考虑交易对手间三种违约相关情景下的CDS定价——基于单因子Copula模型的模拟

2008年金融危机中暴露出的交易对手违约相关风险,不仅使作为信用违约互换(CDS)交易对手方的Lehman Brothers,Bear Sterns和AIG等金融机构遭受了巨额损失,而且增加了金融市场的系统性风险。因此,考虑交易对手违约相关风险对合理定价CDS至关重要。基于单因子Copula模型框架,数值模拟分析了交易对手间3种不同违约相关情景下的CDS定价,在统一的框架内创新性地解决了信用保护卖方、买方和参考资产方的违约相关情况、违约强度、支付频率及回收率等因素对CDS定价的影响。结果表明:(1)保护卖方和参考资产方形成的违约相关对CDS定价的影响要强于交易三方违约相关的影响,各情景下的CDS价格明显不同;(2)随着保护买方支付频率的增加,3种情景下的CDS价格均逐渐降低;(3)参考资产方回收率的增加,会降低不同情景下的CDS价格且差异明显。

我国金融机构系统性风险动态监测——基于CCA和动态因子copula模型的研究

本文结合未定权益分析法和动态因子copula模型研究了2008年1月至2016年3月我国金融机构系统性风险。研究结果表明:(1)基于未定权益分析法计算的信用价差指标较好地揭示了单一金融机构违约风险动态变化,次贷危机期间较高,2015年以来再次升高,具体来看,证券公司最高,保险公司和信托公司居中,银行最低。(2)基于动态因子copula模型计算的系统性风险指标较好地反映了我国金融机构系统性风险演进,2009年下半年至2014年底系统性风险较高,样本期间内金融机构在系统重要性上没有显著差异。比较发现单一金融机构违约风险较高,并不意味着系统性风险高,这取决于金融机构间相依结构。因此,加强金融机构宏观审慎监管时,应关注金融机构间相依结构动态变化。

t-NIG单因子Copula的CDO定价模型

分析了大样本同质投资组合(LHP)近似方法下基于t-NIG单因子Copula的CDO定价模型,此模型是CDO标准定价模型(单因子Gaussian Copula)的扩展延伸.对模型的扩展是为了更好地解决"相关性微笑"问题,并使定价和市场报价更好的吻合.模型中假设市场共同因子和个体异质因子分别服从t分布和NIG分布,构建t-NIG单因子Copula模型.基于模型在大样本同质情况下计算资产池损失分布,并对Dow Jones iTraxx Europe指数的各分券层定价.另外,分析了数值结果,对不同模型适应CDO各分券层的市场报价的能力进行比较.结果表明:所有的模型都比标准模型更好地适应市场报价,且t-NIG单因子Copula模型定价效果最为理想.

因子Copula空间偏相依模型与农业系统性风险度量

农业生产受气候和生产聚集性影响,其风险具有空间相依的特征,这种相依关系随距离的增大而变小。在距离相同的条件下,相依关系又会随气候状况的变化而不同。由于受自然灾害的影响,产量左尾的相关性通常强于中部和右尾。为此,本文构造了Gee因子Copula回归模型,在边缘分布中使用奇异帕累托分布、奇异对数逻辑分布族等新型分布以提高左尾部分的拟合效果;用高斯过程刻画变量中间部分的空间相依关系,并用两个指数分布作为共同因子,对高斯过程的尾部相关结构进行调整,以反映产量非对称的尾部相关性;在高斯协方差中引入气温、降雨量和经纬度等协变量,使得相依关系可以灵活反映气候特征和地理差异。基于一组实际数据的研究结果表明,本文所构造的因子Copula空间偏相依模型在拟合作物单产的空间相依关系时,对尾部相关性的拟合效果更好。基于本文提出的模型,通过蒙特卡洛模拟计算得到的各种风险度量值,可以为农业大灾风险管理提供参考依据。

基于动态因子Copula模型的收益率波动相依性分析

金融市场作为风险研究的对象,需要构建联合分布来分析其变量间的相依性变化。针对高维变量联合建模带来的“维数灾难”,动态因子Copula模型能有效处理金融数据的不对称性、厚尾性和动态相依性,解决参数估计问题。以2008年1月至2020年12月22个金融机构股票收益率为研究对象进行实证分析,研究结果表明:银行业与其他金融机构的相依性普遍更强,兴业银行受公共因子的影响最大,因子载荷均值为1.7973;保险业与其他金融机构相依性偏低,中国太保受公共因子影响最小,因子载荷均值为1.2013;证券业居中。

基于动态因子Copula模型的行业间系统性风险分析

国际金融市场间的相关关系以及系统性风险受到很多学者的重视,本文则以我国股市的行业指数作为研究对象进行实证研究。通过构建动态因子Copula模型,文章对行业的日收益率数据进行了动态相关性分析,并基于风险预期占比度量了我国行业之间系统性风险的溢出效应。本文分析了2006年1月4日至2016年7月1日的28个行业指数数据,基于GAS动态负荷因子的变化路径来刻画其相关关系,通过风险预期占比来研究行业间的风险溢出效应。研究表明,各个行业指数收益率之间存在较强的关联性。就单个行业来说,化工行业与其他行业关系最为不稳定。就金融与非金融行业而言,金融行业对非金融行业的影响较大且较为平稳。本文所得研究结果可以为投资者和风险管理者在进行决策时提供一定的指导。

