混合分布形式下预期损失压力测试及实证检验.docVIP

混合分布形式下预期损失压力测试及实证检验 　　基金项目：教育部人文社会科学研究项目“银行体系信贷风险的宏观压力测试研究：基于不同货币政策规则的DSGE模型”（项目编号：12YJC790245）；上海高校青年教师培养资助计划项目“中国银行体系稳定性的宏观压力测试研究”（项目编号：shlx001）；教育部特色专业建设项目；上海市教委高水平特色发展资助项目（JRXY0903）；2013年国（境）外访问学者项目资助 　　中图分类号：F830.3 文献标识码：A 　　内容摘要：本文提出运用混合分布模型来模拟生成比较符合市场实际情况的压力情景，采用压力测试方法来量化极端情况下的预期损失。本文以2007年1月4日至2010年9月17日上证综指每个交易日的收盘数据作为样本进行实证分析。使选取的样本区间包含了次贷危机发生的整个过程。目的是为了评估样本期间的股价波动风险。 　　关键词：预期损失 压力测试 混合分布 矩法校正技术 　　问题的提出 　　次贷危机引致金融危机的爆发使得传统风险管理和测量手段即在险价值法的不足得以体现。因此，各银行在使用VaR方法评价和控制市场风险的同时，开始重视评估极端情况下的风险总值，于是目前各大型银行都会进行压力测试。巴塞尔协议III要求对VaR进行压力测试（Stress-testing），鼓励各银行研发内部压力测试方法。研究和开发的重点是压力情景的设计和极端情景下风险的计量方法。本文试图在这两个方面进行创新性研究，一方面构建更加符合金融市场实际背景的压力测试模型，另一方面使用更加合理的风险计量方法。文章的创新性主要表现在： 　　在进行压力测试时，假设资产收益率的分布是混合分布形式。使用这种假设的原因主要有两点。首先，目前关于预期损失的计算方法主要有三类，一类是优化算法（例如R.T Rockafellar.， S.Uryasev，2002），另一类是非参数算法（O.Scaillet，2004；S. X. Chen， 2005），还有一类是参数算法（例如A.Andreev， and A.Kanto，2005等）。上述演算法各有其缺点，一个主要缺点是风险评估与问题背景几乎无关，对风险值的计算完全以单纯的资产收益数据为基础，没有考虑影响风险的诸如投资者类型、股票类型、波动类型等金融微观市场风险因子。其次，正如Fabozzi， Frank J.Tunaru， Radu 等人（2006）所指出的那样，即使所使用的风险计量方法是兼容的，然而对该风险的估计技术可能会不具有兼容性，主要是不满足次可加性。笔者认为，Gloria Gonzalez-Rivera （2003）给出的兼容性压力测试方法可以部分解决该问题，在其相容性压力测试框架内，同样假设市场风险因数的分布是混合分布形式（他们的市场因子为利率和住房价格等宏观因子）。 　　本文采用的方法的优点是将风险评估和压力测试同时进行，可以在一定程度上避免测试方法的非兼容性，数理逻辑上更加合理，混合分布假设也可以适当考虑一些金融微观市场风险因子，经济逻辑上更具有参考价值，同时和其它方法相比计算更加简单。 　　预期损失的压力测试理论框架 　　（一）压力测试中市场收益率的分布函数 　　假设市场上有两类资产，比如说假设为两类股票（资产数量很容易推广到具有多个资产的金融市场上），一类是小盘股，一类是大盘股。混业经营的银行可以按照不同的银行资产组合进行分类。还可根据市场参与者的类型，分为机构投资者的投资和个人投资者的投资。显然，因为投资者有不同的投资行为和理念，这会使小盘股和大盘股的股价和股票收益率的波动特征不同，相应的投资的损失和收益的分布不同，在进行压力测试必须考虑到这一点。假设大盘股的收益率（用随机变量X1表示）的分布密度为p（θ1， x），小盘股的收益率（用随机变量X2表示）的分布密度为p（θ2， x），其中θ1、θ2是分布参数。因为整体的经济运行环境是一样的，所以这里假设分布的形式是一样的，只是分布的参数不同。假设整个股票市场的收益率的分布是混合分布，分布密度函数为： 　　f （x） = k p（θ1， x）+ （1- k） p（θ2， x） 　　其中k是混合分布比例。为了估计分布函数的参数，首先要设定分布的具体形式。可以假设随机变量X1、X2的分布是服从正态分布的，相应的分布密度为p （μ1，σ1， x）、p（μ2，σ2， x）。当然可以是其它的分布形式，本文选用正态分布假设形式的原因为：一是假设为正态分布的话，相对容易估计参数；二是根据后文的实证分析结果，用正态分布假设足够模拟实际数据，有良好的模拟效果。整个股票市场的收益率的分布函数如下： 　　f （x） = k p （μ1，σ1， x）+ （1- k） p （μ2，σ2， x） 　　其中σ1、σ2和μ