基于模糊子集的贷款组合优化方法

遵照国际银行业大多数银行的做法,信用风险评估包括对债务人和债项两个方面.以模糊集理论为基础,通过试算与比较,构造隶属函数,对各指标进行无量纲化处理,建立距离判别函数,评估债务人信用风险.根据债项特征,考察风险四因素:违约概率,特定违约损失,违约敞口,期限,建立0-1整数规划模型,对债项进行风险评估,确定最佳贷款组合,以解决组合贷款的优化决策问题.     

双指数跳扩散模型信用违约互换短期价格研究

假设参考实体没违约时信用违约互换保护买方连续支付互换价格,导出了信用违约互换价格的表达式;对标的资产价值服从双指数跳扩散模型,得到了条件违约风险率和信用违约互换的短期价格极限.这些结果比纯扩散模型假设更符合实际.     

违约风险的交换期权的定价模型与解法

含交易对手违约风险的交换期权采用混合模型定价,借助公司价值模型中的补偿率,同时采用以强度为基础的违约函数来确定违约的发生.假定违约强度遵从均值回复的重随机Poisson过程：且违约强度过程与标的资产,企业价值都相关.利用等价鞅测度变换方法导出含有违约风险的交换期权的价格闭解.     

跳扩散模型下可提前违约的脆弱期权定价

该文章利用跳-扩散模型和几何布朗运动模型分别对股票价格和期权空头方资产负债比进行建模.在对违约风险的刻画上选取首达时模型,当资产负债比小于等于一时视为违约发生,并在此假定违约发生时期权立即执行,补偿率为外生随机变量.在跳跃幅度上,该文章给出了服从对数正态以及更一般分布的情况的讨论,同时在对股票的建模和对违约时刻的判断上分别完善了Rich和魏正元的工作,并使用Matlab工具对定价进行实现.     

GRNN和PNN模型在信用风险评估中的应用

广义回归神经网络GRNN和概率神经网络PNN,与传统的BP神经网络相比,收敛速度快,学习能力强.本文将其应用到信用风险评估,选取1057组公司财务数据作为训练数据,350组数据作为测试数据,分别建立基于不同属性的模型对样本公司财务状况评判其是守信公司还是违约公司,最终选取精度较高的作为最终模型对财务系统进行预测.结果表明,PNN对于信用风险评估泛化能力好,测试集正确率高,因此可以用作风险预警的模型,给决策者提供智力支持.     

带有违约风险的可转换债券的简约型定价

本文考虑简约模型下带有违约风险的可转换债券的定价问题.假定市场中可转换债券的违约强度满足Vasicek模型,利用鞅方法获得了该模型下可转换债券的定价公式.此外,我们通过数值分析显示了模型参数变化对可转换债券价值影响的敏感性程度,结果也表明违约风险将降低可转换债券的价值.     

基于贡献度随机森林模型的公司债信用风险实证分析

运用贡献度随机森林方法(CRF)方法探讨公司债财务指标比率与其违约率的关系.运用连续属性离散化方法(OB)进行财务指标最优降维;运用WOE变换进行模型变量约简.研究表明,CRF模型的分类性能显著优于其他模型,测试集评估总体正确率达90.47%,AUC统计量、AR比率及K-S值分别提升了2.6%、7.6%、4.38%,变量贡献度量化了各财务指标对违约率影响,为诠释随机森林预测机制提供了依据.     

跳-扩散过程下具有目标杠杆比率的违约风险模型

本文在研究公司债务违约风险时,假设公司价值的动态变化服从跳-扩散过程;假设公司可以根据公司价值的变化调整其债务水平,因而存在公司的目标杠杆比率,违约边界定义为公司历史价值的对数加权平均;当公司价值下降到违约边界时发生债务违约.数值模拟表明公司债务的信用利差对公司的目标杠杆比率和跳过程的强度具有高度的敏感性.本文的模型解决了在长期和短期信用利差预测时结构化模型和约化模型存在的缺陷.     

沪铜期货与现货市场的价格发现与波动溢出效应

运用了Granger因果检验、脉冲响应函数、VEC模型以及BEKK模型,对沪铜期货与现货市场的价格发现与波动溢出效应进行实证分析.实证结果表明:期货价格与现货价格存在着长期均衡关系和Granger双向引导关系,在价格发现中,期货市场占主导地位,且比现货市场有着更强的信息效应;期货市场与现货市场各自的波动持久性均显著,而两者间的交叉波动效应相对较小,但是现货市场来自期货市场的波动溢出效应大于期货市场来自现货市场的波动溢出效应.     

