导读:本文包含了集成风险度量论文开题报告文献综述及选题提纲参考文献，主要关键词:集成风险,财务数据,Copula函数,VaR
集成风险度量论文文献综述
楚永梅[1]（2019）在《我国商业银行集成风险度量的实证研究》一文中研究指出金融自由化、经济全球化以及金融企业的混业经营使商业银行面临的风险更加多样化和复杂化,《新巴塞尔协议》也指出商业银行要度量信用风险、市场风险和操作风险。此外相关研究表明,商业银行各风险之间并不是完全独立的,风险之间存在相关性。这种相关性导致各类风险之间可能存在联动关系,一种风险的发生往往会对其他风险的发生与否和风险大小产生影响,其他风险的发生也可能会反过来再次影响该风险。总的来说,风险的多样性和相关性对银行的风险管理提出了更高的要求。因此,如何科学合理地对商业银行面临的信用风险、市场风险和操作风险进行集成度量,是我们目前需要重点关注和解决的。这一研究将有利于促进我国商业银行以及整个金融行业的稳定健康发展。目前对于商业银行集成风险度量方法的研究已经有很多,而数据搜集的困难是很多学者当前需要解决的棘手问题,且数据决定着集成风险度量的有效性。本文在此基础上,根据“风险是未来损益的不确定性”这一理论,从商业银行的财务报表中选取数据,建立风险与损益和资产之间的对应关系来度量商业银行面临的信用风险、市场风险和操作风险,并结合前人的研究方法和我国商业银行的实际情况,利用Copula函数和Va R方法构建我国商业银行集成风险度量的框架。在此基础上探讨商业银行各风险之间的分散化效应,利用财务报表数据度量商业银行风险的可行性,以及不同类型商业银行集成风险的比较,为我国商业银行实现全面风险管理提供可行的集成风险度量的操作方法。为了度量商业银行的信用风险、市场风险、操作风险以及集成风险,本文搜集了16家上市商业银行2008年—2018年的季度财务数据作为样本进行实证研究。研究结果表明:1.信用风险仍然是商业银行风险中最重要的风险,对整体风险的影响最大,操作风险所占的比重相对较小,市场风险对商业银行整体风险的影响居中,叁种风险的占比比较稳定,说明商业银行总风险的构成比较稳定;2.通过Copula-Va R模型计算出的集成风险要远低于简单加总风险之和,风险分散效应在30%-40%左右,通过报表数据中总收益和总资产计算出的集成风险分散效应在30%以上,说明信用风险、市场风险和操作风险之间存在显着的风险分散效应;3.2008年-2015年国有银行的集成风险值要大于股份制银行和城商行,但是从2016年开始股份制银行的集成风险值超过了国有银行,成为商业银行中集成风险值最大的,此外总的来说股份制商业银行的集成风险与整体商业银行的集成风险值是比较接近的;4.通过Copula-Va R模型和通过报表数据中总收益和总资产计算出的集成风险比较接近,两种方法都能很好的反映出风险之间的分散效应,由此证明,利用财务报表数据可以计算出商业银行的集成风险。(本文来源于《上海师范大学》期刊2019-05-01）
杨煜[2]（2017）在《商业银行集成风险的度量研究》一文中研究指出二十世纪八十年代以前,如何度量金融机构的市场、信用、操作和流动性等单类风险,是实证金融的重要课题。九十年代后,由于金融市场的演变以及国际监管要求的加强,学术界越来越多关注于金融机构的风险集成问题。在业界,银行风险管理体系中很重要的部分是进行集成风险管理,这对于加强商业银行竞争能力,提高经济经营与运行能力,实现银行风险全面优化升级具有积极影响。此外,由经济全球化带来的金融全球化发展以及金融产品样式的不断创新,导致银行所面临的风险也不再单一、简单,与此同时银行单个风险间也会相互影响,呈现出非线性和非正态相关性的特征。