一、基于VaR收益率约束的贷款组合优化决策模型（论文文献综述）
丁士杰[1]（2019）在《分布不确定条件下的贷款组合优化模型研究》文中进行了进一步梳理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。
王基凡[2]（2016）在《基于指数谱风险控制的“存量+增量”贷款组合优化模型》文中提出对于传统商业银行而言,其主要收入来源是存贷利差,贷款配置的合理与否将直接影响商业银行的营业收入。面对利率市场化改革的基本完成,贷款利差的逐渐减小,贷款的错配问题带来的不良贷款率急剧提升等问题将更加严重。截止至2015年末,中国境内商业银行不良贷款率为1.67%,较2014年年末上升0.08个百分点。因此,商业银行进行贷款配置研究意义重大,合理的贷款配置会使商业银行在可控风险的范围内,实现收益的最大化。贷款组合优化模型的本质是在金融机构风险接受范围内,求解最优的贷款比例,使得组合贷款的收益最大。现有研究中往往将风险控制的范围集中在“增量”贷款的配置问题,实际上“存量+增量”的组合贷款风险才是风险的真正所在,由于现有研究忽略了巨额的“存量”贷款的潜在风险,且忽略对于贷款组合尾部风险的度量,极容易出现“黑天鹅”事件。本学位论文由四个部分构成。第一章是绪论部分,主要论述了基于指数谱风险控制的“存量+增量”贷款组合优化模型的科学问题的性质、选题的意义和选题的背景,并且对于现有关于贷款组合优化的研究进行了较为详细的概述。第二章介绍了Markowitz均值-方差经典模型、VaR模型和CVaR模型三种经典的商业银行贷款配置模型,为第三章指数谱模型的建立奠定了理论基础。第三章是基于指数谱风险控制的“存量+增量”贷款组合优化模型的研究方法部分,具体阐述了现有研究关于商业贷款配置模型方面的不足,即缺少对尾部风险的合理约束以及缺少对存量贷款的约束,导致巨额损失的发生,给出了指数谱风险测度模型的定义,并建立基于指数谱风险控制的“存量+增量”贷款组合优化模型,该模型通过设定“增量”贷款收益最大为目标函数,以风险价值VaR作为第一层约束,减小极端风险的发生概率,以指数谱风险EM作为第二层约束,减少极端风险的损失大小,克服了CVaR模型对于尾部风险度量时平均赋权的弊端。第四章是基于指数谱风险约束的“存量+增量”贷款组合优化模型的应用实例,通过某商业银行信贷数据库中的企业收益率历史数据进行实证研究,验证了基于指数谱风险控制的“存量+增量”贷款组合优化模型的优越性,并研究了基于“存量+增量”贷款组合优化模型相比传统“增量”模型效率上的提升。本文的主要工作：（1）比较了指数谱风险测度EM与几何谱风险测度函数GM和条件风险价值CVaR的数学性质。通过研究可知,由于指数谱风险测度函数具有单调递减的性质,对于尾部风险的控制要优于对于尾部极端风险平均赋权的条件风险价值CVaR,也优于单调递减速度慢于指数谱风险测度函数的几何谱风险测度。（2）通过设定贷款组合收益率最大为目标函数,以风险价值VaR约束极端风险发生的概率,以指数谱风险EM约束极端风险发生的损失大小,以银行可用头寸约束贷款额度,通过贷款组合尾部风险越大、风险厌恶权重越大的思路,建立基于指数谱风险控制的贷款组合优化模型,对贷款组合的尾部风险进行有效度量,改变了现有研究中忽视对于尾部风险的控制或者在考虑尾部风险时对于不同的风险大小赋予相同权重的弊端。（3）在建立的贷款组合优化模型中,在计算贷款组合风险的大小时,使用的是“存量+增量”的全部组合贷款风险,而不是仅仅考虑“增量”贷款的风险,改变了现有研究中对于巨额“存量”贷款产生的违约风险忽视的弊端。本文的主要创新与特色：（1）通过指数谱风险测度对于商业银行贷款组合的尾部极端风险进行度量,满足尾部风险越极端、权重越大的思路,符合商业银行“风险厌恶型”的标准,改变了现有研究中仅仅约束贷款极端风险发生的概率,缺乏针对尾部风险有效度量的弊端,防范了极端风险造成的损失。（2）通过在现有研究的贷款配置模型中加入“存量”贷款,建立“存量+增量”贷款组合优化模型,在计算风险大小时考虑已经贷出的“存量”贷款的潜在风险,而不是仅仅考虑“增量”贷款的风险,改变了现有研究中对于巨额的“存量”贷款产生的违约风险忽视的弊端,降低了组合贷款的风险,通过建立全部贷款组合风险σtotal与贷款存量组合风险σstock、贷款增量组合风险σincrement的非线性函数关系σtolal-f（σincrement, σstock）,在控制包括存量组合和增量组合全部组合风险的前提下,采用0-1规划进行配置增量贷款的组合。改变了流行的现有研究仅仅立足于增量组合风险控制的弊端。
王少芳[3]（2014）在《商业银行贷款组合动态优化模型研究》文中认为贷款作为商业银行传统经营业务以及银行的主要利润来源，其带来的信用风险一直是商业银行经营管理的重点，银行业的信用风险一旦发生，将会给金融机构乃至整个市场带来重大损失，更有可能引发金融危机，因此巴塞尔委员会对于金融机构的监管一直强调最低资本金的重要性，最低资本金要求作为金融机构风险管理的重要支柱，其要求防范信用风险的资本额度将占总资本额度的70%。贷款组合管理对银行的市场竞争力以及盈利水平有着举足轻重的影响，商业银行面临的贷款组合风险主要是由于资产配置的不合理产生的，大多数银行只注重贷款组合的收益而忽略本身存在的风险，而现实生活中这些被忽略的贷款风险已经严重制约商业银行的稳定和发展，因此从多维度分析商业银行贷款组合优化问题进行研究已成为目前学术界和金融机构关注的焦点。本论文以商业银行贷款组合优化为出发点，多角度分析贷款组合优化模型，在不考虑风险迁移下优化单期商业银行贷款组合配置，选择出相应的Copula函数，然后推广至多期贷款组合配置，优化整个期间段的贷款组合配置，最后在考虑风险迁移的情形下贷款组合配置优化问题，深化贷款组合模型，使其更加符合实际情况。本论文共为六章，分为三个层次，第一个层次为提出问题、分析问题，具体包括第一章绪论以及第二章商业银行贷款组合优化相关原理；第二个层次为层层递进研究贷款组合优化模型，具体包括第三章基于Copula函数的商业银行贷款组合优化模型、第四章商业银行多期贷款组合动态优化均值-CVaR模型以及第五章基于信用风险迁移的贷款组合优化模型，第三个层次为结论与研究展望，具体包括第六章结论与展望。本文主要解决三大问题：一是对于不同类型贷款企业服从不同的类型的贷款分布的条件下如何构建贷款风险的联合概率分布模型；二是鉴于VaR不满足次可加性和凸性从而不适用与贷款风险度量条件下如何进行风险度量；三是如何在不同区间段下配置资源，从而使得整个贷款区间段损失最小化。
