公务员期刊网 论文中心 信用风险论文范文

信用风险论文全文(5篇)

信用风险论文

第1篇:信用风险论文范文

传统的信息不确定和不对称的问题,使得投资人对企业价值评估不准确,进而要求高的风险溢价。从根本上讲,债券市场同股票市场一样,受宏观经济面如货币政策、市场信心等市场信息因素的影响。Galai以宏观市场的定价行为作为衡量信息不对称的程度,说明了信息不对称情况下,存在信用利差进而影响企业债券估价。Moerman通过研究发现,二级市场中买卖价差与债券的利率利差存在正相关关系,买卖价差与债券的期限呈现正相关的关系。从宏观角度讲,能够影响企业债券价值的因素有市场利率、票面利率、交易量、债券剩余期限、通货膨胀率等。以大数据的视角可以将这些因素统归于“利率”,因为宏观经济的各种指标最终都会以利率的形势表现出来。另外,从微观风险信息的角度出发,内部的经营问题也可能会迫使企业在债券到期无力偿还,导致投资者面临违约风险。Duffie以不完全的会计信息作为指标,提出会计信息不完整会使投资者错误的评估公司的实际价值,结果是要求公司产生高的风险溢价。Hong(2000)认为公司历史越悠久就能越好的提供更多的有价值的信息,从而降低了这种信息不确定性,降低风险溢价。微观层面影响的企业债券价值的信息,其实是对企业的运营状况、财务状况等的一个反应,都体现对公司“信用”的评级。以“利率”和“信用”为给定关键字后,利用大数据搜索技术,从而找到更多企业信息,对企业债券评估具有很高的价值,运用数据挖掘技术有可以从大量的信息中提出影响企业价值的因素,这样可以有效的解决以往的信息不确定和信息不对称的问题。

二、大数据挖掘技术在债券信用风险估计中的应用

大数据下,我们面对的是多种多样纷繁复杂的数据,关于企业的信息有些是我们需要的,但是很大一部分是无关联的数据,所以采取新型的数据挖掘技术,找到哪些因素能够影响企业价值才是最关键的。数据挖掘就是大量的数据中,找到其中隐含的、我们看不见的、有价值的信息。数据挖掘技术有很多种,比较常见的有关联规则、神经网络、决策树等方法。这些方法中很多可以运用到债券估价模型上。在当下流行的关联分析算法中,比较有影响力的是Apriori算法。该算法通过多次循环提取,尽可能减小候选集的规模,最终形成强关联集合。这种关联规则可以应用到对影响企业债券信息的初期处理之中,找出哪些因素能够对债券价值有影响,通过关联规则可以实现数据的初期整合,删除无影响的信息。决策树是一种预测分类方法,其目的是对数据集训集进行分类,找出有价值的,隐含的信息。J.R.Quinlan提出的ID3算法根据信息增益最大化为主要属性设置决策树的节点,然后在各支树上采用递归算法建立分支树。决策树可以用于对企业价值信息进行分类估价,建立信用风险模型。通过决策树对信息的分类,达到评价企业信用风险等级评价的目的。神经网络算法是模拟人体细胞间的神经元,通过训练实现分级、聚合等多种数据挖掘目标。神经网络技术在债券市场的研究也日趋成熟,Coasts讲神经网络应用于公司财务状况评价,发现利用神经网络预测正确率在93%。所以,利用神经网络数据挖掘可以根据提取、筛选、分类后的数据进行债券价格的预测。通过以上3种数据挖掘技术在债券市场上的应用,可以很好的分析企业价值信息。关联分析可以对找出相关信息,决策树可以对信息进行分类,神经网络可以对债券价值做一个很好的预测。

