论文部分内容阅读
信用风险的度量是商业银行进行风险管理的核心问题。随着中国融入世界经济的步伐加快，越来越多的国际银行涌入中国，对国内商业银行带来了更大的压力。巴塞尔委员会于2004年公布了巴塞尔新资本协议（简称巴塞尔协议Ⅱ），并于2010年对其进行了进一步修订（简称巴塞尔协议Ⅲ），巴塞尔新资本协议已在国际上很多银行相继实施。我国也承诺，我国大型商业银行于2013年都将实施新巴塞尔资本协议并采用内部评级法(IRB)计量信用风险。因此，遵循巴塞尔新资本协议、建立有效的内部评级系统和科学实用的信用风险模型成为提高我国商业银行国际竞争力、加速商业银行与国际金融接轨的客观要求，也是我国商业银行立足长远发展的必然选择。内部评级法对商业银行进行信用风险度量的风险要素包括违约概率(Probability of Default，PD)、违约损失率(Loss of GivenDefault，LGD)、违约风险敞口(Exposure At Default，EAD)和期限(Maturity，M)四个因素。其中，违约概率的计算和模型的构建是众多技术问题的焦点。 在此背景下，本文以商业银行公司客户为视角，研究和探讨了商业银行基于贷款公司的违约概率度量方法和模型，并对模型进行了实证分析，验证了模型的有效性，以期为我国商业银行进行风险管理提供技术和方法的参考。 本文在论述了违约概率相关理论和信用风险度量方法及模型的基础上，引入了商业银行公司客户违约概率模型的构建方法。将违约概率模型的构建与人工免疫机制联系起来，构建了基于人工免疫机制的违约概率模型。人工免疫原理与商业银行信用风险度量有很多相似性，将其运用到信用风险模型中不但保证了模型的预测性，而且还使模型具备了人工智能的特性。 本文的核心内容是基于人工免疫原理的违约概率模型的构建方法和原理。首先，抽取样本并对数据进行归一化处理，在此基础上运用Logistic回归方法对选取变量的分类能力进行排序，进而确定模型解释力最强的基因座，也即进入模型的特征变量。其次，在基因座确定以后，利用学习样本（将抽取的样本分为训练样本、学习样本和检验样本）产生初始抗体。初始抗体是基于历史数据的包含关键变量的违约客户与正常客户的集合，有了初始抗体就可以对新进入的抗原进行识别和分类了。再次，确定亲和力的计算方法以及亲和力向违约概率的转化。亲和力是抗体群中抗体与抗原结合的程度，利用抗原与抗体对应的基因座上的分类，采用欧式距离计算得出。抗体群是由不同类别的抗体组成的，知道了每类抗体正常客户的抗体数量和违约客户的抗体数量，就可以计算出抗原与每类正常客户的抗体和违约客户的抗体的亲和力及每一类的最小值，根据最小值的不同情况，计算出该抗原的违约概率，进而实现模型的进化和记忆机制。最后，利用检验样本产生生产者作业曲线（ROC曲线），对模型的预测能力进行检验。