吴灏文,张倩[4]（2013）在《基于高阶矩风险防范的银行资产负债组合优化模型研究——以A银行为例》文中提出资产负债管理能力是现代商业银行的基本能力,其核心在于风险控制和价值创造。商业银行资产负债组合优化是现代商业银行信贷管理框架中的核心内容,它对于保持银行资产流动性、安全性和赢利性的"三性"的最佳组合、优化配置资源、提高银行的生存能力和竞争能力,具有重要的现实意义。本文通过以贷款组合的VaR约束控制贷款组合的二阶矩,即控制了资产组合的风险;以贷款组合收益率的偏度约束控制贷款组合的三阶矩,即控制了贷款组合收益率发生总体损失的可能性;以组合收益率的峰度约束控制贷款组合的四阶矩,即减少了组合收益率发生极端损失的可能性,建立了资产分配的收益率均值-方差-偏度-峰度模型。
文忠平[5]（2012）在《基于RAROC最优的中国商业银行贷款组合管理研究》文中进行了进一步梳理以最小的成本和风险获取最大收益一直是商业银行贷款资源配置遵循的基本原则。在贷款资源有限约束下,研究贷款的优化配置以获取最佳经营效果成为商业银行信贷经营和风险管理的重点之一,而以马科威茨（Markowitz）1952年发表的“证券投资组合选择”为基础发展起来的现代投资组合理论为商业银行实现这一经营目标提供了坚实的理论基础。本文以Markowitz的投资组合理论为基础,将信用风险理论、经济资本管理和风险收益理论有机结合在一起,理论研究和应用分析并重,运用均值方差模型、非线性规划、多目标规划、最优化理论和矩阵理论等工具,开展商业银行信用风险管理中的贷款组合优化配置管理的研究。主要成果如下：1.针对现有信用风险计量模型的缺陷,提出了基于公司违约模型的联合预测方法。信用风险的计量作为推行商业银行内部评级中的核心内容,是信贷风险管理中十分重要的基础工作。但从现有模型的实际运用看,模型的解释功能较强而预测功能不足。论文对这一现象进行了理论解析,并根据Altman模型的核心思想,通过研究非财务因素对财务状况的作用机理和大小,尝试建立基于非财务因素和财务因素的联合模型来实现预测功能。2.研究了RARoC在商业银行实务中的计量及系统构建。从商业银行在业务拓展过程中均衡风险和收益的思想,重点研究风险调整后的资本收益率（RAROC）在中国商业银行实务中的计量方法,并对测算中面临的数据提取、匹配、分摊和拨备确定等方面问题进行探讨,进而从计量模型、基础数据库和业务部门支持等方面提出RAROC系统建设的关键要素,为商业银行的绩效考核体系和RAROC系统建设提供参考。3.贷款组合优化配置的目标函数选择研究。首先,以贷款客户为研究对象,构建了基于RAROC最优的客户组合优化决策模型；其次,根据构建的客户组合优化模型,通过对以贷款风险收益最大化和以客户综合风险收益最大化为目标的贷款组合的比较分析,研究目标函数选择的科学性和有效性。依据商业银行的历史数据,从实务角度论证采用综合风险收益最大化作为贷款组合管理目标的科学性和合理性。4.基于商业银行长期价值最大化的管理需求,构建了多目标行业贷款组合优化管理模型,属于论文的应用研究。以贷款行业作为研究对象,将具有相同行业属性的贷款集成于同一行业内,并加入资本效率约束来构建多目标下多个行业的信贷组合决策模型。模型能兼顾收益、风险和资本运用效率等多种关系,将以贷款为对象的微观组合贷款管理转变为以行业为载体的中观组合贷款管理,尝试运用粒子群优化算法进行迭代求解,得到整体综合收益RAROC最大和组合风险最小的贷款最优分配比例。5.关于贷款损失保险及其组合管理的研究。根据巴塞尔新资本协议（BaselⅢ）要求,从目前的监管标准和近年来商业银行融资情况看,未来银行资本需求巨大且消耗速度快,传统的资本补充渠道对长期性的银行巨量资本补充需求已经明显难以为继,银行业的长期发展己严重受制于经济资本的短缺。论文从贷款占用经济资本的角度提出银保联合创新,研究通过购买贷款损失保险释放部分经济资本从而获得发展新信贷业务所需资本的创造机制,探索银行资本补充的新途径,并研究相关组合管理。6.针对我国商业银行忽视各经营机构自然禀赋、客户资源、人员素质和管理文化差异的行政化“硬约束’’管理过多而出现信贷资源错配、效率低下的现象,进行商业银行信贷经营的内部市场化管理研究。依据构建的贷款组合优化模型,提出建立信贷经营“软约束”管理体系的新思路,并给出相关政策建议。
迟国泰,吴灏文,闫达文[6]（2012）在《基于高阶矩风险控制的贷款组合优化模型》文中提出以银行各项资产组合收益率最大化为目标函数,以VaR来控制贷款组合的风险价值,以偏度约束来控制贷款组合收益率的整体分布向大于均值的方向倾斜、以减少发生总体损失的单侧风险,以峰度来控制贷款组合收益率分布出现极端情况的双侧风险,建立了资产分配的收益率均值-方差-偏度-峰度模型.本模型的创新与特色是通过峰度约束控制了贷款组合收益率向极端损失偏离的程度.在马可维茨均值-方差模型的基础上,增加了偏度和峰度参数,建立了收益率均值-方差-偏度-峰度模型.模型通过方差约束,控制了组合收益率偏离均值的离散程度:通过偏度约束,控制了组合收益率总体分布向损失一侧偏离的程度:通过峰度约束,控制了组合收益率出现极端损失或收益的可能性.模型从多个角度控制了贷款组合的风险,拓展了经典的均值-方差优化组合思路.
