金融专业毕业论文提纲(2)
除上所述,国际上应用的信用风险度量模型还有许多,如神经网络分析模型、死亡率模型等等。
就我国而言，已逐步建立起风险管理体系,但是与国际同业相比,在数据的采集、加工、度量方法的运用上都存在着相当的差距,因此我国对商业银行信用风险计量方法的研究主要集中在对发达国家先进的信用风险管理技术的学习和借鉴上，以此寻求一种适合我国商业银行的信用风险量化管理模型。
徐畅在《Credit Metrics 模型及其对我国银行风险量化管理的启示》[2006,3]中认为，Credit Metrics是世界上第一个评估信用风险的量化度量模型。该模型以资产组合理论、VaR(Value at Risk)理论等为依据 ,以信用评级为基础 ,不仅可以识别贷款、债券等传统投资工具的信用风险 ,而且可用于互换等现代金融衍生工具的风险识别。研究此模型对于我国银行风险量化管理有很强的现实价值。
张红舸和夏佳南在《KMV信用风险度量模型在我国的适应性研究》[2006，11]中提出， KMV模型作为国际上应用最为广泛的信用风险量化技术,早已引起我国学者对它的关注。他们对我国应用 KMV模型做了大量的实证研究,以期能找到一种在我国适用的新的信用风险管理的度量方法。但我国目前对 KMV模型所涉及到的各参数的估计方法都没有较好的研究结论,这势必使得我国商业银行风险管理者要寻求一些替代指标进行近似评估。而这种近似的替代最直接的后果就是 KMV模型的输出结果不准确。作者也在文章中提出了我国商业银行使用 KMV模型进行信用风险管理应采取的措施。
姚传娟、李源和夏苏林在《信用风险度量KMV模型与Credit Risk+模型比较研究》[2006]中，结合中国商业银行目前信用风险管理的实际情况,比较分析KMV模型和CreditRisk+模型的基本原理和参数选择的共性及差异,对两模型各自特点做出客观评价,结果发现运用Credit Risk+模型有利于提高信用风险度量的精确性,为商业银行信用风险管理提供了有益的借鉴。
乔小京和周石鹏在《信用风险量化模型比较及其对我国商业银行信用风险的启示》[2006,10]中，对信用组合观点模型即CPV进行了描述，Credit Portfolio View(CPV)模型将周期性因素纳入计量模型之中，将迁移概率与宏观因素之间的关系模型化，并且通过模拟宏观因素对于模型的冲击来测定迁移概率的跨时演变，这样可以得到未来每一年的不同的迁移矩阵，在此基础上运用Credit Metrics的方法计算处于不同经济周期的VaR。可以说这种方法是对Credit Metrics的补充，它克服了由于假定不同时期的迁移概率是静态的而引起的一些偏差。
