本站小編為你精心準備了金融機構商業銀行信用風險論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

一、EDF概率的計算及修正

（一）先要從公司股票的股權價值Vε和股價的波動率σE以及負債來估計VA及波動率σA其中μA、σA是公司資產價值的瞬間收益率和波動率。dz是標準維納過程。

（二）由第一部中的VA、σA和公司的債務來求得DPT、DPDKMV模型中定義DPT=SD+0.5LD，（SD為短期的負債，LD為長期負債）

（三）DD與EDF之間是具有穩定的函數映射關系從第二部計算中可以看出，KMV模型定義DPT=SD+0.5LD，這是基于美國龐大的違約數據庫的基礎上計算出來的，但是中國信用體系數據庫還不夠完備，且不同行業的信用情況也對DPT計算有影響，因此KMV模型在度量我國信用風險時需要進行參數的修正。對于m值得選擇，不同學者研究的論大都不一，但大部分結果傾向與m≥0.5以上的這個結論，由于我國公司信用體系的不完善，失信情況出現較美國發達資本市場較為嚴重，所以，m值一般設定為0.5以上比較符合我國的基本國情。對于DPT計算方法的選擇，還有很多種方法，如：有的學者采用模糊隨機方法、DEA方法中的CCG模型、回歸、神經網絡等等。第三部中，計算EDF時，由于我國沒有龐大的違約數據庫，所以無法建立DD與EDF之間的映射關系，所以一般假定VA服從參數為μ、σ的正態分布。

二、結論

（一）完善DPF計算在我國信用體系數據庫不健全的情況下，金融機構應該區別度量公司的信用風險，在選取違約參數時，應該根據不同的行業和公司的債務情況來進行判斷，選取合適的DPT來進行DPF的計算。其次，在計算VA及σA時采取期權定價模型有很多種，我們要盡快探究出一種適合中國市場特征的模型。

（二）加快風險管理體系的建設應成立專門的研究部門，盡快建立適應中國特色的商業銀行風險監控預測體系，借鑒國外的先進經驗，完善我國的信用體系評級制度建設。

（三）建立精確的數據庫管理系統數據的精確度和真實性決定了我們模型預測的準確性，統計口徑的規范化還是特別有必要性的。違約數據積累的缺乏在我國風險數據來源于《中國統計年鑒2013》和《北京市統計年鑒2013》計算而得。從圖2可以看出，行業的泰爾指數呈現出波動上漲的趨勢，從1992男的0.0142上漲到2013年的0.0338.1992年到2000之間，泰爾指數基本保持在0.015～0.02之間波動，波動浮動也比較小，這可能與在這幾年時間內，金融行業能量并沒夠得到足夠的釋放有關，很多金融業處于管制階段，金融業的收入與制造業的收入差距并沒有很大。2000年到2008年之間，泰爾指數逐步上升，呈現穩步增長的趨勢，之所以會形成這種趨勢，是由于隨著市場經濟的快速發展，金融業在經濟高速發展的態勢下，行業的業務量不斷增多，且行業的壟斷性經營為這些行業獲得了高額的利潤，高額額利潤促使行業的收入水平不斷，而與此同時，制造業的收入水平只有很小的增長，從而使得金融業與制造業之間的差距越拉越大，泰爾指數就越大。2008年以后，泰爾指數有所回落，一方面是因為金融危機后，金融業受到了一定的打擊，行業收入略微降低，另一方面，國家開始更加重視制造業的發展，制造業的收入有所提高，從而使得泰爾指數回落。

三、結論和進一步研究的方向

從上面的描述性統計分析中，我們可以得出一些基本的結論：金融業與制造業之間存在著很大的收入差距，并且收入差距呈現不斷上漲的趨勢。為了進一步研究金融業和制造業的收入差距，解釋造成這種收入差距不斷擴大的原因，探究造成這種收入差距的影響因素。我們可以對影響收入差距的影響因素進行實證研究，再次提出一些初步的想法。將收入差距作為因變量，收入差距可以用行業的平均收入差距量化，自變量可以選取行業人力資本水平，用行業人均受教育年限量化；行業勞動水平即行業的勞動生產率，可以用行業的產業增加值與行業從業人員的商加以量化；行業壟斷水平，可以用國有企業的所占比例加以量化。構建回歸方程，進行回歸分析。

作者：孫姣單位：中國人民銀行西安分行