三、总结

第2篇:信用风险论文范文

信用卡的风险管理体系本着覆盖信用卡业务流程的原则,主要包括事前风险预警、事中风险控制和事后风险化解三个环节,具体构建分为以下五个阶段。第一,产品规划阶段的风险管理。在信用卡产品的规划阶段,发卡行需要先对产品的盈利能力进行衡量,然后根据本行的特点以及进一步的经营策略与规划对目标市场和客户进行定位,再结合对市场竞争状况的评估,拟定产品的定价、授信标准、催收政策等具体的细节。第二,市场开发阶段的风险管理。市场开发阶段是进行信用卡风险管理的第一道防线,做好此阶段的宣传以及对客户的筛选工作能够大大降低风险度。在进行市场宣传之前,发卡行做好对市场人员的思想道德培训工作,提高其业务能力;市场开发阶段,明确营销人员的工作职责,确保客户信息的真实性,从源头上防范信用风险。第三,授信审批阶段的风险管理。首先,以最大限度的减少损失和收益的最大化为原则进行授信政策的细化;然后,多渠道搜集信息为信用评分系统提供数据信息;最后,建立完善的信用审核机制,对客户的信用等级进行评定。第四,账户维护阶段的风险管理。经过授信审批,客户成功申请信用卡之后,发卡行就要为客户建立专门的账户进行业务的往来。。第五,还款及催收阶段的风险管理。客户使用授信额度之后,发卡行每月按照提前规定好的日期生成账单,并为客户预留还款期限,如果客户在此期间偿还全部的欠款,那么将可以享受免息的待遇,当然预借现金的除外。否则将进入逾期状态,发卡行即可采取催收的措施。

二、信用卡业务信用风险管理外部体系的构建

1.个人征信的含义

个人征信指的是由专门的征信机构建立个人信用信息的数据库,将分散在各金融机构以及社会相关部门的个人信用信息进行收集和分析,从而对外提供个人信用报告和信用评估等服务的活动。众多的先进经验表明,建立完善的个人征信体系能够为信用卡的健康发展提供保障。

2.完善我国个人征信体系的建议

经过近些年的发展,我国的个人征信体系获得了一定的发展,但是,在很多方面仍然存在不完善的地方,特别是征信机构尚处在发展的初级阶段、征信产品应用范围不够广泛等问题,影响了我国商业银行信用卡业务的信用风险管理工作的深入,急需对其进行完善,具体的措施包括:第一,建立全国统一的企业和个人征信体系,并在原有基础上将保险、证券、工商等纳入范畴之内,扩大所采集数据的覆盖面,以便为其他部门提供征信服务;第二,为信用评级机构的发展创设良好的外部环境,在改进内部评级体系的同时,推动第三方信用评级市场的发展,促进内外部评级结果的结合,提供更高质量的信用服务;第三,明确监管目标,完善相关的法律法规体系,加强对征信市场的监督管理。

三、结语

第3篇:信用风险论文范文

1.1评价指标体系内容

针对我国民营企业自身特征,在构建企业信用风险评价指标体系的过程中要充分对企业素质进行分析,对企业整体经济发展情况、经营范围与产品销售与盈利水平等进行综合评价,同时也包括对企业综合管理情况的评估,如企业职工能力、领导管理能力以及企业内部文化结构等;要对企业资金信用进行评估,通过对企业资产结构、资金链运行以及资产质量的分析,进行量化财务指标考察,充分反映企业资金自有率和流动比率,对信贷情况、贷款承付率等全面评估;对企业的经营水平与经济效益进行综合评价,包括对产品生产、销售、开发、费用核算以及纳税与利润多方面情况考察;另外,对企业发展情景的分析,要对民营企业进行近期考察,对目标实现情况以及长远规划等全面分析,并对企业的行业地位以及多元化市场竞争力进行分析,对其目标的制定与措施的落实以及长远发展趋势进行分析。

1.2指标体系构建原则

为避免民营企业信用风险评价指标的选择存在随意性,要遵循全面性原则、科学性原则、公正性原则、通用性原则、可获得性原则。民营企业风险评估直接关系到企业长远发展趋势,一旦出现评估偏差将会影响企业信用状况,给企业带来风险。因此,风险评估指标体系的构建要全面体现民营企业信用状况。要积极借鉴国外信用风险评估体系构建经验,使数据结构构建更加丰富、全面、科学。只有在客观判断和评估的前提下,才能保证指标体系构建的公正性和有效性。另外,指标体系构建必须要依照国家政策和法律以及规定标准进行,避免偏离经济发展轨道,使其适用于民营企业中,被债权人和企业理解和认同。

2.基于相似度的民营企业信用风险评级方法

信用评级方法主要是指基于企业的信用状况完成的等级判定,通过进行系统分析发现,信用评价方式对于信用等级的判定具有科学性。针对民营企业的信用评估方法应用,我国多赞同美国做法,但是也有持反对意见的。认为通过定量方式分析量化评估指标具有客观性。而通过定性分析则相对比较主观,需要进行相应的主观判断,可以说,采用定量分析相对于定性具有一定的进步性特征。本文中对两者之间的关系与作用并不做机械性判断,而是根据实际需要选择定量或者是定性分析。