在我国传统的商业银行经营管理中,由于利润主要来源于存贷利息差,因此商业银行金融风险管理内容主要集中于信用风险。伴随着我国利率市场化改革的推进,按照巴塞尔协议的要求,商业银行必须要对市场风险、流动性风险、操作风险、信誉风险等提高重视,因此商业银行的集成风险度量研究将有利促进我国银行业甚至于整个金融行业的稳定与健康发展。商业银行的集成风险度量主要分为两大类:由下而上(bottom up)的集成方法和由上而下(top down)的集成方法。金融风险集成的本质都是要估计商业银行风险资产和负债的总收益或总损失的分布函数,进而应用一些风险度量指标,例如VaR和ES刻画商业银行集成风险的大小,并说明商业银行集成风险的变化特征,给金融相关部门提供决策的依据。本文主要应用由上而下(top down)的方法研究我国商业银行集成风险的大小。我们通过选取2008年至2016年八年时间季度数据为样本,主要分析2007年美国次贷危机后我国整体商业银行集成风险的特征问题。通过对我国16家商业银行的样本分为叁类,分别计算集成风险大小,比较不同类型商业银行集成风险的异同。本文首先构造了商业银行信用风险和市场风险收益率的指标,应用缺失数据分析的方法填充了部分的缺失数据,分析了我国商业银行信用风险、市场风险相依性的特点。其次,我们借助于常见的几类copula函数族,并在AIC信息准则下给出每类商业银行信用和市场收益相依特征copula族的选择,利用半参数估计的方法对每个copula相依参数给出估计。再次,我们应用蒙特卡罗方法对每类商业银行在不同的资产组合权重下给出信用风险和市场风险的集成风险度量。最后,我们实证研究发现整体上信用风险仍占银行集成风险的主导地位,这与我国商业银行利润(损失)来源主要来自传统存贷业务密切相关,并且商业银行在市场风险资产下具有较高的风险溢价收益。相比于股份制商业银行和城商行,四大国有银行具有更大的集成风险,这与我国银行此些年的不良贷款率排名十分吻合。造成这一结果的原因可能是商业银行内部的管理机制以及外部的政策导向,主要是国有银行的信贷资产和市场风险资产规模巨大,其全局上运营灵活性与股份制银行存在巨大差距,从而使其面临这更大的整体风险。此外在固定的权重组合下,全国性股份制商业银行的集成风险水平基本上都高于四大国有银行与城商行,而四大国有银行与城商行的集成风险水平差别不大。第二类全国股份制商业银行基本能够代表我国整体商业银行的集成风险大小,这可能反映这类银行经营表内业务和表外业务具有平衡的特点,四大国有行侧重于表内业务而城商行侧重于表外业务导致集成风险在整体银行上不具有代表性。最后我们发现,与Copula-VaR相比,除了w=0.8,在大多数权重固定情形下,整体商业银行和叁类商业银行的Copula-ES的变异程度较Copula-VaR小得多,一方面说明Copula-ES用来度量商业银行集成风险更稳健,另一方面说明各类商业银行和整体商业银行总风险资产收益分布的左边尾部特征变化较大,但是风险资产的收益尾分布平均取值后,集成风险大小的差异性消失了,因此可以说,对每一类商业银行,Copula-ES度量集成风险没有本质差异。(本文来源于《浙江财经大学》期刊2017-12-01）
李杰[3]（2016）在《基于Copula-GARCH模型的我国上市商业银行集成风险的度量》一文中研究指出《巴塞尔资本协议II》指出,商业银行主要面临着信用、市场、操作这叁大风险,各类风险之间存在相关性,尤其是非线性关系,因此,确定各风险之间的相依结构成为衡量商业银行集成风险的关键。近年来发展起来的Copula函数理论,很好的克服了线性相关的局限性,对研究商业银行集成风险的度量具有重要的意义。本文首先进行单一风险和集成风险度量的国内外文献进行梳理与评述,对主要因素进行分析,运用线性因子模型构建叁类风险各自的收益率模型,从而确定风险的边际分布。