基于动态因子Copula模型的我国银行系统性风险度量

本文基于2007年至2019年我国14家上市银行的股票收益率,构建偏态t-分布动态因子Copula模型,利用时变荷载因子刻画单家银行与整个系统的相关性,计算联合风险概率作为系统性风险整体水平的度量,基于关联性视角提出了新的单家机构系统脆弱性和系统重要性度量指标——系统脆弱性程度和系统重要性程度。该方法充分考虑了银行个体差异性和系统的内在关联性以及收益率的厚尾性和非对称性,从而能够捕捉到更多的信息且兼具时效性。研究表明:银行机构在风险聚集时期相关程度更大,联合风险概率能够准确识别出系统性风险事件且在我国推行宏观审慎评估体系以后有明显降低;整体而言,大型商业银行系统重要性水平最高,同时风险抗压能力也最强;本文使用的度量方法降低了数据获取成本且更具时效性,有助于为宏观审慎差异化监管工作提供借鉴和参考。

多因子模型下担保债务凭证拉普拉斯定价方法

担保债务凭证(CDOs)的基础资产池复杂相关性通常需要多因子Copula模型拟合,但Monte Carlo模拟对于多因子模型的计算效率不高,难以准确估计大额损失事件的发生概率及预期损失.Laplace逆变换数值方法适用于风险管理中的多因子Copula模型,通过逆变换数值方法计算资产条件损失的Laplace变换卷积,得到资产池损失分布,对任意阈值y,该方法同时适用于估计违约概率P(L>y)及期望值E[L∧y],数值实验表明该方法对小概率事件的估计效率有很大提升.

考虑回收率随机特征的CDO定价模型

对债务抵押债券(CDO)的定价,业界普遍采用传统的高斯Copula标准模型,存在尖峰厚尾、负Delta对冲、高分券层定价失效等诸多缺陷。为了克服上述不足,考虑了回收率的下列3种特征:随机回收率、市场共同因子服从混合高斯分布以及采用贝努利相关、三状态相关刻画的随机相关结构。并据此给出了资产池违约边界、随机回收率和CDO分券层定价的数值模拟实例。结果表明:混合高斯分布可有效地用于刻画风险因素的尾部效应,随机回收率可较有效地用于刻画回收率与系统风险及违约相关结构的特征,进而高分券层价差也可得以较合理计算。

系统性金融风险对企业资本结构动态调整的影响及机制分析

金融机构与实体企业之间日益多样的业务联系,使得“经济金融关联网络”的拓扑结构日趋复杂,部分实体企业不仅在金融风险的集聚和扩散过程中扮演重要角色,其发展也与系统性金融风险的动态演变紧密相关。基于我国A股上市公司2008—2020年的季度样本数据,使用动态面板数据模型考察系统性金融风险对企业资本结构调整的影响及潜在机制。研究表明,系统性金融风险通过债务融资而非权益融资影响资本结构调整速度,阻碍了企业加杠杆,对企业杠杆去化无显著影响,该效应在非国有企业、上市较晚的企业和规模较小的企业中尤为显著;系统性金融风险上升增加了非预期的信贷供给短缺,导致企业融资成本上升,即调整资本结构的成本上升;系统性金融风险还会通过企业家对未来宏观经济形势的预期来影响企业的融资需求。论文研究为企业去杠杆政策制定及实体企业转型升级提供参考,也为支持实体经济发展的融资市场完善和系统性风险防范体系构建提供建议。

第n个违约互换的解析定价算法

研究了第n个信用违约互换的定价问题.在参考信用体违约相关但本金不同的最一般情形下,得到了第n个违约互换权益金的解析表达式,避免了以往信用衍生产品定价方法对Monte Carlo模拟的依赖.数值实验证明了此方法的可行性和高效性.

基于条件蒙特卡罗方法的信用违约互换合约定价

多标的资产违约相关性结构的度量及其联合违约时间的模拟是信用违约互换合约定价的关键.Copula函数和蒙特卡罗模拟是解决此关键问题的有力工具,被广泛应用于信用衍生品定价.本文基于因子t-copula模型,结合条件蒙特卡罗模拟,构建了计算第7n次信用违约互换合约的条件蒙特卡罗算法.该算法能够捕捉多标的资产违约的尾部相关性,更准确地度量标的资产组合的违约风险及提高违约事件的模拟效率.数值结果表明,在考虑尾部相关性的情形下,采用重要抽样技术的JK算法和改进的JK算法是不稳定的,不能达到减方差的目的;而本文新构建的定价算法更稳定,在高斯copula和t-copula模型下,都能够有效减小估计量的方差,提高信用违约互换合约的定价精度和可靠性.