2.1定性评估方法

根据分析人员的差异性特征可以进行以下几个方面的分类:首先,个性特征分析方法:个人可以通过三种方式进行分析,也就是根据因果性原理完成对以表现出来的信用情况以及经济指标变化情况进行判断,形成信用状况信息。这个过程中也可以采用对比类推法,通过结合类推原理将信用状况与相类似的状况之间相互结合,形成对未来一段时间范围内企业信用状况的评估。其次,集体分析方法:采用个人因素分析方法会受到个人知识结构等多方面因素的限制,因此具有局限性。集中个人形成专业性判断能够极大提升信用评估的质量与效果。这项评估方式主要采用的是集体讨论方式进行信用评估。最后,专家调查方法:这项评估需要借助于具有专业性能力的专家,通过进行咨询完成相关信用问题的解决。因为专家的专业性能力相对更强,通过借助于他们的专业性知识与能力,可以充分解决各个方面的实际问题。

2.2信用评估定量分析

首先,比率分析:也就是采用财务分析方法,这也是信用评估当中的主要应用方式。在进行信用评估时很难通过一项数据内容完成整体评估,因此需要计算比率指标内容,这样就能够进行判断,形成科学性结果。其次,还包括趋势性分析方法、结构性分析方法以及相互对比法。以上三种指标也都是进行信用评估最为主要的使用方式。

3.实际应用研究

结合某食品企业进行实例分析,该企业成立于2000年,总投资金额为3000万余元,公司总人数达800人。主要生产的是花生系列产品,产品出口国际市场。年生产力能够达到3000吨。当前企业为了进一步实现扩大再生产,引进专业技术人才达到员工总数的41%,创新费用比重为8%,新型技术装备更新率为6%,产品销售收入比重达到原来的28%,资本积累达到4%。

4.结论

第4篇:信用风险论文范文

1.1Logistic模型对我国中小企业的适用性分析

该方法对数据的要求较容易满足。与其他信用风险评价模型相比,Logistic模型只需要银行内部关于以往中小企业贷款的相关数据和财务报表,对数据的收集难度不是很大。其次,该方法不再依赖于外部的信用评级机构,上文所论述的我国的信用评级机构的不完善对于该方法的使用不存在影响;在使用时,该方法首先是假定商业银行对企业的贷款发生违约的情况的概率服从Logistic分布,选用一系列财务比率构建模型,反映企业发生财务危机进而违约的可能性。在模型的使用中,根据银行对风险的偏好程度设定分界点,判断企业是否被划入违约组。由于企业对债务的履行情况只可分为两种,违约、不违约,因此在对中小企业信用风险进行评估时,Logistic分布的特征对违约概率的估计恰好适用。

1.2数据收集

为了进行实证研究,本文以企业是否违约为分类标准,判断企业是否违约依据商业银行债项评级中五级分类的标准(正常、关注、次级、可疑、损失),认为次级及以下的贷款为违约。本文从广州、深圳一共四家商业银行的数据库中随机选择50家违约中小企业作为样本,受数据采集难度的限制,只选取了最典型的工业企业数据。剔除了异常和数据不完整的个体,剩余32份不良企业样本。按1:1的数量配比原则,另外选择了32家正常中小企业作为匹配样本,样本采用2009年底与2010年底数据。之所以选取以上数据,一是由于数据采集的难度较大,以上数据是通过较大的努力方能取得的;二是广州、深圳地区中小企业无论是从发展环境还是从发展程度而言都较有先进性和代表性,国际化程度较高,发展环境较为复杂,信用违约囊括的情况也较为全面。

1.3模型构建

Wald统计量大的因素显著性高,也就表明其越重要。从表中可以看出,本文Logistic回归模型中各个指标的Wald统计量中,资产增长因子、收益增长因子、流动比例因子、主营业务效益因子这四个指标Wald统计量相对较大,也就是说,这四个指标在估计中小企业的信用风险,意义更大。下表显示了得出的Logistic回归模型对样本是否违约的预测:可以看出,该回归模型对中小企业信用风险的判别准确率总体来说较高,达到74.96%。其中,对违约企业判别率为78.12%,对正常企业的判别率为71.80%,拟合效果尚可。如表2-11