利用传染模型对含有对手风险的信用证券定价(英文)

本文利用传染模型研究了可违约债券和含有对手风险的信用违约互换的定价。我们在约化模型中引入具有违约相关性的传染模型,该模型假设违约过程的强度依赖于由随机微分方程驱动的随机利率过程和交易对手的违约过程.本文模型可视为Jarrow和Yu(2001)及Hao和Ye(2011)中模型的推广.进一步地,我们利用随机指数的性质导出了可违约债券和含有对手风险的信用违约互换的定价公式并进行了数值分析.     

夜盘交易对我国农产品期货市场影响的实证研究

随着我国农产品期货与国际市场的联动性进一步加强,为防止相关期货产品的隔夜风险和价格跳水问题,对部分农产品期货实行夜盘交易制度。为测度夜盘交易制度是否有益于农产品期货市场朝着稳定、理性的方向发展,本文采用了适合刻画金融序列波动性的GARCH族模型,实证检验得出GARCH、GARCH-M和EGARCH模型能够高度拟合农产品期货的价格序列并显著衡量夜盘交易对于我国农产品期货市场的影响。研究结论如下:第一、基于GRACH模型实证结果,夜盘交易制度变量的回归结果显著,该制度能减轻农产品期货的价格波动,且其影响是显著的;第二、EGARCH模型的回归结果同样显著,分别对比不同样本期的EGARCH模型实证结果可以得到,夜盘交易的开放减少了农产品期货市场的非对称性,使得市场趋向于理性的方向发展。     

Price limits and capital requirements of futures clearinghouses

Futures clearinghouses need capital to provide liquidity in case of default by clearing members. Price limits truncate observed futures prices and prevent observation of clearinghouses’ true default risk exposure. We show how to estimate the true default risk exposure from observed futures prices and model capital requirements using an option pricing model, which accounts for non-normality of and truncation in observed futures returns. We apply the model to the clearinghouse associated with the Winnipeg Commodity Exchange, compare required capital levels with actual capital levels and show that ignoring non-normality of futures returns causes overall capital requirements to be significantly underestimated.     

Pricing stock and bond derivatives with a multi-factor Gaussian model

The martingale approach to pricing contingent claims can be applied in a multiple state variable model. The idea is used to derive the prices of derivative securities (futures on stock and bond futures, options on stocks, bonds and futures) given a continuous time Gaussian multi-factor model of the returns of stocks and bonds. The bond market is similar to Langetieg's multi-factor model, which has closed-form solutions. This model is a generalization of Vasicek's model, where the term structure depends on state variables following correlated mean reverting processes. The stock market is affected by systematic and unsystematic risk.     

我国大类资产信息溢出机制研究——基于方差分解的网络拓扑分析

采用广义溢出指数法对2011年至2017年我国股票、期货及债券三个市场之间的信息溢出机制进行了研究,结果发现:股市对期市和债市均有收益率溢出影响,而股市和期市对债市均有波动率溢出影响;三个市场的整体溢出指数值偏低,表明我国不同资产市场之间的关联性相对来说较小;时变特征也表明股市大多数情况处于溢出状态,期市方向不明确,债市则大多数情况处于被溢出状态;对溢出值的非对称检验发现,正向波动比负向波动的溢出值更大,但是统计上并不显著。对2015年6月股灾前后三个市场的波动率溢出情况进行分析后发现,股市的极端风险更容易向期市传染,而债市相对更为稳定,不容易被极端风险感染。     

考虑结算风险的套期保值研究

期货市场的风险转移功能主要通过套期保值策略来实现,期货市场套期保值的关键问题是套期保值比率的确定。现有套期保值研究侧重于规避价格风险,忽略了期货市场另一个重要的风险因素-结算风险。本文通过建立考虑结算风险的期货套期保值决策模型,有效地平衡了套期保值过程中的价格风险与结算风险。具体特色一是将套保者的结算风险厌恶态度直接反映到套期比的计算中,体现了结算风险对套期保值决策的影响;二是在一定条件下,本模型的套期比趋近于最小方差套期比;三是利用ARMA时间序列方法预测期货与现货的价格走势,有效地反映了期货价格一阶平稳和季节性变化规律,使估计的套期比更加精确可靠。     