曲蕾蕾[7]（2011）在《基于下偏度最小化贷款组合优化模型》文中进行了进一步梳理贷款组合优化决策是商业银行在综合考虑其贷款风险和贷款收益的前提下,从众多贷款申请企业中选取一组最优贷款对象的过程,它是商业银行信贷管理的核心问题。商业银行通过调整资金的运用,改善其资产配置水平,从而实现资产的流动性、盈利性和安全性。受全球金融危机的影响,各行业生产经营困难加剧,以至于导致商业银行合理协调资金配置实现“三性”平衡的难度增大,商业银行亟待探讨新的资金管理及风险控制手段,因此基于风险控制的贷款组合优化决策模型研究具有重要的现实意义。本论文共五章进行阐述。第一部分是绪论,主要介绍本文的选题意义及国内外资产负债优化管理理论的研究现状；第二部分是模型原理阐述,为模型构建奠定理论基础；第三部分是模型构建,构建目标函数及大量约束条件；第四部分为应用实例与结果分析,通过实证及对比分析证明该模型的合理性和有效性；第五部分是结论。本文的主要研究工作如下：（1）揭示了基于下偏度的损失控制原理。根据偏度原理,运用贷款组合下偏度来衡量收益率的概率密度函数的“左尾”的偏斜方向和偏斜程度。大量研究表明,贷款组合的收益率并非服从正态分布,而是呈现“尖峰厚尾”的形状,而收益率概率分布的“左尾”表示实际收益率低于预期收益率的概率,是真正的贷款组合风险,因此,用下偏度控制风险,更符合投资者的心理,也更符合实际。（2）构建了基于下偏度最小化的贷款组合优化模型。依据下偏度损失控制原理,结合数学规划方法,以投资者风险厌恶为出发点,以组合风险价值VaR为约束条件,构建基于下偏度最小化的贷款组合优化模型,反映贷款组合的“左尾”风险,减少极值事件发生对银行造成的重大损失。本文的特色与创新表现为两个方面：一是下偏度不要求贷款收益服从正态分布,能够很好地反映收益率分布的“左尾”,降低商业银行贷款组合发生重大损失的概率；二是下偏度可以真实反映贷款的本质,符合投资者的心理,并且可以反映多笔贷款之间的相关联系,解决现有模型的解析能力不足的问题。
付莹[8]（2011）在《基于Copula风险控制的贷款组合优化模型研究》文中进行了进一步梳理在商业银行贷款组合决策时,并不能通过保证单笔贷款的最优而推出贷款组合总体的最优,商业银行贷款组合优化实质上是通过配置单笔贷款的比例,达到均衡贷款组合的整体风险与收益的目的。贷款组合优化的研究可以为商业银行的贷款决策提供理论支持,在控制贷款组合风险的同时,提高贷款组合收益。本文运用Copula函数拟合贷款收益率的联合分布,通过K-S检验从各类Copula函数中选择最优Copula度量贷款间的违约相关性,根据贷款间的违约相关性控制贷款的分配比重,以贷款组合的收益最大化为目标函数,加以VaR约束,构建了基于Copula风险控制的贷款组合优化模型。本文的主要工作：一是提出基于Copula函数的违约相关性度量原理和基于Copula函数的贷款组合风险控制原理。二是建立了基于Copula函数风险控制的约束条件。三是构建了基于Copula函数风险控制的贷款组合优化模型,并在应用实例的基础上进行了对比分析,证明了该模型在风险控制方面的优越性。本研究的主要特色与创新：（1）建立基于Copula风险控制的贷款组合优化模型,以贷款间的违约相关性约束贷款比重,具有高违约相关性低分配比重的特点,避免了由极端事件发生引起贷款同时违约的高风险。（2）运用Copula函数度量贷款组合收益率的联合分布,Copula函数能够准确地刻画贷款组合间的相关结构,不限制贷款收益率的边缘分布函数,解决了现有研究基于收益率服从正态分布假设存在低估风险的问题。（3）运用K-S检验选择最优Copula函数。K-S检验方法对小样本数据依然适用,避免了大样本假设的局限性,解决了研究过程中样本数据稀少的问题。（4）以Copula函数计量的下尾相关系数反映贷款间的违约相关性,弥补了采用线性相关系数不能准确反映贷款间违约相关性的缺憾,解决了采用联合违约概率度量违约相关性时由于违约数据稀少而影响模型精度的问题。
吴灏文[9]（2011）在《基于高阶风险防范的银行资产负债组合优化模型研究》文中研究说明资产负债管理能力是现代商业银行的基本能力,其核心在于风险控制和价值创造。商业银行资产负债组合优化是现代商业银行信贷管理框架中的核心内容,它对于保持银行资产流动性、安全性和赢利性的“三性”的最佳组合、优化配置资源、提高银行的生存能力和竞争能力,具有重要的现实意义。本文资产负债组合的高阶风险的含义有两部分：一是指资产组合收益率的高阶矩（三阶矩：偏度,四阶矩：峰度）的不确定性给组合收益率带来的潜在巨额损失；二是指通过债券价格对各时期利率的二阶导数来反映利率变动的不确定性对银行净收益的影响。本论文共分五章,第一章绪论阐述了论文的选题依据、相关研究进展、研究方法和研究内容；第二章建立了基于高阶矩风险控制的资产组合优化模型；第三章构建了基于方向久期与方向凸度双重免疫的资产负债组合优化模型；第四章探讨了兼顾高阶矩风险与利率风险控制的资产负债组合优化模型；第五章结论与展望。论文的主要研究成果如下：（1）建立了基于高阶矩风险控制的资产组合优化模型通过在马可维茨均值-方差模型的基础上,增加了偏度和峰度参数,建立了收益率均值-方差-偏度-峰度模型。通过增加偏度约束,可以影响组合收益率总体分布向损失一侧偏离的程度；通过增加峰度约束,可以影响贷款组合收益率向极端损失偏离的程度。模型从多个角度控制了贷款组合的风险,对经典的均值-方差优化组合思路有所突破。（2）建立了基于方向久期与方向凸度双重免疫的资产负债组合优化模型通过资产负债价格对利率的一阶导数“久期”受不同时段利率变动的影响形成的方向久期,提出资产或负债价格对利率的二阶导数“凸度”也受不同时段利率变动的影响形成方向凸度的概念,改变现有研究仅仅立足于匹配方向久期的思路。通过资产或负债的凸度受不同时段利率变动的影响关系建立方向凸度的表达式,进而利用方向凸度来反映即期利率及其改变量对贴现现金流的影响。改变现有研究忽略方向凸度,其优化策略仅仅在利率变化较小时才会免疫风险的状况。通过建立方向久期和方向凸度的双重免疫优化模型,进行在不同时段利率变化量不同时的利率风险免疫,改变现有研究假定利率在不同时段的变化量相同,单纯进行久期或凸度免疫的现状,保证了在市场利率变化时银行股东的权益不受损失。（3）建立了兼顾高阶矩风险与利率风险控制的资产负债组合优化模型在银行资产负债组合优化中,不仅考虑到收益率的高阶矩（偏度、峰度）对资产组合风险的影响,还考虑到市场控制利率变动给银行资产负债组合带来的利率风险。通过以贷款组合的VaR约束控制了贷款组合的二阶矩,即控制了资产组合的风险；以贷款组合收益率的偏度约束控制贷款组合的三阶矩,即控制了贷款组合收益率发生总体损失的可能性；以组合收益率的峰度约束控制贷款组合的四阶矩,即减少了组合收益率发生极端损失的可能性；以久期利率免疫条件来控制贷款组合的利率风险,保证了资产负债组合在市场利率变动时、银行净值即股东权益不受损失；建立了兼顾高阶矩风险和利率风险的资产负债组合优化模型,改变了现有研究或是单独防范组合收益率的高阶矩风险、或是单独控制利率风险的弊端。