1.4模型分析

观察logistic模型的系数,我们可以看出:本文的资产增长因子主要反映了净资产增长率与总资产增长率这两个指标。资产增长因子越大,违约概率越小。这是因为,公司的资产是公司生存与发展的最基本条件,规模的扩大是公司处于扩张时期的基本表现,相反,资产规模缩小或者不变是公司经营不力的一种表现。收益增长因子越大,中小企业的违约概率越小。本文的收益增长因子主要反映的是主营业务收入增长率与净利润增长率两个财务指标。很明显,中小企业主营业务收入与利润增长率越高,说明企业经营有方,企业利润越大,偿债能力越强,违约风险也就越小。流动比率因子越大,中小企业违约概率越小。本文的流动比率因子主要反映的是流动比率与速动比率,用来衡量企业流动资产在短期债务到期以前可以变为现金用于偿还负债的能力。数值越大,偿债能力越强,违约的概率越小。本文的主营业务效益因子主要反映销售净利率、毛利率,该因子用于衡量企业的收益水平,数值越大,表明企业的经营水平越强,违约概率越低。

2.加强我国中小企业信用风险管理的对策建议

2.1从银行的角度

首先要区分开中小企业与传统大企业之间的区别:财务管理不规范、经营状况不稳定、规模小、成本高利润薄等,对中小企业的授信产品不能像传统大企业那样采用传统额度授信、银承、抵押等方法,而应该针对中小企业自身的特殊属性设计出符合其发展需求的产品。银行应当通过采用资金池、捆绑授信等各种可能的方式来拓宽中小企业的融资渠道,迎合中小企业的融资需求,降低中小企业的融资成本。当前许多新兴银行通过利用大数法则对中小企业展开集体授信以防控风险,也有银行通过定位专业市场、专门行业的形式,以行业划分的形式对中小企业进行定位授信。

2.2从中小企业自身的角度

中小企业自身应当通过强化财务管理和自身运营,不断优化自身发展体系,降低银行授信风险,建立银行信用度。首先,要建立全局观的财务管控制度执行机制,并强化对财务管理制度执行情况的监督考核,确认财务管理的每一个处理环节都得到切实的落实,受到有效的约束。其次,要提高与完善管理层的财务管理能力,优化制度建设,制度建设前应多作调查研究,充分听取基层和群众的意见,制度落实后应对制度发挥成效进行了解检测。确保财务管理制度的科学性与落实性。最后,伴随着计算机互联网的普及,计算机成为了企业经营管理过程中一个十分常用和有效的工具。而当前在中小企业中,许多中小企业主受自身认识的局限影响,对于网络信息化管理模式及其方便快捷高效了解并不多,甚至根本没有了解。企业管理层及相关财务人员应当不断更新自身财务管理知识和技能,跟上时代的步伐,通过合理采用各种现代化工具和互联网,取代传统效率慢、出错率高的财务管理方式,不断强化和提升自身财务管理能力。

2.3从中小企业信用风险度量的角度

第5篇:信用风险论文范文

1.1宏观因子压力测试设计机制

商业银行要根据自身情况制订合理的压力测试流程,主要步骤包括:选择压力测试方法;构建压力测试情景;确定冲击;选择信用风险计量模型;界定被冲击的资产;进行数值分析;风险加总。压力测试的重点应放在单个流程中不同的方法选择上。在实践中并不需要按照严格的先后顺序执行,可以根据实际需要进行修改或补充。按照商业银行信贷资产的特征,测试范围为整体信贷资产,划分为公司银行信贷资产、零售银行信贷资产。

