逆周期资本监管框架下考虑跳跃行为的信用风险度量研究

In this study, we try to measure credit risk using compound jump process and hierarchical Bayesian model from the perspective of macro-prudential risk management based on the modern risk theory and credit risk actuarial methods. Through the analysis of key variables mining, hierarchical model constructing, parameters calibrating and model comparing, the study will provide a theoretical basis and technical support for banks to measure credit risk on financial market with jump dynamics, and regulatory agencies to establish a capital buffer system under countercyclical capital regulation. The study includes: (1) Credit risk measurement model covering macroeconomic factors; (2) Credit risk measurement with jump dynamics when existing corporate heterogeneity; (3) Hierarchical credit risk model including macroeconomic risks and corporate specific jump dynamics; (4) Credit risk measurement of low default portfolio. In this study, we take compound jump process and hierarchical Bayesian theory as research tools and techniques, provide new research ideas and methods for credit risk measurement. The study will construct the credit risk measurement model covering both macroeconomic risks and jump dynamics under countercyclical capital regulatory framework, enrich the contents of risk management techniques and methods, will be a useful supplement and development for credit risk measurement models.

本项目从宏观审慎风险管理的视角，以现代风险理论及信用风险精算方法为理论基础，采用复合跳跃过程和分层贝叶斯模型研究信用风险度量问题。本研究结合逆周期资本监管框架下的信用风险度量要求，通过关键变量挖掘、分层模型构建、参数校准和模型比较等分析，为具有跳跃因素金融市场上的商业银行度量信用风险以及监管机构建立资本缓冲制度提供理论依据和技术支持。研究内容包括：（1）涵盖宏观经济因子的信用风险度量研究；（2）考虑企业特定跳跃行为的信用风险度量研究；（3）含宏观经济风险和跳跃行为的信用风险分层度量模型研究；（4）低违约组合信用风险度量研究。本研究将复合跳跃过程及分层贝叶斯理论作为研究工具和技术手段，将为考虑跳跃行为的信用风险度量提供新的研究思路和方法。在逆周期资本监管框架下研究含宏观经济风险和跳跃行为的信用风险度量问题，丰富了风险管理技术和方法的研究内容，是对信用风险度量模型的有益补充和完善。

传统的风险管理模型假定参与主体已知未来可能结果的相应概率，通常并不区分精算风险还是策略风险，抑或是重复事件还是不可重复事件。宏观审慎方法要求同时关注风险和不确定性，旨在建立更加稳健的金融系统。宏观审慎框架从两个维度处理金融系统风险：时间维度和截面维度。时间维度主要关注的是顺周期性，截面维度主要关注的是风险的聚集和交互作用。. 本项目从风险管理的视角，以不确定性经济学及贝叶斯风险管理方法为理论基础，主要工作包括：（1）构建了具有学习过程的动态随机一般均衡模型，结合中国金融市场的实际特点，按照行业和地区等特征划分企业类型，检验并明确了企业资产价值的下跳和宏观经济环境具有显著的相关关系；（2）研究了贝叶斯分层模型在信用风险度量中的应用，构建描述信用风险周期性变化特征的模型，挖掘宏观经济变量描述信用风险的周期性变化特征，通过利用潜因素和工具变量等技术手段，探讨了不可观测协变量在建模时的处理方法，同时利用复合跳跃过程描述企业特定跳跃行为，在获得不同级别共变信息的基础上，构建贝叶斯分层模型，采用吉布斯抽样等计算方法实现参数估计；（3）贝叶斯学习模型的构建。由于跳跃行为的存在，在针对风险度量的研究中，我们基于学习行为构造一个融合外部环境信息和内生主观预期的模型，将期望效用最高的行为视为最优决策，解决不确定性环境下传统风险度量模型难以估计低违约概率和容易忽略极端风险的问题；（4）逆周期监管中的具有学习行为的信用风险度量研究。明确奈特不确定性环境下风险度量和管理方法面临的挑战，探讨基于学习行为的建模方法和作用。放宽市场无不确定性的传统假定，研究信贷约束和学习行为的交互作用及其对信用风险度量的影响。. 本项目的研究是对逆周期资本监管框架下信用风险度量模型的有益补充和完善，丰富了风险管理技术和方法的研究内容，将为宏观审慎监管中评估风险管理方法提供技术支持，有助于制定科学的风险转移策略。