资源描述：
《金融毕业论文开题报告》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、金融毕业论文开题报告 篇一 一、课题任务与目的 本论文主要解决以下几个问题：1、我国信用风险计量的现状;2、目前国际上最具影响力的信用风险度量模型;3、我国商业银行信用风险特点实证分析;4、我国商业银行计量信用风险的新思路。 二、调研资料情况 上世纪90年代,随着金融市场的发展和风险管理技术的进步,现代信用风险度量模型得到了迅速的发展。现代信用度量模型与传统的信用度量方法相比,具有很大的优越性。 目前国际上流行的信用分析度量模型主要有四类,即KMV模型、CreditMetrics模型、麦肯锡模型和CSFP信用风险附加法(CreditR
2、isk)。1.CreditMetrics模型。CreditMetrics模型是世界上第一个信用风险的量化度量模型,是由J.P.摩根公司等于1997年开发出的模型。该模型以资产组合理论为依据,运用VaR(ValueatRisk)框架,对贷款和非交易资产进行估价和风险计算。CreditMetrics模型依赖于历史数据,属于盯市模型(MTM)。 2.麦肯锡模型。麦肯锡模型是在CreditMetrics模型的基础上,对周期性因素进行了处理,将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化,并通过蒙地卡罗模拟技术(a
3、structuredMonteCarlosimulationapproach)模拟周期性因素的“冲击”来测定评级转移概率的变化。 麦肯锡模型克服了CreditMetrics模型中不同时期的评级转移矩阵固定不变的缺点,可以看作是对CreditMetrics模型的一种补充。 3.KMV模型。KMV模型是估计借款企业违约概率的方法。该模型将贷款看作期权,首先利用Black-Scholes期权定价公式,根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性,再根据公司的负债计算出公司的违约
4、实施点(defaultexercisepoint),然后计算借款人的违约距离,最后根据企业的违约距离与预期违约率(EDF)之间的对应关系,求出企业的预期违约率。KMV模型主要使用股票市场的相关数据,是一种动态模型。该模型同时具有盯市模型和违约模型(DM)的特征。 4.CreditRisk模型。CreditRisk模型是一种基于精算方法的信息风险计量模型,由CSFP(CreditSuisseFinancialProduct)于1997年推出。该模型把信用评级的升降和与此相关的信用价差变化看作是市场风险,在任何时期只考虑违约和不违约这两种事件状态,
5、计量预期到和未预期到的损失。CreditRisk是一种违约模型,它忽略了转移风险。但是,该模型具有其独特的优点:如模型只需要相对较少的数据,具有简易性的特点;能够得到债券组合或贷款组合的损失概率的闭形解,具有计算上的优势。 除上所述,国际上应用的信用风险度量模型还有许多,如神经网络分析模型、死亡率模型等等。 就我国而言，已逐步建立起风险管理体系,但是与国际同业相比,在数据的采集、加工、度量方法的运用上都存在着相当的差距,因此我国对商业银行信用风险计量方法的研究主要集中在对发达国家先进的信用风险管理技术的学习和借鉴上，以此寻求一种适合我国商业银
6、行的信用风险量化管理模型。 徐畅在《CreditMetrics模型及其对我国银行风险量化管理的启示》中认为，CreditMetrics是世界上第一个评估信用风险的量化度量模型。该模型以资产组合理论、VaR(ValueatRisk)理论等为依据,以信用评级为基础,不仅可以识别贷款、债券等传统投资工具的信用风险,而且可用于互换等现代金融衍生工具的风险识别。研究此模型对于我国银行风险量化管理有很强的现实价值。 张红舸和夏佳南在《KMV信用风险度量模型在我国的适应性研究》中提出，KMV模型作为国际上应用最为广泛的信用风险量化技术,早已引起我国学者对它
7、的关注。他们对我国应用KMV模型做了大量的实证研究,以期能找到一种在我国适用的新的信用风险管理的度量方法。但我国目前对KMV模型所涉及到的各参数的估计方法都没有较好的研究结论,这势必使得我国商业银行风险管理者要寻求一些替代指标进行近似评估。而这种近似的替代最直接的后果就是KMV模型的输出结果不准确。作者也在文章中提出了我国商业银行使用KMV模型进行信用风险管理应采取的措施。 姚传娟、李源和夏苏林在《信用风险度量KMV模型与CreditRisk+模型比较研究》中，结合中国商业银行目前信用风险管理的实际情况,比较分析KMV模型和CreditRisk
8、+模型的基本原理和参数选择的共性及差异,对两模型各自特点做出客观评价,结果发现运用CreditRisk+模型有利于提高信用风险度量的精确