1.2公司银行信贷资产

将压力情景给定的GDP、M2和CPI值代入设计模型,测算出压力情景下各行业的营业收入情况。将上市公司各行业营业收入的实际值与压力情景下上市公司各行业营业收入的预测值进行对比,得出营业收入的变化情况。假设商业银行各行业客户收入的变化程度同该行业上市公司收入的变化程度相同,最终得出压力情景测试下,商业银行各行业客户的营业收入变动情况。以商业银行客户各行业年报数据作为压力测试基期数据。根据前面的计算结果,测算压力情景下商业银行客户各行业的营业收入水平。根据压力情景下的收入水平,编制压力情景下商业银行客户各行业平均的财务报表。其中,涉及的假设包括:应收票据、应收账款、预付账款、应付票据、应付账款等和销售收入同比例下降;企业一年内到期的非流动负债保持不变,企业长期负债的减少等于企业一年内到期的非流动负债;营业成本、税金、销售费用随销售收入同比例下降;财务费用随短期借款同比例下降;用短期借款和货币资金调平报表。计算压力情景下行业PD值。我们将压力情景下的财务报表数据代入公司信用评级的打分卡模型,即可计算出压力情景下该行业客户评级结果。获取各行业客户实际的评级迁徙矩阵;假设压力情景下,商业银行各行业客户的评级迁徙矩阵依据其评级等级变动程度进行平移,且在平移过程中迁徙矩阵的形状不发生变化,据此测算出压力情景下各行业客户的评级迁徙矩阵。根据压力情境下各行业客户的等级分布,测算出压力情景下各行业的违约概率值(PD值)。计算压力情景下行业LGD值。选择客户PD变动、客户负债率变动、抵押物价值变化和抵押物变现能力变动4个指标作为参数计算出在压力情景下各行业的LGD值,客户PD变动取自于前一步计算结果;客户负债率变动取自压力测试前后客户财务报表负债率数据,用房屋成交量变化反映抵押物变现能力变化;假设压力情景下房屋成交量变化同本压力测试中房地产压力测试部分;用房价变化反映抵押物价值变化,假设压力情景下房价变化同本压力测试中房地产压力测试部分。计算压力情景下行业EL变化情况。将压力情景下测算出来的行业PD值和行业LGD值相乘,得到压力情景下行业的EL值,将其和基期行业的EL值进行比较,得出变化情况。计算压力情景下行业的5级分类结果。获取商业银行对公信贷资产5级分类迁徙矩阵的实际数据。假设在无压力情境下,5级分类的迁徙情况保持不变。假设压力情景下,5级分类的迁徙矩阵会依据其EL的变化发生平移,且平移过程中形状不发生变化。根据压力测试下5级分类的迁徙情况以及基期信贷资产的5级分类分布,测算出压力情景下各行业5级分类的结果。

1.3零售信贷资产

利用实施新资本协议过程中PD压力测试成果,宏观经济因素与PD之间的传导关系。通过历史迁徙数据将PD的变化对应到不良贷款各级别的变化上。假设PD增幅即为不良率增幅且业务规模不变,得出各压力情景下的不良率及新增不良额。根据商业银行各分类级别贷款间的历史迁徙率,将新增不良结果分配至各不良贷款级别中,得到最终的测试结果。信贷资产压力测试采用时间序列模型对PD进行模拟预测。

2公司贷款信用风险的宏观因子测定

宏观因子测定模型的核心思想是把有关经济周期的宏观因子识别出来,测定对我国商业银行信用风险有显著影响的宏观经济因子。

2.1基本假设及基础框架设定

在现有理论的信用风险因素模型当中,Gordy(2003)的单因素模型以及麦肯锡公司提出的CreditPortfolioView(CPV)模型是基于宏观经济因子度量信用风险的代表模型。其中,单因素模型是设定单一的宏观经济因子,不能区分有关经济周期的宏观因子对商业银行信用风险的不同影响,所以,不适合本文的分析。而CPV模型是基于一个开放的因子框架,可以用来测定多元的宏观经济因子。然而上述模型在国内商业银行实践中使用的相对较少,本文主要基于巴塞尔协议的有关内容以及国内商业银行的压力测试实践,设计了MEF模型来测定宏观因子对信用风险的影响程度。首先对商业银行信贷资产的风险集中度和宏观经济因子提出假设如下。商业银行信贷资产足够分散,单项资产在总资产中的份额很小,因此,债务人的特异风险可以在较大程度上分散掉,而债务人的违约概率主要受宏观经济因子影响。贷款企业整个行业的营业收入受宏观经济因子的影响,并能有效传导到商业银行的信用风险。宏观因子对营业收入以及信用风险的影响具有滞后性,对第t期营业收入及信用风险,用t-1期宏观因子进行测定。在测定宏观因子影响时,将商业银行的贷款企业划分为若干行业进行测算。在此基础上,MEF模型采用ln函数来描述行业收入和宏观经济因子之间的关系为宏观因子A在t-1期的数据;φ—待估计参数;e—误差项。选择行业营业收入的自然对数的主要原因是为了提高营业收入序列数据的平稳性,测定之前将收入数据进行了取自然对数处理。而来自其他系统性因子的“干扰”或者“噪声”被包含在误差项e中。

2.2宏观因子的选择

在建立了MEF模型之后,最重要的工作就是选择宏观经济因子,选择宏观经济因子必须既有理论依据的支持,同时又能反映实际情况。对于经济周期因子,在借鉴CPV模型、单因素模型和GVAR模型以及其他相关模型的基础上,根据数据的可得性,选择了GDP增长率、通货膨胀率和M2三个指标。

