论文部分内容阅读
随着国际金融风险管理水平发展迅速,各国银行和金融机构纷纷开发和提高自身的信用风险管理技术。著名的Creditmetrics模型一经提出就得到了广泛的应用,而且实践证明它也是目前较为有效的信用风险模型,但是它仍有不少缺点,特别是它对极端事件估计不足的缺点一直未能获得很好的解决。本文特别针对Creditmetrics模型的这一缺点进行改进。在改进方法上我们首先考虑到了压力测试方法。但是我们也注意到,与Creditmetrics模型有相同问题的VAR(ValueatRisk)模型为了解决这一问题,简单的把压力测试作为VAR的补充来进行,结果就出现一种现象:风险管理者将会获得两个相互独立的损失数据集合。现实操作中这反而给风险管理者做出决策带来了困难,因为压力测试下的情形是小概率的,由于成本上的考虑,风险管理者往往会忽略它,但是它一旦发生其损失又是巨大的,结果我就面临了统计学者们常说的“统计炼狱”问题:我们获得一些关于损失的数据,但是我们却无法告知人们该如何去对待它。如果也是简单的把压力测试作为Creditmetrics模型的补充也会遇上同样的问题。所以针对这一问题,本文提出一种对Creditmetrics模型改进的新方法:给压力测试分配概率后与Creditmetrics模型结合起来,构造出一个两者统一的新模型。风险管理决策者可以根据自身的特点来分配概率。本文还给出具体的模拟过程,并将新旧模型分别模拟的结果进行对比。