然后引入风险度量指标VaR,并阐述商业银行集成风险度量的Copula理论,在此基础上,构建度量集成风险模型的实施框架。以我国11家上市商业银行为研究对象,用GARCH(1,1)-t模型描述信用风险的边际分布,用GARCH(1,1)-N模型度量市场风险和操作风险,以两种阿基米德类Copula函数先对信用风险和市场风险的整体风险进行度量,再将两者的整合结果与操作风险进行综合度量,比较分析了不同相关结构下的风险分散化效应;与进行简单线性相加所得VaR相比,利用Copula函数所度量的商业银行整体风险值都要小于简单加总值。最后结合本文的研究,从完善信息披露制度及银行业数据库、改进整合风险度量技术、建立有效的整体风险管理激励机制和加强高素质的风险管理人才的培养四个方面,提出我国商业银行整体风险度量所需要的保障条件。(本文来源于《长沙理工大学》期刊2016-05-01）
虞欢欢[4]（2014）在《基于违约强度为混合泊松分布情形的信用资产组合集成风险度量研究》一文中研究指出随着银行风险监管水平和要求的不断发展，市场中信用风险的转移和交易，金融行业正需要发展出更好更科学的一套体系来管理金融风险，以防范未来可能发生的损失。其中，对信用资产组合的风险度量研究一直以来都是关注的重点，然而，对于资产组合的相关性结构以及组合风险计算的复杂性却鲜有研究。为此，本文针对资产组合的相关性结构和组合风险计算的复杂性这两方面做出实证研究，并有了一系列成果。在构建资产组合信用风险模型时，本文引入混合泊松模型来代替广泛使用的Copula模型。混合泊松模型一直停留在理论的范围内，本文在该模型的实践应用上作出了创新。对于信用违约事件，无法预测一个违约发生的具体时间，也无法预测违约的总数及其引起的损失。但是，尽管单个债务人违约的概率很低，在大量的债务人中总是存在一个违约敞口的，那么这种情形可以用泊松分布来很好的刻画。为了能将理论上的混合泊松模型应用于实践，我们引入了经典的结构模型来度量单个组合内资产的信用风险，并将结构模型和混合泊松方法在泊松变量的强度这个点上联结起来，用结构模型来得到混合泊松模型中的相关参数，从而能够构建一个描述大资产违约相关结构和违约分布的风险度量模型，这种方法上的结合也是一个应用创新。组合风险计算的复杂性方面，蒙特卡罗模拟是风险管理中常用的技术。虽然蒙特卡罗模拟结果比较全面客观，但是它在模拟小概率事件时会因为运算次数较多而导致模拟时间过长，出现低效现象。故本文为了克服极小概率事件发生概率估计的困难，把重要抽样技术发展到信用资产组合违约损失分布中，通过指数扭曲和测度变换在相应区域产生更多的样本，可以使这种新测度情形下的模拟不再是稀有事件Monte Carlo模拟。通过这种变换，可以减少Monte Carlo模拟的计算工作量，也提高估计组合损失概率的精确性。由于在本文实证中采用的数据里样本股票数相对较少，而且历史的宏观共同因子也不充足，因此我们通过一个数值模拟的例子来说明重要抽样算法的有效性。相比普通蒙特卡洛分布，重要抽样下模拟出来的违约损失分布曲线更为平滑，因此重要抽样技术对于信用风险管理领域里是非常有实用意义的，在提升效率的同时也能增加准确性。另外，我们还计算了重要抽样方法下的方差减少系数，其方差减小系数都远远大于1，而且随着违约概率的下降，方差减小系数上升的很明显，这表示重要抽样技术在处理稀有事件时的能力比普通蒙特卡洛模拟强的多。综上所述，本文以资产组合的视角来分析大资产的信用风险，通过混合泊松模型来构造资产组合之间的关联结构能很好的刻画组合的违约概率发生及传导情况，同时结合重要抽样技术可以从准确率和效率性上两方面提升对于组合的风险度量和管理。另外，本文不仅为极端稀有事件的研究提供了理论和实证上的依据，也为投资者进行经济资产配置和监管者进行风险度量与管理提供了方法。(本文来源于《浙江财经大学》期刊2014-12-01）
