本站小編為你精心準(zhǔn)備了系統(tǒng)性信用風(fēng)險(xiǎn)論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

一、模型與方法

（一）理論模型分析假設(shè)信用資產(chǎn)關(guān)聯(lián)系統(tǒng)由2家企業(yè)組成，第1家企業(yè)是下游企業(yè)，第2家企業(yè)是上游企業(yè)。第1家企業(yè)向第2家企業(yè)采購(gòu)原材料，第2家企業(yè)向第1家提供商業(yè)信用；模型時(shí)間分為2期，第t期2家企業(yè)正常經(jīng)營(yíng)，第t+1期第1家企業(yè)受到外部流動(dòng)性沖擊，發(fā)生違約，第2家企業(yè)受損。設(shè)企業(yè)信用資產(chǎn)為RA；非信用資產(chǎn)為URA；短期負(fù)債為STD；長(zhǎng)期負(fù)債為L(zhǎng)TD；凈資產(chǎn)為NA。企業(yè)i（i=1，2）在t時(shí)刻的資產(chǎn)負(fù)債表平衡關(guān)系。假設(shè)資本市場(chǎng)是理性的，市場(chǎng)均衡的估值市凈率在第t、t+1期是不變的，不妨設(shè)定為常數(shù)c。在t+1第1家企業(yè)信用違約而股價(jià)下降，并引發(fā)第2家企業(yè)股價(jià)隨之下降，形成了股價(jià)聯(lián)動(dòng)[7]68-78。

（二）實(shí)證方法構(gòu)建多變量金融時(shí)序Copula函數(shù)的關(guān)鍵在于，建立單變量金融時(shí)序分布模型與選擇合適的多元Copula函數(shù)[32]。多元正態(tài)Copula函數(shù)不能反映變量之間的聯(lián)合厚尾特征[33-34]。多元t-Copula函數(shù)可以用于研究變量之間的聯(lián)合厚尾特征，其自由度越小，表明聯(lián)合厚尾特征越明顯[35]。1.邊緣分布的確定金融資產(chǎn)收益率序列具有異方差、尖峰厚尾、時(shí)變、右偏與杠桿效應(yīng)，適合用AR（1）-GJR（1,1）模型擬合邊緣分布。2．Copula函數(shù)的選用多元t-Copula函數(shù)尾部較厚，能很好地?cái)M合尾部相關(guān)關(guān)系[37-39]。因此，從理論上可以推斷，多元t-Copula函數(shù)能夠更好地度量股價(jià)的聯(lián)動(dòng)關(guān)系。本文使用Q-Q圖、K-S檢驗(yàn)判斷單個(gè)多元Copula函數(shù)的擬合情況。同時(shí)，引入經(jīng)驗(yàn)分布函數(shù)，構(gòu)建反映擬合誤差大小的平方歐式距離指標(biāo)。該平方歐式距離反映了多元Copula函數(shù)擬合原始數(shù)據(jù)的誤差情況。該指標(biāo)值越小，說(shuō)明偏差越小。3．Copula函數(shù)的時(shí)變過(guò)程與估計(jì)對(duì)于C-藤分解結(jié)構(gòu)下的時(shí)變條件相關(guān)系數(shù)，Engle（2002）提出了比較常用的描述其時(shí)變過(guò)程的DCC（1，1）模型其中，ρt是t時(shí)刻的條件相關(guān)系數(shù)；向量εt是由選定的時(shí)變Copula函數(shù)邊際分布逆函數(shù)轉(zhuǎn)換得到的標(biāo)準(zhǔn)化殘差；Q軒t是一個(gè)p×p矩陣，該矩陣對(duì)角線上的元素是Qt的平方根，其他元素為0；Qt和R分別是殘差項(xiàng)的樣本協(xié)方差與相關(guān)系數(shù)；rt是在項(xiàng)數(shù)為m（m>p）的移動(dòng)窗中殘差的相關(guān)系數(shù)。該時(shí)變Copula函數(shù)的參數(shù)估計(jì)可以由兩步極大似然估計(jì)法完成[43]。第一步先利用最大似然估計(jì)法，估計(jì)邊際分布AR（1）-GJR（1，1）模型中的參數(shù)；第二步對(duì)殘差做概率積分轉(zhuǎn)換，再利用最大似然估計(jì)法，估計(jì)時(shí)變Copula函數(shù)的參數(shù)。4.基于Copula函數(shù)的相關(guān)性分析選擇合適的Copula函數(shù)后，擬合估計(jì)出其參數(shù)值，就可以利用表1中的計(jì)算式，計(jì)算出各相關(guān)系數(shù)值。在靜態(tài)Copula函數(shù)中，其參數(shù)是不變的，計(jì)算出來(lái)的是靜態(tài)總體相關(guān)性；如果采用時(shí)變Copula函數(shù)，參數(shù)ρt（t=1，2，…，T）是時(shí)變參數(shù)，就可以利用表1中公式，一一對(duì)應(yīng)地計(jì)算出總體線性相關(guān)系數(shù)、非線性相關(guān)系數(shù)及尾部相關(guān)系數(shù)的動(dòng)態(tài)時(shí)變過(guò)程。

