4.1 粗集理論簡介及數(shù)學(xué)表達　4.2 風險度量指標遴選的粗糙集方法　4.3 非上市公司信用的神經(jīng)網(wǎng)絡(luò)評價　4.4 結(jié)束語05 基于KMV模型的上市公司信用風險度量實證分析　5.1 KMV模型原理及研究方法　5.2 違約距離的計算公式　5.3 基于KMV模型的我國農(nóng)業(yè)類上市公司信用風險實證分析　5.4 結(jié)束語06 基于KMV模型的非上市公司信用風險度量實證研　6.1 非上市公司資產(chǎn)價值和波動性的估計　6.2 資產(chǎn)價值和波動率估計的實證研究　6.3 農(nóng)業(yè)類非上市公司違約的實證研究　6.4 153家非上市公司違約的實證研究　6.5 結(jié)束語07 信用風險量化管理的銀行配套改革　7.1 組織結(jié)構(gòu)優(yōu)化設(shè)計　7.2 風險管理信息資源開發(fā)與披露　7.3 數(shù)據(jù)質(zhì)量管理　7.4 信用風險量化管理理念與文化的培育08 總結(jié)與展望　8.1 研究工作總結(jié)　8.2 后續(xù)研究工作展望參考文獻附表　附表1 67家非上市公司財務(wù)數(shù)據(jù)　附表2 153家非上市公司（不包含農(nóng)業(yè)類）的財務(wù)數(shù)據(jù)和違約狀況　附表3 153家非上市公司（不包含農(nóng)業(yè)類）的違約預(yù)測結(jié)果后記

章節(jié)摘錄

　　再次，期權(quán)定價模型為對沖比的確定提供了理論依據(jù)。在運用期權(quán)等衍生金融工具進行風險對沖時，最重要的問題之一就是要確定一個合理的對沖比率。顯然，在買入買權(quán)對沖短頭寸資產(chǎn)價格上升的風險時，對于既定的短頭寸規(guī)模，過少的買權(quán)不足以完全對沖風險.或?qū)L險降低到可以承受的限度；相反，過多的買權(quán)又會使得風險管理的成本過大。因此，對沖比的確定對于運用對沖方式管理風險的成功至關(guān)重要。布萊克一舒爾茨模型對對沖比的確定給予明確的答案，從而為投資者實際操作提供了重要的理論參考?！　∽詈螅既R克一舒爾茨模型還為某一資產(chǎn)的風險指標——收益波動的標準差的衡量提供了新方法。運用布萊克舒爾茨模型來計算期權(quán)的價格，唯一難以確定的因素就是基礎(chǔ)資產(chǎn)的波動性——標準差的大小。標準差傳統(tǒng)的估計方法，是從該資產(chǎn)價格波動的歷史數(shù)據(jù)中運用數(shù)理統(tǒng)計方法估測。盡管這一方法被廣泛運用，但以歷史預(yù)測現(xiàn)實和未來的方法存在著固有的缺陷。首先，運用這種統(tǒng)計方法需要有大量歷史數(shù)據(jù)，對于那些因上市交易時間不長等原因歷史數(shù)據(jù)難以取得的資產(chǎn)，這一方法難以被采用；其次，即便能取得較長時間的歷史數(shù)據(jù)，但距現(xiàn)實越久遠的數(shù)據(jù)就越難以反映現(xiàn)實情況，因而難以根據(jù)這些數(shù)據(jù)得出準確反映該資產(chǎn)目前和將來收益波動性的標準差。另一種估計資產(chǎn)標準差的替代方法，就是反過來使用布萊克一舒爾茨期權(quán)定價模型。即用市場給定的的期權(quán)價格和其他已知的四個因素，反過來運用布萊克一舒爾茨模型求解出該基礎(chǔ)資產(chǎn)的標準差。用這種方法得到的標準差，通常被稱為隱含波動性。運用同樣的方法求出該資產(chǎn)在不同期限或履約價格的各種期權(quán)合約中的隱含波動性，其平均值可以作為以該資產(chǎn)為基礎(chǔ)資產(chǎn)的新的期權(quán)合約定價的重要參考。顯然，隱含波動性是金融市場上反映資產(chǎn)風險水平的重要市場信號之一，布萊克一舒爾茨模型為風險管理者認識資產(chǎn)的風險屬性和水平提供了新的重要的方法。近年來，在西方國家應(yīng)用比較廣泛的信用風險度量模型——KMV模型就是以BSM為基礎(chǔ)開發(fā)的。

圖書封面

評論、評分、閱讀與下載

---

    商業(yè)銀行信用風險度量與管理研究 PDF格式下載

---