基于Copula的商業(yè)銀行整合風險與系統(tǒng)性風險度量.pdf

1、2010年12月16日出臺的BaselⅢ旨在從商業(yè)銀行個體和銀行系統(tǒng)兩方面加強風險監(jiān)管。其中，微觀審慎方面要求商業(yè)銀行的風險管理模式由之前的單一模式轉變?yōu)槎喾N風險并存的整合風險管理模式;宏觀審慎方面力求減少具有潛在系統(tǒng)性風險的銀行對整個金融業(yè)的影響，對全球的金融穩(wěn)定和經濟增長起到支持作用。因此，本文從宏微觀審慎兩方面對商業(yè)銀行的風險管理進行分析。
　　微觀方面:首先介紹了Copula函數，給出了Copula函數的相關定義、估計方法

2、、檢驗方法和模擬算法。Copula函數又稱為“連接函數”。它將多種風險的邊際分布與相關性連接起來，為整合風險的度量與管理提供了理論基礎。其次概括分析了商業(yè)銀行三大風險的基本內涵及各自的度量方法，并給出了相應的實證分析結果。本文利用KMV模型得出信用溢價并將其作為信用風險的替代變量，檢驗其服從beta分布;運用GARCH(1，1)-normal模型來刻畫金融資產收益率的尖峰厚尾特征，將得到的收益率的波動率作為市場風險的替代變量，并得出市場

3、風險服從兩階段的對數正態(tài)分布;采用Fama-French的三因素模型建立回歸方程，以回歸殘差的絕對值作為操作風險的替代變量，并得出商業(yè)銀行的操作風險服從beta分布或者gamma分布。再次，利用各種風險的研究結果，分別用N-VaR、H-VaR、Add-VaR以及Copula-VaR方法進行了整合風險度量，并對上述結果進行比較;發(fā)現Add-VaR是將不同風險值簡單加總，因而會高估整合風險;N-VaR和H-VaR假定風險的分布，因而又會低估

4、整合風險值，而基于Copula函數的VaR和CVaR方法度量整合風險才是最有效的。最后給出基于Copula-VaR方法的風險分散化效應，結果表明在同一置信水平下，風險之間的相關性也會影響風險的分散化效應，且風險間的尾部相關性越大，VaR降低的比例越小;在不同置信水平下，隨著置信水平的增加，風險的分散化效應也趨于增加。
　　宏觀方面:以多元正態(tài)Copula為基礎，結合CoVaR方法對商業(yè)銀行的系統(tǒng)性風險進行度量，并給出實證分析結果。

5、首先介紹了系統(tǒng)性風險內涵和CoVaR，即計算在某個特定商業(yè)銀行存在風險壓力條件下整個金融系統(tǒng)的在險值CoVaR，并將其與整個金融系統(tǒng)處于常態(tài)時的VaR之差，作為該商業(yè)銀行對整體系統(tǒng)風險的邊際貢獻，并以此反映每家銀行的系統(tǒng)重要性水平。然后給出基于多元正態(tài)Copula-CoVaR的計算過程以及實證分析，結果表明資產較多的工行、建行、交通等商業(yè)銀行具有較高的風險抵抗力，且危機爆發(fā)時對整個金融系統(tǒng)的風險貢獻度最大;最后對系統(tǒng)重要性金融機構的風險