二、計(jì)算結(jié)果與分析

（一）研究樣本根據(jù)企業(yè)之間存在的信用關(guān)聯(lián)，選擇寶鋼股份（BGGF）、必和必拓（BHP）、力拓（RIO）、上海汽車（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）和中國(guó)船舶（ZGCB）在內(nèi)的幾家企業(yè)作為研究樣本，研究這些企業(yè)從2001年1月2日至2011年4月28日之間的股價(jià)聯(lián)動(dòng)。列出了6個(gè)樣本企業(yè)股價(jià)收益率序列數(shù)據(jù)的描述統(tǒng)計(jì)指標(biāo)。由表2可知，6個(gè)變量的峰度都在10以上，呈現(xiàn)尖峰分布，其中，SGJT收益率分布最尖；BHP、RIO、SHQC、SGJT的偏度都大于0，其中，SGJT收益率分布右偏程度最大；BGGF、XSMD的偏度小于0，說(shuō)明與正態(tài)分布、t分布相比較，適合選用左偏的t分布擬合樣本收益率數(shù)據(jù)。

（二）邊際分布擬合檢驗(yàn)根據(jù)white檢驗(yàn)結(jié)果可知，3個(gè)統(tǒng)計(jì)量的P值都拒絕“不存在異方差”的原假設(shè)，說(shuō)明異方差比較突出。表明收益率序列適合選用ARCH模型。本文中的邊際分布選用帶有杠桿效應(yīng)的AR（1）-GJR（1，1）-Skewt模型。其模型估計(jì)的參數(shù)值如表3所示。從AIC、BIC、LL值看，AR（1）-GJR（1,1）-Skewt模型的有效性好于AR（1）-GJR（1，1）-t模型①。8個(gè)序列的自由度估計(jì)值都比較小，說(shuō)明它們的分布都具有厚尾特征，其中上港集團(tuán)的尾部最厚。另外，使用時(shí)變Copula函數(shù)估計(jì)時(shí)變條件相關(guān)系數(shù)時(shí)，需要把序列數(shù)據(jù)通過(guò)概率積分轉(zhuǎn)換為U（0，1）分布序列。本文對(duì)邊際分布擬合情況還進(jìn)行了獨(dú)立性檢驗(yàn)與同分布檢驗(yàn)。拉格朗日乘數(shù)檢驗(yàn)結(jié)果表明，在5%顯著水平下，這8個(gè)序列都不存在自相關(guān)，可以認(rèn)為轉(zhuǎn)換后的序列相互獨(dú)立；非參數(shù)K-S檢驗(yàn)結(jié)果表明，轉(zhuǎn)換后的8個(gè)序列在5%顯著水平上服從U（0，1）分布。這些結(jié)論表明，邊際分布采用AR（1）-GJR（1，1）-Skewt模型非常合理。

（三）利用多元t-Copula函數(shù)靜態(tài)度量股價(jià)的聯(lián)動(dòng)效應(yīng)常用的固定參數(shù)多元Copula函數(shù)包括多元正態(tài)Copula函數(shù)和多元t-Copula函數(shù)。在這兩個(gè)函數(shù)的Q-Q圖中，本文無(wú)法區(qū)分其擬合優(yōu)劣；而由多元正態(tài)Copula函數(shù)的K-S檢驗(yàn)可知，在0.01顯著水平上拒絕原假設(shè)，說(shuō)明多元正態(tài)Copula函數(shù)不能很好地?cái)M合多元時(shí)序數(shù)據(jù)；而多元t-Copula函數(shù)擬合該的多元數(shù)據(jù)序列。從Copula函數(shù)與經(jīng)驗(yàn)分布函數(shù)之間的平方歐式距離來(lái)看，多元正態(tài)分布Copula函數(shù)的平方歐式距離為0.3873，多元t分布Copula函數(shù)的平方歐式距離為0.0568，多元t-Copula函數(shù)可以較好擬合該股價(jià)原始數(shù)據(jù)的經(jīng)驗(yàn)分布情況，與理論分析一致。根據(jù)各樣本收益率序列的條件邊際分布，利用多元Skewt分布函數(shù)與多元t-Copula函數(shù)之間的關(guān)系，信用資產(chǎn)關(guān)聯(lián)各企業(yè)股票收益率之間的多元t-Copula函數(shù)非線性相關(guān)系數(shù)如表4所示。從表4可以看出，受中外股市之間的一體化約束，寶鋼股份（BGGF）與必和必拓（BHP）、力拓（RIO）之間，必和必拓（BHP）、力拓（RIO）與上海汽車（SHQC）、上港集團(tuán)（SGJT）、山西煤電（SXMD）、青島海爾（QDHE）、中國(guó)船舶（ZGCB）之間的相關(guān)系數(shù)都很低，但其他信用資產(chǎn)關(guān)聯(lián)企業(yè)之間的相關(guān)系數(shù)都在0.5左右，存在中等程度的正相關(guān)聯(lián)動(dòng)現(xiàn)象。