迟建新[10]（2010）在《创业企业信用风险度量与贷款组合管理研究》文中研究指明创业企业对经济增长和社会发展有着非常重要的意义。它在推动技术进步、产业结构调整、扩大就业等方面发挥着不可替代的作用。中国经济近二十年的快速发展,在一定程度上得益于创业精神的释放。随着我国经济和科技体制改革的不断深入,以科技成果产业化为代表的创业企业获得了蓬勃的发展,创业企业已经成为经济增长的新亮点。但是,由于创业企业所固有的特点,如创业初期资产规模较小、未来发展不确定性大、信用缺失、风险高等,使其在成长过程中的融资问题较为突出,这在很大程度上限制了它的发展及潜能的发挥。本文以建立适合中国国情的创业企业信用风险评估模型为研究目的,针对创业企业这一特殊的企业群体,在回顾信用风险度量的相关方法、模型和比较的基础上,探索现阶段我国创业企业信用风险度量的最可行方法,开创性地将Logit信用评分模型与投资决策理论相结合,应用于创业企业在融资过程中的信用风险度量。创业企业一般通过股权融资、债务融资以及准股权融资等多种方式解决发展中的资金问题,本文以实物期权法、市场比较法和现金流量法等股权融资定价方法解决不同生命阶段创业企业股权融资定价问题,以成本加成法和期权定价模型为导入期、成长期和成熟期创业企业的信贷融资定价提供依据,采用调整后的Black-Scholes期权定价模型对我国创业企业可转换债券进行定价。本文研究建立了针对我国创业企业的信用风险度量方法与管理的信用决策系统,为金融机构对创业企业给予各种形式的融资供给提供了理论依据和技术支持。本文共分七章。第一章是绪论,主要介绍论文的研究目的和意义、主要内容、论文结构及主要创新点。第二章是对国内外信用风险度量和企业生命周期不同阶段风险特征研究现状的综述和分析。第三章研究如何构建适合我国国情的创业企业信用风险度量模型。基于创业企业所处不同生命阶段的运营模式、融资方式、所需资金的性质和规模的不同,提出了构建创业企业不同生命阶段的信用风险度量模型的思想并构建模型。根据数据的可获得性以及有成长痕迹可寻的创业企业在融资方式、资金需求性质和规模等方面的研究,采用源于创业企业的深圳中小企业板75家上市公司的财务和非财务数据为研究样本,通过计算实例演示了单个企业信用风险度量的方法。第四章是创业企业股权融资、债务融资以及准股权融资定价。本文从创业企业的价值内涵和特性入手,比较分析适用于创业企业的传统和创新的定价方法,选取操作性和准确度最高的模型并加以调整,分别对导入期、成长期和成熟期（延续研究,以分析企业的潜在价值）的创业企业进行股权融资、债务融资和准股权融资定价。第五章是创业企业贷款组合风险管理研究。在组合风险管理理论基础上,将Credit Risk+与贷款企业“0-1整数规划”理论相结合,构建不同行业或不同生命阶段的创业企业贷款组合模型,为金融机构依据组合的风险与收益平衡原则做出贷款决策提供理论支持,以解决创业企业债务融资的瓶颈问题。第六章在对创业企业信用和融资方式分析的基础上,提出构建创业企业贷款风险度量与组合管理模型的配套政策建议。第七章给出了研究结论,分析了本研究的局限性,并对未来进一步地深入研究我国创业企业信用风险评估体系进行了展望。论文的主要创新点表现在以下四个方面:第一通过信用评级模型与投资决策理论的结合,将创业企业的风险定量化,建立适合于创业企业的风险度量方法,判别企业的违约概率,并结合我国实际情况进行实证分析。第二,运用逐步多元判别分析法对处于不同生命阶段的创业企业筛选出具有区别力的分析变量,度量出不同生命阶段的企业的信用风险。第三,通过对创业企业各种融资方式定价的适用性分析,找出适合不同生命阶段创业企业的定价模型,使资金拥有者可以基于风险度量对创业企业所提供的资金确定价格。第四,在现有贷款组合优化的原则和模型的基础上,根据创业企业不同生命阶段的特点,建立贷款组合优化决策模型,通过应用实例将所得模型与传统组合管理方法相比较,以说明该模型的有效性。另外,本文在研究中,将创业企业放在整个企业生命周期内去评价,针对企业不同发展阶段的特点,对其信用风险进行评估,对可行的融资组合进行分析、探讨,以客观评价创业企业的成长性和潜在价值,在符合国家支持创业企业发展的政策前提下,为金融中介提出了重要的可操作性建议,也具有明显的创新性。同时,本文也存在一定的局限性。第一,实证分析中的数据来源于深交所中小板企业,与创业企业存在一定的差异,可选用的样本总量也较小;第二,选取的指标体系受到了数据来源的限制;第三,选用的实证模型存在一定的局限;第四,未考虑宏观环境对信贷周期等违约情况带来的影响。因此,下一步的研究工作可以继续扩大调研范围,以提高样本准度和容量,选取更系统的指标体系,加入Probit等更多模型以选取最适合不同生命阶段企业的评分方法,同时考虑将宏观经济、金融环境加入到模型分析中。
二、基于VaR收益率约束的贷款组合优化决策模型（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于VaR收益率约束的贷款组合优化决策模型（论文提纲范文）
（1）分布不确定条件下的贷款组合优化模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外相关工作研究进展 |
| 1.2.1 银行贷款组合优化研究现状 |
| 1.2.2 分布不确定条件下的组合优化研究现状 |
| 1.2.3 P2P贷款信用风险度量和组合优化研究现状 |
| 1.2.4 基于数据驱动方法和相对熵约束的组合优化研究现状 |
| 1.2.5 现有研究的不足 |
| 1.3 研究内容和结构 |
| 1.3.1 研究内容 |
| 1.3.2 研究内容间的相互关系 |
| 1.3.3 篇章结构 |
| 1.4 论文的创新点 |
| 2 基于非参数核估计的银行贷款组合优化模型 |
| 2.1 引言 |
| 2.2 基于非参数核估计的银行贷款组合优化原理 |
| 2.3 银行贷款组合损失的Monte Carlo模拟 |
| 2.3.1 信誉指数的Monte Carlo模拟 |
| 2.3.2 信用等级迁移 |
| 2.3.3 贷款单位损失的确定 |
| 2.3.4 贷款组合损失的确定 |
| 2.4 贷款组合损失分布的估计 |
| 2.4.1 贷款组合损失的经验分布 |
| 2.4.2 基于非参数核估计的组合损失分布 |
| 2.5 银行贷款组合CVaR优化模型的构建 |
| 2.5.1 条件风险价值CVaR |
| 2.5.2 基于经验分布的贷款组合CVaR优化模型 |
| 2.5.3 基于非参数核估计的贷款组合CVaR优化模型 |
| 2.6 数值实验 |
| 2.6.1 实验数据 |
| 2.6.2 约束条件 |
| 2.6.3 实验结果与对比分析 |
| 2.7 本章小结 |
| 2.7.1 主要工作 |
| 2.7.2 主要结论 |
| 2.7.3 创新与特色 |
| 3 基于混合分布的银行贷款组合优化模型 |
| 3.1 引言 |
| 3.2 混合分布集合与worst-case CVaR模型 |
| 3.3 混合分布条件下基于均匀CVaR最小化的银行贷款组合优化模型 |
| 3.3.1 基于中心极限定理(CLT)的组合损失分布集合的确定 |
| 3.3.2 混合分布条件下CVaR模型的构建 |
| 3.4 数值实验 |
| 3.4.1 模型描述 |
| 3.4.2 实验结果与对比分析 |
| 3.5 本章小结 |
| 3.5.1 主要工作 |
| 3.5.2 主要结论 |
| 3.5.3 创新与特色 |
| 4 基于中位数核回归的P2P贷款组合优化模型 |
| 4.1 引言 |
| 4.2 基于核回归的P2P贷款预期收益与风险评估模型 |
| 4.2.1 基于样例的P2P贷款评估框架 |
| 4.2.2 基于核回归方法的P2P贷款风险评估模型 |