吴庆晓,刘海龙,景平[5]（2011）在《商业银行集成风险度量方法研究》一文中研究指出研究了商业银行市场风险与信用风险之间的相关结构,比较了几种不同风险集成模型的精确度,并作了实证分析。结论表明,Gumble Copula函数相对于其它连接函数更适合度量两种风险之间的相关结构。相对于Gumble Copula相关结构的风险集成模型而言,目前商业银行通用的风险加总模型会高估银行实际面临的风险,但假定多元正态分布的风险集成模型则大大低估了风险。随着Gumble Copula参数值的改变,集成风险值会趋向不确定。(本文来源于《工业工程与管理》期刊2011年04期）
吴庆晓,刘海龙,龚世民[6]（2011）在《基于极值Copula的投资组合集成风险度量方法》一文中研究指出本文应用极值的阈值与峰值模型来度量单个资产的风险价值,用两种不同的方法度量了基于Copula函数的沪深指数收益率的相关结构,比较了不同Copula函数下基于沪深指数的二元投资组合集成风险值。结果说明:Gauss Copula函数对沪深指数收益率的相关结构拟合较好,阈值模型的极值Copula能较好地度量投资组合的集成风险值,在高置信度下(0.99以上),基于Gumble Copula函数的上尾(正收益)集成风险值、基于ClaytonCopula函数的下尾(负收益)集成风险值与真实值最为接近。直接加权的方法会高估投资组合的风险,假设沪深指数的收益率服从二元正态分布会低估风险。峰值法的集成风险值误差较大。(本文来源于《统计研究》期刊2011年07期）
张金清,李徐[7]（2008）在《资产组合的集成风险度量及其应用——基于最优拟合Copula函数的VaR方法》一文中研究指出通过对不同族类、不同种类Copula函数之间的比较分析,提出了最优拟合Copula函数的一种选择方法.基于沪深两市经验数据的实证检验与分析表明,Frank-Copula和Clayton-Copula分别适用于计算低置信度和高置信度下资产组合集成风险的VaR.在各自置信度下,根据这两种Copula函数的计算方法优于其它Copula函数方法,更优于使用多维正态分布或者多维t分布的传统方法.(本文来源于《系统工程理论与实践》期刊2008年06期）
李徐[8]（2008）在《流动性风险与市场风险的集成风险度量研究》一文中研究指出本文研究的是如何在同一个框架内度量流动性风险与市场风险,即流动性风险与市场风险的集成风险度量。本文使用copula函数构建了流动性风险与市场风险的集成风险度量模型,旨在探讨如下叁个问题:(1)如何度量单项资产中由流动性风险因子与市场风险因子驱动的集成风险。(2)如何度量资产组合中由多组流动性风险因子与市场风险因子驱动的集成风险。(3)如何在上述研究的基础上对集成风险度量模型进行了动态分析。在构建集成风险度量模型之后,本文结合中国A股市场数据进行实证检验,度量了不同流通规模股票的集成风险,并将本文模型与现有模型进行了比较。本文共分为9章:第1章绪论。开篇提出问题,然后介绍本文的主要创新点和难点,并对研究方法和框架进行总体规划。第2章文献评述。首先对集成风险的概念进行解析,然后对流动性风险度量、市场风险度量以及两者集成度量的现有研究进行评述,并对基于copula函数的集成风险度量研究及其相关金融研究进行综述。第3章引入copula函数度量流动性风险与市场风险的集成风险,其中运用copula函数的关键在于怎样选择最优copula函数。第4章对股票进行集成风险分析。把流动性风险与市场风险确定为中国A股的主要风险,并采用半参数方法分别为流动性风险因子与市场风险因子建模。