论文摘要
近年来发达资本市场兴起了一种处理银行或其它金融机构不良资产的方法——不良资产证券化。其核心思想是将流动性差但能够产生可预见的稳定现金流的资产经过打包整合成一个资产池,然后在此基础上发行证券。它的研究涉及比优质资产证券化更复杂的抵押、回收等问题。本文中提出的不良资产证券化的安全发债思路通过资产选择建模、安全发债规模测算和现金回收水平评价三个方面研究如何从不良资产池中挖掘相对“优质”的部分。本文的研究对解决我国商业银行不良资产问题、促进金融改革具有重要的理论和实践意义。本文对不良资产证券化的国内外研究现状进行了系统的文献综述,特别以美国、意大利、日本和韩国进行不良资产证券化实践的国际比较与借鉴,并对证券化利差进行了实证分析。总结上述研究发现如下三方面有待进行深入研究。首先,针对现有的入池资产选择违约与否的二分状态,第一次对不良资产池入池资产选择进行独立和相关累积三元logit建模。其中相关模型考虑了还款意愿、行业相关性和利率敏感性测度三个指标,对入池资产多品种选择进行了尝试。两个模型预测能力较好,整个样本准确率分别达到74.5%和78.3%。模型通过了不相关备选方案独立性检验。其次,从不良资产池违约风险的视角,突破了仅考虑资产财务状况、发行人融资需求的局限,对资产池发债规模进行了理论研究。假设资产变现收入在对数正态分布和拟合分布下,控制违约概率倒推不良资产池的发债规模,从理论上解决了安全发债规模的确定问题。实证研究发现拟合分布下对应的违约概率增加导致安全发债规模的减小,且随着债务规模的扩大,违约概率呈现加速增加态势,对在实际中确定不良资产支持证券的发债规模有重要参考价值。最后,针对不良资产池现金回收水平影响因素多的特点,第一次将主成分方法引入到现金回收水平评价建模中,分析主要影响因子,对不良资产池进行有效的动态管理。并尝试用稳健主成分方法解决不良资产池中经常出现的离群值现象,实证表明能够对离群值起到很好抵抗作用。
论文目录
中文摘要ABSTRACT第一章 绪论1.1 研究背景1.2 问题的提出1.3 本研究的意义1.4 研究思路第二章 不良资产证券化相关研究基础和文献综述2.1 不良资产及其证券化概念2.2 不良资产证券化的动因分析2.2.1 动因假说2.2.2 我国不良资产证券化的动因分析2.3 不良资产证券化的基本原理2.3.1 基础资产池的现金流分析2.3.2 资产重组原理2.3.3 风险隔离原理2.3.4 信用增级原理2.4 不良资产证券化产品的定价模型2.5 本章小结第三章 不良资产证券化实践的国际比较与借鉴3.1 美国重整信托机构不良资产证券化的运作3.2 从法律制度入手的韩国不良资产证券化3.3 手段有限而效果不大的日本不良资产证券化3.4 注重信用增级的意大利不良资产证券化3.5 国外不良资产证券化之借鉴3.6 本章小结第四章 资产池支持证券利差研究4.1 利差模型研究综述4.2 利差实证分析4.2.1 提出假设与数据描述4.2.2 资产池与资产支持债券利差回归模型4.2.3 利差回归结果4.2.4 稳健性检验4.3 基于我国情况的数据修正及模型借鉴4.4 本章小结第五章 入池资产选择的累积多元logit建模5.1 判断资产是否入池的模型选择5.2 入池资产选择的三元logit模型5.3 不相关备选方案独立性假设检验5.4 嵌套logit模型5.5 数据来源与数据结构5.5.1 数据来源5.5.2 数据结构5.5.3 独立样本T检验5.5.4 描述性统计5.6 多元logit独立模型实证结果及分析5.7 多元logit相关模型实证结果及分析5.8 相关模型的IIA检验5.9 本章小结第六章 不良资产池安全发债规模研究6.1 回收率估计模型文献综述6.1.1 基于历史数据估计回收率6.1.2 利用单因素模型估计回收率6.2 无信用保障资产池回收率实证研究6.2.1 案例不良资产池基础数据分析6.2.2 回收率描述性分析6.2.3 测算案例资产池未来回收率6.3 安全发债概念的提出6.4 资产池的安全发债规模6.4.1 资产变现收入服从对数正态分布6.4.2 资产变现收入拟合分布研究6.5 本章小结第七章 评价不良资产池现金回收水平的实证分析7.1 传统主成分分析数学模型7.2 稳健主成分分析数学模型7.2.1 快速MCD估计方法的原理7.2.2 快速MCD的改进方法7.3 数据来源与数据结构7.3.1 数据来源7.3.2 数据结构7.3.3 描述性统计7.4 指标处理7.5 传统主成分实证结果及分析7.6 稳健主成分实证结果与分析7.7 增强资产池现金回收水平的建议7.8 本章小结第八章 结论8.1 研究总结8.2 论文的主要贡献8.3 论文的局限及未来研究方向参考文献发表论文和科研情况说明致谢
相关论文文献
标签:不良资产论文; 证券化论文; 资产池论文; 模型论文; 安全发债规模论文; 回收率论文;