| 4.3 P2P贷款组合优化模型 |
| 4.3.1 基于风险最小化的组合优化模型 |
| 4.3.2 P2P贷款投资决策过程 |
| 4.4 数值实验 |
| 4.4.1 数据描述和预处理 |
| 4.4.2 实验结果和对比分析 |
| 4.5 本章小结 |
| 4.5.1 主要工作 |
| 4.5.2 主要结论 |
| 4.5.3 创新与特色 |
| 5 基于数据驱动和相对熵约束的P2P贷款组合鲁棒优化模型 |
| 5.1 引言 |
| 5.2 分布不确定条件下的P2P贷款组合鲁棒优化模型 |
| 5.2.1 基于相对熵约束的鲁棒优化模型 |
| 5.2.2 P2P贷款组合鲁棒优化模型 |
| 5.2.3 分布不确定条件下的P2P贷款投资决策过程 |
| 5.3 基于数据驱动的最优参数置信度ζ的确定 |
| 5.4 数值实验 |
| 5.4.1 数据描述与预处理 |
| 5.4.2 模型描述和对比标准 |
| 5.4.3 实验结果 |
| 5.5 本章小结 |
| 5.5.1 主要工作 |
| 5.5.2 主要结论 |
| 5.5.3 创新与特色 |
| 6 结论与展望 |
| 6.1 论文的主要工作 |
| 6.2 论文的主要结论 |
| 6.3 论文的创新点 |
| 6.4 展望 |
| 参考文献 |
| 附录 Logit回归模型 |
| 攻读博士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（2）基于指数谱风险控制的“存量+增量”贷款组合优化模型（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 科学问题的性质 |
| 1.2 选题背景及意义 |
| 1.2.1 选题背景 |
| 1.2.2 选题意义 |
| 1.3 商业银行贷款组合优化的国内外研究现状 |
| 1.3.1 现代资产组合理论的起源 |
| 1.3.2 基于决策目标分类的贷款组合研究现状 |
| 1.3.3 基于风险度量类别的贷款组合研究现状 |
| 1.3.4 基于应用方法类别的贷款组合研究现状 |
| 1.3.5 现有研究存在的主要问题 |
| 1.4 研究内容及框架 |
| 1.4.1 研究思路 |
| 1.4.2 研究内容 |
| 1.4.3 研究框架 |
| 1.5 主要创新与特色 |
| 2 商业银行贷款配置经典模型 |
| 2.1 Markowitz模型 |
| 2.1.1 模型的概述及假设条件 |
| 2.1.2 有效边界和最优解 |
| 2.2 VaR模型 |
| 2.3 CVaR模型 |
| 2.4 本章小结 |
| 3 基于指数谱风险控制的“存量+增量”贷款组合优化模型 |
| 3.1 商业银行贷款配置的原理 |
| 3.2 指数谱风险E_M测度 |
| 3.2.1 一致风险测度的定义 |
| 3.2.2 谱风险测度的定义 |
| 3.2.3 指数谱风险测度E_M的定义 |
| 3.2.4 指数谱风险测度E_M与G_M、CVaR的比较 |
| 3.3 基于指数谱风险测度E_M的“存量+增量”贷款组合优化模型的建立 |
| 3.3.1 目标函数的建立 |
| 3.3.2 约束条件的建立 |
| 3.4 本章小结 |
| 4 应用实例 |
| 4.1 历史数据的收集 |
| 4.2 目标函数的确定 |
| 4.3 约束条件的确定 |
| 4.3.1 风险价值VaR约束的确定 |
| 4.3.2 指数谱风险测度EM约束的确定 |
| 4.3.3 贷款组合可用头寸约束的确定 |
| 4.4 模型的求解 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（3）商业银行贷款组合动态优化模型研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 相关文献综述 |
| 1.2.1 Copula 理论综述 |
| 1.2.2 商业银行贷款组合优化模型综述 |
| 1.3 研究内容与技术路线 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文的技术路线 |
| 第二章 商业银行贷款组合优化相关原理 |
| 2.1 Copula 理论 |
| 2.1.1 Copula 函数的定义和性质 |
| 2.1.2 Copula 函数的种类 |
| 2.2 均值—CVaR 原理 |
| 2.2.1 均值—VaR 与均值—CVaR 模型的比较 |
| 2.2.2 均值-CVaR 的计算方法 |
| 2.2.3 均值—CVaR 模型的应用 |
| 2.3 多期动态优化原理 |
| 2.4 信用风险迁移原理 |
| 第三章 基于 Copula 函数的商业银行贷款组合单期优化模型 |
| 3.1 Copula 函数的模型构建 |
| 3.2 Copula 函数度量风险的优点 |
| 3.3 商业银行贷款组合单期优化模型的实证研究 |
| 3.3.1 数据的基本描述 |
| 3.3.2 各类贷款的边缘分布 |
| 3.4 均值-CVaR 优化模型建立 |
| 3.4.1 模型的目标函数 |
| 3.4.2 约束条件的建立 |
| 3.4.3 均值-CVaR 优化模型求解 |
| 3.5 对比分析 |
| 第四章 商业银行多期贷款组合动态优化均值-CVaR 模型 |
| 4.1 多期贷款组合动态优化均值-CVaR 原理 |
| 4.2 多期贷款组合动态优化均值-CVaR 原理的特色 |
| 4.3 多期贷款组合动态优化均值-CVaR 模型的建立与求解 |
| 4.3.1 数据处理 |
| 4.3.2 模型的约束条件 |
| 4.3.3 模型建立 |
| 4.4 模型优化结果分析 |
| 4.4.1 第 5 期贷款组合优化配置 |
| 4.4.2 第 4 期贷款组合优化配置 |
| 4.4.3 其他期贷款组合的分配比重 |
| 第五章 基于信用风险迁移的贷款组合优化模型 |
| 5.1 信用风险联合迁移矩阵 |
| 5.2 信用风险迁移的贷款组合模型优化原理的特点 |
| 5.3 各信用等级损失率的计算 |
| 5.4 信用风险迁移的贷款组合模型优化模型的建立与求解 |
| 5.4.1 样本数据的基本情况 |
| 5.4.2 目标函数的建立 |
| 5.4.3 目标函数的求解 |
| 5.5 模型优化结果分析 |
| 5.5.1 第 5 期贷款组合优化配置 |
| 5.5.2 第 4 期贷款组合优化配给 |
| 5.5.3 其它期贷款组合的计算 |
| 5.5.4 模型优化结果分析 |
| 第六章 结论与展望 |
| 6.1 论文结论 |
| 6.2 论文的主要创新 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间参加的科研和发表论文情况 |
（4）基于高阶矩风险防范的银行资产负债组合优化模型研究——以A银行为例（论文提纲范文）
| 0 引 言 |
| 1 理论基础 |
| 1.1 相关理论综述 |
| 1.1.1 基于均值-方差的资产组合优化模型的理论评述 |
| 1.1.2 基于VaR约束的资产组合优化模型的理论评述 |
| 1.1.3 基于均值-方差-偏度约束的资产组合优化模型的理论评述 |
| 1.2 高阶矩风险控制的贷款组合优化原理 |
| 1.2.1 VaR约束的二阶矩风险控制原理 |