建模之后,从理论和实证两个方面对股票流动性风险因子和市场风险因子的相依性进行了考察,从而为集成风险度量做准备。第3章和第4章构成了集成风险度量的两块基石:一块是集成风险度量的方法——最优copula函数理论;另一块是集成风险度量的原动力——市场需求,即中国A股风险因子的现实情况。第5章至第7章则是本文的核心部分:依次解决上述需要探讨的叁个问题,并进行实证检验。第5章考察单项资产的流动性风险与市场风险的集成风险度量。第5.1节着重集成风险度量模型的构建,首先建立一次变现条件下的集成风险度量模型,然后以预期变现期和变现策略两个维度,分别讨论固定变现策略前提下的集成风险度量问题和固定预期变现期前提下的集成风险度量问题。在第5.2节基于中国A股的实证研究中,度量了不同规模公司股票的集成风险。与集成风险度量方法相比,传统VaR方法将低估或者高估风险;而对于个股,只有选择最优变现期或最优变现策略才能最小化集成风险。第6章考察资产组合的集成风险度量。本章把第5章的模型从单只股票推广到由两资产组成的资产组合中。在资产组合层面上,集成风险既可以表现为由不同市场风险因子驱动的集成风险,又可以表现为由不同流动性风险因子与市场风险因子联合驱动的集成风险。于是,在第6.1节构建资产组合的集成风险度量模型之后,第6.2节度量了只考虑市场风险的资产组合集成风险,第6.3节度量了兼顾流动性风险与市场风险的资产组合集成风险。经实证检验,与传统方法相比,资产组合集成风险度量模型可以刻画资产组合中各风险因子的“厚尾有偏”特征和风险因子之间的复杂相依性。如果不考虑流动性风险,集成风险将被低估,而如果简单的加总流动性风险,集成风险将被高估。第7章是对集成风险度量的动态分析。第5章和第6章是在静态框架下度量集成风险,而本章试图把集成度量模型推广到动态情形下。第7.1节介绍基于copula函数的多维时间序列模型。第7.2节根据本文的集成风险度量要求,构建基于copula函数的集成风险动态度量模型,并进行了实证研究。与静态框架相比,动态度量模型由于考虑了时变性,更能够反映近期股票流动性风险因子与市场风险因子的变化。第8章对本文进行回顾和展望。首先对本文的主要结论进行回顾,从理论与实证两个方面对本文模型和现有风险度量模型进行系统的分析比较。然后基于本文研究对金融风险管理提出若干建议,并总结本文研究的不足,最后对集成风险度量的前景进行展望。(本文来源于《复旦大学》期刊2008-04-09）
集成风险度量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
二十世纪八十年代以前,如何度量金融机构的市场、信用、操作和流动性等单类风险,是实证金融的重要课题。九十年代后,由于金融市场的演变以及国际监管要求的加强,学术界越来越多关注于金融机构的风险集成问题。在业界,银行风险管理体系中很重要的部分是进行集成风险管理,这对于加强商业银行竞争能力,提高经济经营与运行能力,实现银行风险全面优化升级具有积极影响。此外,由经济全球化带来的金融全球化发展以及金融产品样式的不断创新,导致银行所面临的风险也不再单一、简单,与此同时银行单个风险间也会相互影响,呈现出非线性和非正态相关性的特征。在我国传统的商业银行经营管理中,由于利润主要来源于存贷利息差,因此商业银行金融风险管理内容主要集中于信用风险。伴随着我国利率市场化改革的推进,按照巴塞尔协议的要求,商业银行必须要对市场风险、流动性风险、操作风险、信誉风险等提高重视,因此商业银行的集成风险度量研究将有利促进我国银行业甚至于整个金融行业的稳定与健康发展。商业银行的集成风险度量主要分为两大类:由下而上(bottom up)的集成方法和由上而下(top down)的集成方法。