论文摘要
商业银行作为整个金融系统的重要单元,其能否健康运行直接关系到整个国民经济的发展。信用风险作为商业银行所面临的主要风险之一,对其进行有效的度量和管理始终是商业银行面临的重大课题。2001年中国加入WTO,2007年中国金融市场开放,中国对外开放步伐的加快使中国银行业面临着巨大的挑战,如何使中国银行业尽快与国际接轨并使其自身的管理和运行符合新巴塞尔协议的要求是我国银行业面临的亟需解决的重要问题。本文的重点就是将Copula模型运用于商业银行进行信用风险度量分析研究。首先,本文介绍了新巴塞尔协议的形成及其对信用风险度量方法的要求,比较分析了国际大型金融机构顺应新巴塞尔协议的宗旨和建议所研发出的在西方比较流行的商业银行信用风险度量模型。通过对比分析得出其中KMV模型无论从理论框架还是从实际应用上都具有无可比拟的优越性,而且其在中国金融市场条件下对商业银行信用风险进行度量具有极强的适用性,但其多元正态分布的假设仍是其不足所在。为了应对KMV模型的不足,随后本文对Copula函数进行了详细的介绍,并指出其应用上的优越性。最后,本文将几种重要的Copula函数与KMV模型相结合,用Copula函数反映资产间的相关模式,应用KMV模型对商业银行组合信用风险进行度量,通过图形模拟和数据统计检验得出,在线性Copula中,t-Copula函数能够捕捉组合信用风险的“厚尾”特征,对资产价值的实际分布有很好的拟合性。为得到更加符合实际的结果,本文最后一部分还通过模拟对高斯-Copula、t-Copula、Clayton-Copula和Gumbel Copula函数的数据描述特征进行对比得出Gumbel-Copula能够很好的捕捉数据的右尾相关性,Clayton Copula函数能够捕捉数据的左尾相关性,t-Copula函数对数据尾部特征的描述是对称的。基于上述三种Copula函数的基本特征,本文对三种函数进行线性组合得到一种组合Copula函数并用该函数对实际数据分布进行拟合,通过卡方检验得出组合Copula函数对实际数据的拟合度最优。因此本文得出结论利用组合Copula函数与KMV模型相结合度量商业银行信用风险可以得到更加准确的结果。