| 1.2.2 组合收益率偏度的三阶矩风险控制原理 |
| (1) 组合收益率偏度的概念 |
| (2) 组合收益率偏度控制的特点 |
| 1.2.3 组合收益率峰度的四阶矩风险控制原理 |
| (1) 组合收益率峰度的概念 |
| (2) 组合收益率峰度控制的特点 |
| (3) 原理的内容 |
| 3 研究设计与方法 |
| 3.1 研究案例的选择 |
| 3.2 数据的收集 |
| 4 案例分析 |
| 4.1 A银行的基本数据及其处理 |
| (1) 商业银行的基本数据 |
| (2) 每笔贷款平均收益率和标准差 |
| ①每笔贷款平均收益率 |
| ②每笔贷款标准差 |
| ③收益率的相关系数的计算 |
| 4.2 目标函数的建立 |
| 4.3 约束条件的建立 |
| (1) 风险价值VaR约束的建立 |
| (2) 组合收益率偏度约束的建立 |
| (3) 组合收益率峰度约束的建立 |
| (4) 银行监管约束的引入 |
| ①贷款占存款比重的约束 |
| ②备付金比重的约束 |
| ③拆借出资金比重的约束 |
| ④法定存款准备金比重约束 |
| ⑤上交总行的存款准备金比重 |
| ⑥银行测算得出的流动性库存现金比重 |
| ⑦银行测算得出的盈利性库存现金比重 |
| ⑧各类贷款的结构限制条件 |
| 4.4 模型的求解 |
| 4.5 对比分析 |
| (1) 对比分析模型 |
| (2) 对比分析模型求解 |
| (3) 三种优化模型的对比分析 |
| ①优化结果的收益率偏度的对比分析 |
| ②优化结果的收益率峰度对比分析 |
| 5 结 论 |
（5）基于RAROC最优的中国商业银行贷款组合管理研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 导论 |
| 1.1 研究背景及意义 |
| 1.1.1 现代金融理论概述 |
| 1.1.2 问题的提出 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 商业银行信用风险和RAROC计量 |
| 1.2.2 贷款组合优化管理模型的研究 |
| 1.2.3 贷款损失保险及其在组合管理中的应用 |
| 1.2.4 商业银行信贷组合的市场化管理研究 |
| 1.2.5 研究现状评述 |
| 1.3 研究目标、内容和创新点 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 创新点 |
| 1.4 研究方法和技术路线 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.4.3 技术路线 |
| 1.5 论文结构安排 |
| 第2章 巴塞尔新资本协议下的商业银行信用风险 |
| 2.1 银行的经营属性和风险特征 |
| 2.1.1 银行是经营风险的特殊企业 |
| 2.1.2 银行的脆弱性 |
| 2.2 巴塞尔新资本协议下的风险监管 |
| 2.2.1 风险的内涵 |
| 2.2.2 巴塞尔新资本协议的风险计量 |
| 2.2.3 巴塞尔Ⅲ的变化及主要贡献 |
| 2.2.4 未来展望 |
| 2.3 商业银行信用风险概述 |
| 2.3.1 信用风险的几个基本概念及特征 |
| 2.3.2 信用风险的BETA分布 |
| 2.3.3 银行定义的三类损失 |
| 2.4 商业银行信用风险计量 |
| 2.4.1 信用风险计量的主要理论和模型 |
| 2.4.2 财务困境和信用风险模型的理论解析 |
| 2.4.3 基于公司信用风险计量的联合预测模型 |
| 2.5 本章小结 |
| 第3章 商业银行RAROC计量及其系统构建 |
| 3.1 商业银行经济资本配置 |
| 3.1.1 经济资本的概念 |
| 3.1.2 信用风险经济资本的计量与配置 |
| 3.2 商业银行的绩效考核 |
| 3.2.1 绩效考核的现状和发展 |
| 3.2.2 以EVA和RAROC为核心的绩效考核指标 |
| 3.3 RAROC在商业银行实务中的计量及系统构建 |
| 3.3.1 差异化的RAROC计量模型 |
| 3.3.2 公司类信贷业务RAROC模型构建的实施路径 |
| 3.3.3 RAROC系统建设的关键要素 |
| 3.3.4 相关建议 |
| 3.4 本章小结 |
| 第4章 基于RAROC最优的商业银行贷款组合决策 |
| 4.1 投资组合在商业银行信贷经营管理中的应用 |
| 4.1.1 组合投资技术的计量内涵 |
| 4.1.2 组合投资技术在银行信贷经营中的应用 |
| 4.2 基于客户选择的单目标贷款组合优化决策 |
| 4.2.1 商业银行贷款组合理论概述 |
| 4.2.2 基于RAROC最优的客户组合优化决策模型 |
| 4.3 贷款收益和综合收益RAROC优化组合的比较分析 |
| 4.3.1 RAROC计量 |
| 4.3.2 实例运算及比较分析 |
| 4.4 本章小结 |
| 第5章 资本效率约束下的多目标行业贷款组合优化决策 |
| 5.1 多目标行业贷款组合的优化属性 |
| 5.1.1 多目标行业贷款组合的优化基础 |
| 5.1.2 多目标行业贷款组合的特点 |
| 5.1.3 影响贷款组合决策的多目标对象因素分析 |
| 5.2 资本效率约束下的多目标行业贷款组合优化模型 |
| 5.2.1 建模思路 |
| 5.2.2 模型假设 |
| 5.2.3 模型构建 |
| 5.2.4 模型的特色 |
| 5.2.5 模型求解 |
| 5.3 应用实例 |
| 5.3.1 基本数据及行业相关性 |
| 5.3.2 贷款组合的分配 |
| 5.3.3 结果分析 |
| 5.4 本章小结 |
| 第6章 贷款损失保险及组合管理 |
| 6.1 中国银行业资本的现状及补充途径 |
| 6.1.1 中国银行业资本构成及主要银行的资本现状 |
| 6.1.2 中国银行业资本补充及可行性分析 |
| 6.2 贷款损失保险的设计及原理 |
| 6.2.1 贷款损失保险的概念及设计思想 |
| 6.2.2 贷款损失保险的循环原理和资本创造 |
| 6.2.3 贷款损失保险产品创新的基础和条件 |
| 6.3 贷款损失保险模型 |
| 6.3.1 几个关键概念及指标 |
| 6.3.2 模型假设 |
| 6.3.3 模型建立 |
| 6.3.4 应用举例 |
| 6.4 贷款损失保险的组合管理 |
| 6.4.1 保险贷款的组合构建 |
| 6.4.2 保险机构的效用函数及资产选择模型 |
| 6.4.3 保险贷款组合的选择 |
| 6.5 小结及展望 |
| 第7章 商业银行信贷经营的内部市场化管理 |
| 7.1 市场化管理及软约束 |
| 7.2 商业银行对公贷款组合优化的内部市场化管理 |
| 7.2.1 对公考核及资源配置现状及问题 |
| 7.2.2 贷款组合优化决策的市场化管理新思路 |
| 7.2.3 中国商业银行信贷经营的内部市场化管理建议 |
| 7.3 本章小结 |
| 第8章 结论与展望 |
| 8.1 本文的主要工作和结论 |
| 8.2 本文研究的主要特色 |
| 8.3 创新点 |
| 8.4 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