2.2.1GDP增长率(GDPGrowthRate)GDP增长率是反映一国经济增长和经济周期状况的最核心指标,在相关实证研究中也被普遍用作重要的宏观经济因子。从微观企业的角度来看,GDP可以看作一国总体企业产出的增长率,而企业的产出直接影响着企业的经营收益,也就影响着企业的偿债能力。

2.2.2通货膨胀率(Inflation,INF)

通货膨胀率代表着物价上涨水平。由于经济繁荣往往伴随着通货膨胀,而经济衰退常常也伴随着通货紧缩,所以通货膨胀率也是经济周期的一个重要指标。一般情况下,通货膨胀会影响企业的经营成本和收益水平,进而影响企业的信用风险。反映通货膨胀率的指数主要有CPI和PPI,因为PPI是衡量工业企业产品出厂价格变动趋势和变动程度的指数,主要反映的是生产成本变化而没能充分体现通货膨胀对收益的影响,并且不能全面覆盖农业和服务业。因此,本文选择CPI指数作为通货膨胀率指标。2.2.3广义货币(M2)广义货币是反映货币供应量的一个重要指标。随着货币供应量的增加,有助于改善市场的资金供求关系,企业的资金成本会呈现下降趋势,经济活跃度也会不断增加,这样能够带来企业营业收入的增加,降低信用风险。国外的相关研究还发现,汇率等因素同样对企业信用风险有重要影响,但是我国人民币汇率波动并不具有周期性波动特征,所以本文暂不作考虑。2.3宏观因子显著性测定要测定的是宏观经济和行业的传导机制,主要通过MEF模型计量出宏观经济因子变动对不同行业营业收入的影响。选择的控制变量为GDP增长率、M2增长率和CPI,因变量采用各行业年营业收入的对数值。将GDP、M2、CPI和各行业营业收入分别作了单因素、双因素和三因素回归,并选取解释能力最强的回归结果。考虑到数据的可获取性,用上市公司的营业收入作为宏观因子对风险的传导介质,并将上市公司营业收入划分为九大类型,具体包括资产密集行业、轻工制造行业、批发零售业、交通运输业、建筑业、房地产行业、基础设施行业、投资行业以及服务业等。检验结果详见表1,结果显示,三变量模型具有相对较好的解释效果,9大行业的R方平均值为74%,且在每个行业检验结果相对稳定,最高的为建筑业(A5)78.61%,最低的资本密集行业(A1)67.93%。

3零售贷款信用风险的宏观因子测定

3.1宏观因子的选择

M2同比增长率与PD成正相关关系,在实际情况中,M2同比增长率变大的时候,无论是流通中的现金,还是个人以及企业存款都在变多,债务人整体的偿债能力变强,违约率也相对下降,所以,该指标与PD的正相关关系与经济意义相反,故不引入PD时间序列预测的数量模型中,但考虑到在经济环境下M2极端情况对PD仍有相对影响,在PD预测模型后通过该指标对PD预测值进行修正。

3.2宏观因子对违约率影响的测算过程

建模数据:2009Q1—2013Q4的季度数据,共计20个样本。因变量:季度PD=季度新增违约人数/总人数,数据来源于国内某股份制商业银行的内部数据库。自变量:收集了GDP类、价格指数类、收入报酬类、金融类等宏观变量;数据主要来源于Wind数据库和人民银行网站。研究了国内宏观经济变量,涵盖了代表经济增长、金融指标的主要变量,最终发现CPI(居民消费价格指数)与GDP同比增长率对PD较为敏感。CPI与PD的相关系数为-0.81,具有明显的负相关关系;GDP与PD的相关系数为-0.88,也具有明显的负相关关系,从二者趋势图上也可以明显看到。综合考虑宏观经济变量与PD的相关系数和经济含义的解释度,初步选出GDP同比增长率、CPI同比增长率共2个宏观经济变量为参考风险变量。从变量间的相关系数看出,GDP同比增长率与CPI同比增长率有明显的相关性,不适合共同构建模型,由于GDP对因变量影响更为显著,且滞后阶大于CPI,可以认为GDP增速可以覆盖CPI增速对因变量的影响,所以模型仅接受GDP同比增长率作为自变量。用时间序列方法建立违约率与宏观因素的模型,同时,对GDP同比增长率做数据变换以平衡数量级。3.3测算结果的运用根据压力情景的设计,代入PD和宏观变量的计量模型,计算出通过数量模型得到的PD。据此对PD数量预测结果进行修正。最终得出不同情景下的PD预测值及PD上升幅度,基于宏观因子的不良贷款的压力测试。

4结论

友情链接