（四）利用時(shí)變多元t-Copula函數(shù)度量股價(jià)的聯(lián)動(dòng)效應(yīng)不同邊際分布下時(shí)變t-Copula函數(shù)的相關(guān)系數(shù)時(shí)變方程參數(shù)估計(jì)值如表5所示。從AIC、BIC、LL值看，對(duì)于條件相關(guān)系數(shù)的時(shí)變過(guò)程G-DCC、t-DCC，邊際分布選用AR（1）-GJR（1，1）-Skewt模型最合理，但時(shí)變G-DCC過(guò)程擬合效果最差，t-DCC過(guò)程則最好。本文選用AR（1）-GJR（1，1）-Skewt模型作為邊際分布，選用時(shí)變過(guò)程為t-DCC的多元t-Copula函數(shù)為多元連接函數(shù)，動(dòng)態(tài)擬合計(jì)算動(dòng)態(tài)條件相關(guān)系數(shù)，得到8個(gè)按照C-藤結(jié)構(gòu)分解的pair-copula函數(shù)的時(shí)變無(wú)條件相關(guān)擬合的AIC、BIC、LL值分別是-7158.6、-7141.7、3582.3。利用這28個(gè)時(shí)變Copula相關(guān)系數(shù)的時(shí)間序列數(shù)據(jù)，計(jì)算出相對(duì)應(yīng)的時(shí)變等級(jí)相關(guān)系數(shù)、秩相關(guān)系數(shù)與尾部相關(guān)系數(shù)的時(shí)間序列，如表6所示。從表6可以看出，4個(gè)相關(guān)系數(shù)都顯示出，股價(jià)呈現(xiàn)低度正相關(guān)性，具有弱板塊效應(yīng)；時(shí)變Copula相關(guān)系數(shù)的集中趨勢(shì)值最大，尾部相關(guān)系數(shù)最小。但是，時(shí)變Copula相關(guān)系數(shù)的絕對(duì)離散波動(dòng)程度、波動(dòng)幅度最大；從離散系數(shù)、極差/平均值的結(jié)果可以看出，尾部相關(guān)系數(shù)的相對(duì)離散波動(dòng)程度最大。從時(shí)變Copula相關(guān)系數(shù)可以看出，在C-藤結(jié)構(gòu)下條件相關(guān)系數(shù)的均值在0.0583~0.7376之間，呈現(xiàn)出弱相關(guān)關(guān)系，因?yàn)闂l件相關(guān)系數(shù)有正值、負(fù)值，相關(guān)方向存在轉(zhuǎn)換，正負(fù)抵消導(dǎo)致簡(jiǎn)單平均值的結(jié)果較小。其他16個(gè)條件相關(guān)系數(shù)均為正值，平均值在0.5左右，呈現(xiàn)出中等強(qiáng)度的相關(guān)性。從條件相關(guān)系數(shù)值的離散指標(biāo)可以看出，標(biāo)準(zhǔn)差從0.0573~0.1042，絕對(duì)變化范圍從0.2628~0.5706，最大相對(duì)幅度變化范圍從0.4899~6.2644，說(shuō)明條件相關(guān)系數(shù)的時(shí)變性較強(qiáng)。為了觀察條件相關(guān)系數(shù)的時(shí)變特征，本文也分別在標(biāo)準(zhǔn)差最小與最大、離散系數(shù)最小與最大、波幅最小與最大等6種情況下，計(jì)算了時(shí)變Copula函數(shù)度量的4個(gè)時(shí)變相關(guān)系數(shù)，均表現(xiàn)出相同的變化趨勢(shì)，而且在常態(tài)相關(guān)性走強(qiáng)時(shí)，股價(jià)板塊效應(yīng)的作用愈加強(qiáng)大，同時(shí)暴跌暴漲的相關(guān)性走強(qiáng)；在常態(tài)相關(guān)性走弱時(shí)，股價(jià)板塊效應(yīng)的作用減弱，由一家企業(yè)股價(jià)大幅漲跌引發(fā)的信用資產(chǎn)關(guān)聯(lián)企業(yè)同時(shí)暴跌暴漲的相關(guān)性走強(qiáng)。

