银行信贷应该集中管理还是分散投放——基于中国上市商业银行的分析

商业银行的信贷应该集中管理还是分散投放是一个需要回答的战略问题。笔者基于2007—2011年中国16个上市商业银行的信贷投放的数据,通过建立面板模型从风险和收益两个角度研究商业银行信贷投放的行业分散程度对银行的影响。研究发现,在当前我国商业银行信贷分散的情形下,随着集中度增加银行的信贷资产风险将加大,同时银行的收益也会增加,即如果银行选择更高收益的策略就意味着要承担更高的风险,这与高风险高收益的认识相一致。信贷资产的不同风险状况跟信贷风险的边际收益贡献没有明显的关系,这与国外实证结论不一致,但是银行的经营能力决定了银行应该选择的分散程度,更强经营管理效率的银行可以选择更加分散的信贷投放。笔者建议我国商业银行可以在控制风险的情形下适度增加集中度。

基于Copula函数的行业信用风险相关关系研究

文章首先分析了当前进行信贷组合中的相关关系的研究,主要包括指标和测度的方法。然后介绍了Copula函数理论及其常用的函数形式。最后借助KMV方法将上市公司财务数据转化为信用风险指标,以此测度行业的信用风险相关性,并以房地产和制造业为例研究了信用风险模型的Copula函数选择。

企业内部知识交易研究

文章从经济学市场交易理论角度研究知识资源交易模式,根据企业知识生产和适用的特性,通过领域专家系统构建知识资源价值评估模型。并设计针对知识密集型企业的知识交易模式,为企业建立知识交易机制提供借鉴,达到提高企业知识使用效率,以及整体生产水平和管理水平的目标。

商业银行信用风险相关关系研究方法现状及其发展

准确测度信用风险相关关系对商业银行进行风险管理和资本计量至关重要,为此全面总结了当前信用风险相关关系的国内外研究成果,将其分为非模型方法和模型方法并进行了借鉴比较。其中基于历史数据方法和基于信用利差方法等为非模型方法,基于资产价值相关系数计算违约相关系数、渐近单风险因素模型、Copula函数方法均属于模型方法。我国由于数据积累较少,方法创新性不够,没有能够在新巴塞尔协议参数制定中发挥应有的作用,建议我国政府和学者加强数据积累和实证研究,增强在国际银行风险管理参数设定中的话语权。

基于改进的支持向量回归机的金融时序预测

金融市场是一个复杂、演化、非线性的动态变化的系统.金融数据往往带有噪声,非平稳且时常是混沌的.本文基于时序数据的先验知识——近期数据对于预测未来走势提供了更多的信息,对于传统的支持向量机的回归模型做出了一定的改进,即对于近期的数据预测错误施以更严重的惩罚,构建了改进的支持向量回归机模型.使用该改进模型对中国股票市场指数时间序列进行了预测,结果显示,本文改进的模型较之传统的支持向量回归机模型和神经网络模型有较好的预测效果.

基于信息融合的数据挖掘方法在公司财务预警中的应用

目前越来越多的数据挖掘方法被用于风险预警中,决策树、支持向量机、神经网络、Logistic回归等方法在风险预警中都表现出了较好的特性和预警效果,但是不同数据挖掘分类方法得到的结果不同,往往导致预警结果的不一致,因此也会存在一定风险。本文引入信息融合技术对不同数据挖掘分类方法得到的结果进行融合处理得到最优的结果,解决了不同数据挖掘方法得到的结果不一致问题。文章在SVM和Logistic回归的数据挖掘模型基础上建立基于信息融合的公司财务预警模型,提高了财务预警准确率,并且保留了原数据挖掘方法在分类预测上的优势。在实证研究中,论文选取了中国制造业的上市公司作为研究对象,在SVM和Logistic回归两种数据挖掘模型的基础上利用信息融合方法建立了财务预警模型,实证结果表明,基于信息融合的数据挖掘方法的预测准确率要高于单独的SVM和Logistic回归两种方法。

基于违约风险的三叉树模型在可转债定价中的应用研究

本文考虑可转债券的违约风险,研究如何用违约风险下的三叉树模型对可转换债券进行定价。首先本文使用Black-Scholes公式测算企业在单位时间内的违约概率。其次,在计算可转债的债券价值时,将相似经营业绩和同等风险的企业债券收益率作为贴现率,计算现金流的现值,以反映相应的违约风险;在计算可转债看涨期权价值时,本文在三叉树模型中引入违约概率,重新计算调整后股票上涨、下跌的幅度和概率,得到基于违约风险的三叉树定价模型;最后对中国市场中实际的可转债——新钢转债进行了定价的计算,并对结果进行了探讨。

没有叶子的冬天

一到冬天,就会不由自主地想起她——叶子,暖暖的叶子。想起她就会想起她的温暖,暖暖的欢笑,暖暖的手……一想就觉得伤感,于是就感觉更冷更冷。

基于危机条件概率的系统性风险度量研究

2007年次贷危机的爆发,令系统性风险的度量受到了广泛关注,但是目前常用的度量方法存在多种问题,不能较好地反映金融业系统性风险的实时变化。本文提出一种新的系统性风险度量方法——危机条件概率（Conditional Probability of Crisis,CPC）,将系统性风险定义为单个金融机构发生危机导致整个金融系统也陷入危机的概率,可以利用股票收益的下尾相关性计算得出。该方法概念清晰,较好地体现了系统性风险的内涵,并且可得到实时更新的系统性风险。实证基于中国49家上市金融机构的股票价格数据,得出了2007-2016年我国金融业及金融子行业系统性风险。结果显示：2014年下半年以来,中国整个金融行业的系统性风险呈明显上升的趋势,目前甚至已经显著高于次贷危机时期;证券业系统性风险在样本时间范围内一直呈显著上升趋势;银行业对金融行业的影响最大,证券业和保险业的影响力也在逐步上升。