（7）基于下偏度最小化贷款组合优化模型（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.1.1 选题背景 |
| 1.1.2 选题意义 |
| 1.2 资产组合理论概述及研究现状 |
| 1.2.1 资产组合理论概述 |
| 1.2.2 资产负债组合管理研究现状 |
| 1.3 研究内容及研究框架 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文的研究方法 |
| 1.3.3 本文的研究框架 |
| 2 基于下偏度最小化贷款组合优化模型原理 |
| 2.1 下偏度重大损失风险控制原理 |
| 2.2 风险价值VaR组合风险控制原理 |
| 2.2.1 风险价值VaR定义 |
| 2.2.2 风险价值VaR的度量方法 |
| 2.3 信用风险迁移原理 |
| 2.4 基于下偏度风险控制的贷款组合优化原理 |
| 2.5 模型原理的特色与创新 |
| 3 下偏度最小化贷款组合优化决策模型的构建 |
| 3.1 模型约束条件的构建 |
| 3.1.1 参数估计 |
| 3.1.2 最低收益限额约束 |
| 3.1.3 风险价值VaR约束条件构建 |
| 3.1.4 银行监管约束条件的构建 |
| 3.2 目标函数的构建 |
| 3.3 组合优化模型的建立 |
| 3.4 基于下偏度最小化贷款组合优化模型的特色与创新 |
| 4 应用实例与结果分析 |
| 4.1 基本数据及处理 |
| 4.1.1 贷款企业的基本数据 |
| 4.1.2 贷款企业信用等级迁移后的三因素值和下偏度值 |
| 4.2 基于下偏度最小化贷款组合优化模型的建立 |
| 4.2.1 目标函数的建立 |
| 4.2.2 最低收益率限额约束条件的建立 |
| 4.2.3 风险价值VaR约束条件的建立 |
| 4.2.4 法律法规约束条件的建立 |
| 4.2.5 银行经营管理约束的建立 |
| 4.3 模型求解与对比分析 |
| 4.3.1 模型求解 |
| 4.3.2 模型结果对比分析 |
| 结论 |
| 参考文献 |
| 附录A 模型的程序 |
| 附录B 对比模型的程序 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（8）基于Copula风险控制的贷款组合优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 贷款组合优化的研究现状 |
| 1.2.1 按照决策目标不同分类的贷款组合优化研究现状 |
| 1.2.2 按照风险控制角度不同分类的贷款组合优化研究现状 |
| 1.3 本文的研究内容与框架 |
| 1.3.1 本文的研究内容 |
| 1.3.2 本文的研究框架 |
| 2 贷款组合优化的相关理论 |
| 2.1 资产组合理论概述 |
| 2.2 信贷风险管理方法概述 |
| 2.2.1 风险资本下的信贷风险管理模型 |
| 2.2.2 盯市的信贷风险管理模型 |
| 2.2.3 违约模式的信贷风险管理模型 |
| 2.3 违约相关性分析方法概述 |
| 2.3.1 皮尔逊相关系数法 |
| 2.3.2 Credit Metrics模型 |
| 2.3.3 Copula函数法 |
| 3 基于Copula函数风险控制的贷款组合优化原理 |
| 3.1 基于Copula函数的违约相关性度量原理 |
| 3.2 基于Copula函数的贷款组合风险控制原理 |
| 3.3 基于VaR的风险控制原理 |
| 3.4 Copula函数风险控制下的贷款组合优化原理 |
| 3.5 基于Copula函数风险控制的贷款组合优化原理的特色 |
| 4 基于Copula函数风险控制的贷款组合优化模型 |
| 4.1 Copula函数的参数估计 |
| 4.1.1 模型的基本参数 |
| 4.1.2 三类Copula函数 |
| 4.2 最优Copula函数的选择 |
| 4.3 贷款的违约相关性 |
| 4.4 优化模型的建立 |
| 4.4.1 目标函数的建立 |
| 4.4.2 约束条件的建立 |
| 4.5 优化模型的特色 |
| 5 应用实例 |
| 5.1 样本数据 |
| 5.2 贷款组合间违约相关性的计算 |
| 5.2.1 贷款秩相关系数τ的计算 |
| 5.2.2 贷款组合联合分布函数的确定 |
| 5.2.3 最优Copula函数的选择 |
| 5.2.4 贷款组合间违约相关性的计算 |
| 5.3 优化模型的求解 |
| 5.3.1 目标函数的建立 |
| 5.3.2 基于Copula函数风险控制约束的建立 |
| 5.3.3 险价值VaR约束的建立 |
| 5.3.4 法律、法规和银行经营管理约束的建立 |
| 5.3.5 模型求解 |
| 5.3.6 对比分析 |
| 结论 |
| 参考文献 |
| 附录A 优化模型(模型一)求解程序 |
| 附录B 对比模型(模型二)求解程序 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（9）基于高阶风险防范的银行资产负债组合优化模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题的科学依据和意义 |
| 1.1.1 选题的科学依据 |
| 1.1.2 选题的意义 |
| 1.2 国内外研究进展分析 |
| 1.2.1 高阶矩风险管理的资产负债组合优化研究现状 |
| 1.2.2 利率风险管理的资产负债组合优化研究现状 |
| 1.2.3 现有研究存在的不足 |
| 1.3 本文的研究方法与思路 |
| 1.3.1 研究方法 |
| 1.3.2 技术路线 |
| 1.3.3 研究内容 |
| 1.4 论文的主要创新点 |
| 2 基于高阶矩风险控制的资产组合优化模型 |
| 2.1 问题的提出 |
| 2.2 高阶矩风险控制的贷款组合优化原理 |
| 2.2.1 VaR约束的二阶矩风险控制原理 |
| 2.2.2 组合收益率偏度的三阶矩风险控制原理 |
| 2.2.3 组合收益率峰度的四阶矩风险控制原理 |
| 2.2.4 高阶矩风险控制的贷款组合优化原理的特色 |
| 2.3 均值-方差-偏度-峰度优化模型的建立 |
| 2.3.1 优化模型的建立 |
| 2.3.2 约束条件的建立 |
| 2.4 应用实例以及优化结果分析 |
| 2.4.1 商业银行的基本数据及其处理 |
| 2.4.2 目标函数的建立 |
| 2.4.3 约束条件的建立 |
| 2.4.4 模型的求解 |
| 2.4.5 对比分析 |
| 2.5 本章小节 |
| 2.5.1 本章主要工作 |
| 2.5.2 本章的主要特色 |
| 3 基于方向久期和方向凸度双重免疫的资产负债组合优化模型 |
| 3.1 问题的提出 |
| 3.2 方向久期与方向凸度双重免疫原理 |
| 3.2.1 双重免疫的基本思路 |
| 3.2.2 资产与负债各时段t的利率变动系数 |
| 3.2.3 资产与负债的方向久期 |
| 3.2.4 资产与负债的方向凸度 |
| 3.2.5 方向久期和方向凸度对有价证券的影响 |
| 3.2.6 银行净值的影响因素 |
| 3.2.7 方向久期与方向凸度双重缺口免疫原理 |
| 3.2.8 无确定期限资产的等效期限的确定 |
| 3.2.9 数量结构对称 |
| 3.2.10 优化模型原理 |