三、結(jié)論

本文將資產(chǎn)關(guān)聯(lián)與市場(chǎng)均衡相結(jié)合，利用會(huì)計(jì)等式，構(gòu)建了企業(yè)信用資產(chǎn)的網(wǎng)絡(luò)傳染模型，分析了信用網(wǎng)絡(luò)渠道直接傳染的股價(jià)聯(lián)動(dòng)現(xiàn)象。利用靜態(tài)相關(guān)與時(shí)變相關(guān)的多元Copula函數(shù)，擬合計(jì)算企業(yè)組合之間的全局相關(guān)系數(shù)、時(shí)變的無(wú)條件與條件相關(guān)系數(shù)，驗(yàn)證了理論模型研究提出的企業(yè)信用資產(chǎn)網(wǎng)絡(luò)傳染聯(lián)動(dòng)現(xiàn)象及其度量與時(shí)變特征。實(shí)證研究結(jié)果表明，邊際分布適合選用AR（1）-GJR（1,1）-Skewt模型；連接函數(shù)適宜選用多元t-Copula函數(shù)。信用資產(chǎn)關(guān)聯(lián)企業(yè)的股價(jià)之間具有較強(qiáng)的網(wǎng)絡(luò)傳染聯(lián)動(dòng)效應(yīng)，基于多元t-Copula函數(shù)的靜態(tài)與動(dòng)態(tài)相關(guān)度量方法可以較好地度量網(wǎng)絡(luò)傳染聯(lián)動(dòng)效應(yīng)，無(wú)條件相關(guān)系數(shù)與條件相關(guān)系數(shù)都表現(xiàn)出不同程度的顯著時(shí)變性。實(shí)證研究結(jié)果還表明，信用資產(chǎn)關(guān)聯(lián)企業(yè)之間的相關(guān)性存在以下幾個(gè)方面特征：第一，信用資產(chǎn)關(guān)聯(lián)的企業(yè)股價(jià)之間具有較強(qiáng)的聯(lián)動(dòng)效應(yīng)，因我國(guó)資本市場(chǎng)的發(fā)達(dá)程度與國(guó)際化水平的差異導(dǎo)致國(guó)內(nèi)外企業(yè)股價(jià)之間的相關(guān)性存在明顯差異，國(guó)內(nèi)的相關(guān)性低于國(guó)外，國(guó)外企業(yè)與國(guó)內(nèi)企業(yè)之間的相關(guān)性較低，原因在于國(guó)內(nèi)外證券市場(chǎng)分割比較明顯，力拓、必和必拓2家公司的股票收益率與國(guó)內(nèi)6家企業(yè)股票收益率間的相關(guān)性比較低。第二，從全局相關(guān)性看，國(guó)內(nèi)6家企業(yè)股票收益率間的相關(guān)性比較接近，低于國(guó)外2家公司間相關(guān)性水平，表明國(guó)內(nèi)證券市場(chǎng)的成熟程度低于美國(guó)市場(chǎng)，同時(shí)也反映了信用資產(chǎn)關(guān)聯(lián)企業(yè)之間的穩(wěn)定性相對(duì)較強(qiáng)，信用資產(chǎn)關(guān)聯(lián)上的企業(yè)具有水平大致相同的公司風(fēng)險(xiǎn)。第三，條件相關(guān)系數(shù)與無(wú)條件相關(guān)系數(shù)，都表現(xiàn)出顯著的較強(qiáng)時(shí)變性?；谌缟涎芯拷Y(jié)論，本文認(rèn)為信用資產(chǎn)關(guān)聯(lián)核心企業(yè)在利用信用資產(chǎn)關(guān)聯(lián)協(xié)同效應(yīng)的同時(shí)，應(yīng)當(dāng)注意控制鏈上企業(yè)的流動(dòng)性風(fēng)險(xiǎn)與信用風(fēng)險(xiǎn)，并以組合管理的理念，優(yōu)化信用資產(chǎn)關(guān)聯(lián)組合結(jié)構(gòu)、運(yùn)營(yíng)方式與利益分配格局；同時(shí)，網(wǎng)絡(luò)核心企業(yè)應(yīng)當(dāng)構(gòu)建信用資產(chǎn)關(guān)聯(lián)的綜合風(fēng)險(xiǎn)管控機(jī)制，有效監(jiān)測(cè)信用資產(chǎn)關(guān)聯(lián)系統(tǒng)中的重要風(fēng)險(xiǎn)因素，并預(yù)防信用資產(chǎn)關(guān)聯(lián)上系統(tǒng)重要性企業(yè)的信用風(fēng)險(xiǎn)，審慎管理信用資產(chǎn)關(guān)聯(lián)上的系統(tǒng)性風(fēng)險(xiǎn)。

作者：茆訓(xùn)誠(chéng)王周偉單位：上海師范大學(xué)商學(xué)院