论文摘要
贷款组合的核心风险是信用风险,它源自于贷款借贷方的违约可能性。贷款组合优化方法是信用风险管理的重要手段。利用组合优化方法寻求资本的合理配置,能够帮助投资者平衡安全性与盈利性,确保在可接受的风险范围内,最大化投资收益,或在可接受的预期收益范围内,最小化风险。然而贷款组合优化技术在应用过程中存在两个难点:一是贷款的历史数据较少、甚至缺失,如何在历史数据缺失的条件下准确度量信用风险并实现组合优化?二是贷款的损失分布具有不确定性,如何将损失分布的不确定性纳入到投资决策过程,完善贷款组合优化?本文聚焦于贷款组合优化问题中的“历史数据缺失”和“损失分布不确定”两个难点,并分别针对银行贷款和P2P贷款,研究了历史数据缺失和损失分布不确定条件下的信用风险度量和组合优化。本文的主要工作和创新如下:（1）通过构建银行贷款损失与宏观经济条件和贷款健康状态的离散函数关系,利用Monte Carlo方法估计银行贷款的损失,并根据非参数核估计方法进行组合损失分布的估计。以贷款组合的条件风险价值CVaR最小化为目标函数,构建了基于非参数核估计的银行贷款组合优化模型,改善了金融机构由于贷款历史数据缺失而无法有效地估计和控制贷款组合损失的不足,提高了投资者的风险控制能力。（2）通过对宏观经济条件的Monte Carlo模拟和基于中心极限定理（CLT）的组合损失分布估计,构建了银行贷款组合损失分布集合。基于损失分布集合建立分布不确定条件下的银行贷款组合优化模型,将各种宏观经济条件下可能的损失分布都纳入到投资决策过程,完善了现有贷款组合优化模型忽略损失分布不确定的不足,保证最终构建的投资组合能够有效降低潜在风险。（3）在基于样例的P2P贷款风险评估框架中,利用核回归方法,建立还款状态已知的旧贷款和待投资的新贷款之间的函数关系,来估计新贷款的预期收益和风险。进而利用相对熵约束建立P2P贷款组合鲁棒优化模型,并通过基于数据驱动的交叉验证方法进行分布不确定度的优化,改善了现有P2P贷款组合优化研究中未考虑分布不确定的不足,保证在参数估计值与实际值差距较大情况下,依然能够取得较好的投资收益。通过数值实验本文发现:①本文提出的基于非参数核估计的银行贷款组合CVaR优化模型相对于经典的基于经验分布的CVaR优化模型具有更强的风险控制能力,能够更好地平衡贷款组合的收益与风险,在单位风险下取得更高的收益。②当金融机构优化其信贷资产配置时,将分布不确定性纳入投资决策,能够有效降低组合风险、提高投资效益;并且对于银行贷款组合优化问题,本文提出的混合分布条件下均匀CVaR模型要比现有研究中worst-case CVaR模型的风险控制能力更好。③基于中位数核回归的贷款评估模型能够对P2P贷款的预期收益与风险进行准确估计,相比于经典的均值核回归模型,预测精度更高;并且,基于中位数核回归的P2P贷款组合优化模型能够帮助投资者合理配置资产,相比于现有模型,能够实现更高的投资效益。④对于P2P贷款投资,将分布不确定性纳入到风险度量和组合优化过程,能够降低由参数估计偏差而产生的风险,提高投资效益;并且,分布不确定度的合理设定十分重要,利用基于数据驱动的交叉验证法,能够确定合适的分布不确定度,进一步保证组合优化的有效性。
论文目录
文章来源
类型: 博士论文
作者: 丁士杰
导师: 迟国泰
关键词: 贷款组合,贷款组合优化,分布不确定性,非参数核估计,相对熵
来源: 大连理工大学
年度: 2019
分类: 基础科学,经济与管理科学
专业: 数学,宏观经济管理与可持续发展,贸易经济,金融,投资
单位: 大连理工大学
基金: “国家自然科学基金重点项目(71731003),国家自然科学面上基金项目(71471027),爱德力智能科技(厦门)有限公司智能风险管控模型与算法项目(2019-01)”
分类号: F224;F832.4;F724.6
DOI: 10.26991/d.cnki.gdllu.2019.004213
总页数: 126
文件大小: 6916K
下载量: 75