我国股指期货市场与股票市场风险传导机理研究——基于双变量CAViaR方法

本文基于日内和日度数据使用双变量CAViaR模型估计了沪深300股指期货和标的指数的风险价值,并基于沪深300股指期货市场日内交易行为角度分析了股指期货和现货市场间日内与日间风险传导作用的差异。结果发现,期货市场日内风险的自相关特征显著高于现货市场,而两个市场的日间自相关性相差甚小,期货市场向现货市场的单向风险溢出效应仅体现在日内信息的传递过程中。与现货市场相比,期货交易的杠杆性以及当日回转交易便利了日内投机、套利交易,因而期货市场日内信息传递效率更高。     

中国股指期现货市场间的非对称风险溢出效应——基于分位数Granger因果检验

为了揭示中国股指期现货市场之间风险溢出效应的非对称特征,本文利用已实现半方差将中国股指期现货市场的风险区分为下跌风险和上涨风险,并运用均值Granger因果检验和分位数Granger因果检验,考察两市场之间下跌风险溢出效应和上涨风险溢出效应的差异。研究发现,中国股指期现货市场之间不仅存在显著的下跌风险溢出,还存在显著的上涨风险溢出,而且溢出效应随着分位数区间不同而呈现出显著的非对称特征。一方面,期货市场对现货市场的下跌风险溢出在全部分位数区间均显著,而上涨风险溢出仅在分布的中间位置和上尾显著。另一方面,现货市场对期货市场的下跌风险溢出主要集中在尾部极端分位数区间,而上涨风险溢出主要集中在分布的中间位置和低分位数区间。     

基于双因子CIR强度式定价的信用债券投资组合优化

信用风险和利率风险是相互关联影响的。资产组合优化不能将这两种风险单独考虑或简单的相加,应该进行整体的风险控制,不然会造成投资风险的低估。本文的主要工作:一是在强度式定价模型的框架下,分别利用CIR随机利率模型刻画利率风险因素“无风险利率”和信用风险因素“违约强度”的随机动态变化,衡量在两类风险共同影响下信用债券的市场价值,从而构建CRRA型投资效用函数。以CRRA型投资效用函数最大化作为目标函数,同时控制利率和信用两类风险。弥补了现有研究中仅单独考虑信用风险或利率风险、无法对两种风险进行整体控制的弊端。二是将无风险利率作为影响违约强度的一个因子,利用“无风险利率因子”和“纯信用因子”的双因子CIR模型拟合违约强度,考虑了市场利率变化对于债券违约强度的影响,反映两种风险的相关性。使得投资组合模型中既同时考虑了信用风险和利率风险、又考虑了两种风险的交互影响。避免在优化资产组合时忽略两种风险间相关性、可能造成风险低估的问题。     

期权标的资产波动率的重构方法

在B lack-Scho les公式中,波动率σ是一个非常重要的参数.并且在诸如股票、利率、股指期货等标的资产的交易市场中,人们往往希望知道标的资产未来价格的波动率,从而知道该资产的未来风险结构.但一般来说,由于事件还没有发生,人们对σ的未来走向很难预测.但可以运用B lack-Scho les的理论框架,从期权市场获取的信息去重构标的资产价格的波动率.论文使用的是基于T ikhonov正则化的数值微分方法,利用Dup ire公式去重构标的资产的未来预期波动率.相对于其他方法,该算法更加快速有效,并且能识别标的资产的预期风险突变.     

Enhanced decision support in credit scoring using Bayesian binary quantile regression

Fierce competition as well as the recent financial crisis in financial and banking industries made credit scoring gain importance. An accurate estimation of credit risk helps organizations to decide whether or not to grant credit to potential customers. Many classification methods have been suggested to handle this problem in the literature. This paper proposes a model for evaluating credit risk based on binary quantile regression, using Bayesian estimation. This paper points out the distinct advantages of the latter approach: that is (i) the method provides accurate predictions of which customers may default in the future, (ii) the approach provides detailed insight into the effects of the explanatory variables on the probability of default, and (iii) the methodology is ideally suited to build a segmentation scheme of the customers in terms of risk of default and the corresponding uncertainty about the prediction. An often studied dataset from a German bank is used to show the applicability of the method proposed. The results demonstrate that the methodology can be an important tool for credit companies that want to take the credit risk of their customer fully into account.