金融风险集成的本质都是要估计商业银行风险资产和负债的总收益或总损失的分布函数,进而应用一些风险度量指标,例如VaR和ES刻画商业银行集成风险的大小,并说明商业银行集成风险的变化特征,给金融相关部门提供决策的依据。本文主要应用由上而下(top down)的方法研究我国商业银行集成风险的大小。我们通过选取2008年至2016年八年时间季度数据为样本,主要分析2007年美国次贷危机后我国整体商业银行集成风险的特征问题。通过对我国16家商业银行的样本分为叁类,分别计算集成风险大小,比较不同类型商业银行集成风险的异同。本文首先构造了商业银行信用风险和市场风险收益率的指标,应用缺失数据分析的方法填充了部分的缺失数据,分析了我国商业银行信用风险、市场风险相依性的特点。其次,我们借助于常见的几类copula函数族,并在AIC信息准则下给出每类商业银行信用和市场收益相依特征copula族的选择,利用半参数估计的方法对每个copula相依参数给出估计。再次,我们应用蒙特卡罗方法对每类商业银行在不同的资产组合权重下给出信用风险和市场风险的集成风险度量。最后,我们实证研究发现整体上信用风险仍占银行集成风险的主导地位,这与我国商业银行利润(损失)来源主要来自传统存贷业务密切相关,并且商业银行在市场风险资产下具有较高的风险溢价收益。相比于股份制商业银行和城商行,四大国有银行具有更大的集成风险,这与我国银行此些年的不良贷款率排名十分吻合。造成这一结果的原因可能是商业银行内部的管理机制以及外部的政策导向,主要是国有银行的信贷资产和市场风险资产规模巨大,其全局上运营灵活性与股份制银行存在巨大差距,从而使其面临这更大的整体风险。此外在固定的权重组合下,全国性股份制商业银行的集成风险水平基本上都高于四大国有银行与城商行,而四大国有银行与城商行的集成风险水平差别不大。第二类全国股份制商业银行基本能够代表我国整体商业银行的集成风险大小,这可能反映这类银行经营表内业务和表外业务具有平衡的特点,四大国有行侧重于表内业务而城商行侧重于表外业务导致集成风险在整体银行上不具有代表性。最后我们发现,与Copula-VaR相比,除了w=0.8,在大多数权重固定情形下,整体商业银行和叁类商业银行的Copula-ES的变异程度较Copula-VaR小得多,一方面说明Copula-ES用来度量商业银行集成风险更稳健,另一方面说明各类商业银行和整体商业银行总风险资产收益分布的左边尾部特征变化较大,但是风险资产的收益尾分布平均取值后,集成风险大小的差异性消失了,因此可以说,对每一类商业银行,Copula-ES度量集成风险没有本质差异。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
集成风险度量论文参考文献
[1].楚永梅.我国商业银行集成风险度量的实证研究[D].上海师范大学.2019
[2].杨煜.商业银行集成风险的度量研究[D].浙江财经大学.2017
[3].李杰.基于Copula-GARCH模型的我国上市商业银行集成风险的度量[D].长沙理工大学.2016
[4].虞欢欢.基于违约强度为混合泊松分布情形的信用资产组合集成风险度量研究[D].浙江财经大学.2014
[5].吴庆晓,刘海龙,景平.商业银行集成风险度量方法研究[J].工业工程与管理.2011
[6].吴庆晓,刘海龙,龚世民.基于极值Copula的投资组合集成风险度量方法[J].统计研究.2011
[7].张金清,李徐.资产组合的集成风险度量及其应用——基于最优拟合Copula函数的VaR方法[J].系统工程理论与实践.2008
[8].李徐.流动性风险与市场风险的集成风险度量研究[D].复旦大学.2008