| 3.3 双重免疫条件的资产负债组合优化模型的建立 |
| 3.3.1 目标函数的建立 |
| 3.3.2 约束条件的建立 |
| 3.4 应用实例及对比分析 |
| 3.4.1 基本数据及其数理 |
| 3.4.2 建模过程与优化分析 |
| 3.5 本章小节 |
| 3.5.1 本章主要工作 |
| 3.5.2 本章的主要特色 |
| 4 兼顾高阶矩风险与利率风险的资产负债组合优化模型 |
| 4.1 问题的提出 |
| 4.2 兼顾高阶矩风险与利率风险的组合优化原理 |
| 4.2.1 高阶矩的含义 |
| 4.2.2 基于VaR的二阶矩风险控制原理 |
| 4.2.3 收益率偏度的三阶矩风险控制原理 |
| 4.2.4 收益率峰度的四阶矩风险控制原理 |
| 4.2.5 久期利率风险免疫原理 |
| 4.2.6 兼顾高阶矩风险与利率风险的组合优化原理特色 |
| 4.3 兼顾高阶矩风险与利率风险的组合优化模型 |
| 4.3.1 目标函数的建立 |
| 4.3.2 风险价值VaR约束的建立 |
| 4.3.3 组合收益率偏度约束的建立 |
| 4.3.4 组合收益率峰度约束的建立 |
| 4.3.5 久期利率免疫约束的建立 |
| 4.3.6 银行监管约束的引入 |
| 4.4 应用实例与对比分析 |
| 4.4.1 基本数据及处理 |
| 4.4.2 建模过程与优化分析 |
| 4.5 本章小节 |
| 4.5.1 本章主要工作 |
| 4.5.2 本章的主要特色 |
| 5 结论与展望 |
| 5.1 研究结论 |
| 5.2 研究的主要创新 |
| 5.3 研究的不足与展望 |
| 参考文献 |
| 攻读博士学位期间发表学术论文情况 |
| 致谢 |
| 作者简介 |
（10）创业企业信用风险度量与贷款组合管理研究（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 创业企业在国民经济中的地位 |
| 1.1.2 创业企业信用评级的需求与缺失 |
| 1.1.3 创业板推出为创业企业将信用风险研究提供的支持 |
| 1.2 研究思路与研究内容 |
| 1.3 研究方法与技术路线 |
| 1.4 论文的创新之处 |
| 2 国内外研究现状综述 |
| 2.1 创业企业融资结构与信用风险 |
| 2.1.1 创业企业信用风险特征与融资结构 |
| 2.1.2 不同生命阶段的创业企业融资与信用风险 |
| 2.2 信用风险度量模型 |
| 2.2.1 信用风险度量的发展与演变 |
| 2.2.2 传统信用风险度量模型 |
| 2.2.3 现代信用风险度量模型 |
| 2.2.4 信用风险度量模型的比较分析 |
| 2.3 中小企业信用风险度量模型与信贷管理体系 |
| 2.3.1 中小企业信用评分模型的发展与演变 |
| 2.3.2 中小企业信贷供给与信贷管理体系 |
| 2.4 本章小结 |
| 3 创业企业信用风险度量 |
| 3.1 信用评分模型的选择与构建 |
| 3.1.1 创业企业信用评分模型的选择分析 |
| 3.1.2 创业企业信用风险度量模型的构建思路 |
| 3.2 不同生命阶段的创业企业信用风险度量模型的构建 |
| 3.2.1 Logit 信用评分模型构建 |
| 3.2.2 数据来源与样本的选取 |
| 3.2.3 变量的确定与筛选 |
| 3.2.4 模型的建立 |
| 3.2.5 模型的检验 |
| 3.3 Logit 信用评分模型的实证分析 |
| 3.3.1 Logit 实证模型建立 |
| 3.3.2 创业企业信用风险度量 |
| 3.3.3 样本选取的进一步建议 |
| 3.4 本章小结 |
| 4 创业企业融资供给及融资定价 |
| 4.1 创业企业股权融资定价 |
| 4.1.1 企业价值的形成 |
| 4.1.2 创业企业价值的形成与评估 |
| 4.1.3 创业企业股权定价的基本方法 |
| 4.2 创业企业债务融资定价 |
| 4.2.1 企业信贷融资定价原则 |
| 4.2.2 传统的贷款定价模型 |
| 4.2.3 创业企业信贷融资定价 |
| 4.3 创业企业准股权融资定价 |
| 4.3.1 可转债的价值分析 |
| 4.3.2 创业企业可转债定价模型 |
| 4.3.3 创业企业可转债定价模型的应用实例 |
| 4.4 本章小结 |
| 5 创业企业贷款组合风险度量及其相关管理 |
| 5.1 模型建立与研究思路 |
| 5.1.1 创业企业贷款组合优化模型构建 |
| 5.1.2 模型的选取 |
| 5.1.3 研究思路 |
| 5.2 贷款组合信用风险与预期收益度量 |
| 5.2.1 贷款组合的风险度量 |
| 5.2.2 贷款组合的预期收益 |
| 5.3 贷款组合优化模型构建 |
| 5.3.1 不同生命阶段的企业贷款组合模型构建 |
| 5.3.2 不同行业的企业贷款组合模型构建 |
| 5.4 贷款组合风险管理应用实例 |
| 5.4.1 不同生命阶段的企业贷款比例确定 |
| 5.4.2 贷款组合的优化模型 |
| 5.5 本章小结 |
| 6 创业企业融资供给的政策建议 |
| 6.1 创业企业贷款与投资风险度量及管理配套的政策建议 |
| 6.1.1 单个企业信用风险度量的政策建议 |
| 6.1.2 创业企业融资供给的政策建议 |
| 6.1.3 创业企业组合风险管理的政策建议 |
| 6.2 国家配套政策的建议 |
| 6.2.1 制定鼓励金融机构支持创业企业发展的政策 |
| 6.2.2 建立完善的创业企业财务与非财务数据库 |
| 6.2.3 进一步地完善我国的股票市场和债券市场 |
| 7 研究结论、局限性与展望 |
| 7.1 研究结论 |
| 7.2 研究局限 |
| 7.3 后续研究设想 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附录 1 文章发表情况 |
| 附表 2 75 家样本企业 |
| 附表 3 创业企业信用风险评分模型指标体系 |
| 附表 4 Logit 信用评分模型解释变量与被解释变量 |
| 附录 5 不同生命阶段创业企业贷款比率模型 Lingo 源程序 |
| 附录 6 Matlab creditrisk+ 源程序 |
| 附录 7 贷款组合 0-1 整数规划 Lingo 源程序 |
四、基于VaR收益率约束的贷款组合优化决策模型（论文参考文献）
- [1]分布不确定条件下的贷款组合优化模型研究[D]. 丁士杰. 大连理工大学, 2019
- [2]基于指数谱风险控制的“存量+增量”贷款组合优化模型[D]. 王基凡. 大连理工大学, 2016(03)
- [3]商业银行贷款组合动态优化模型研究[D]. 王少芳. 河南师范大学, 2014(02)
- [4]基于高阶矩风险防范的银行资产负债组合优化模型研究——以A银行为例[J]. 吴灏文,张倩. 管理案例研究与评论, 2013(03)
- [5]基于RAROC最优的中国商业银行贷款组合管理研究[D]. 文忠平. 西南交通大学, 2012(10)
- [6]基于高阶矩风险控制的贷款组合优化模型[J]. 迟国泰,吴灏文,闫达文. 系统工程理论与实践, 2012(02)
- [7]基于下偏度最小化贷款组合优化模型[D]. 曲蕾蕾. 大连理工大学, 2011(07)
- [8]基于Copula风险控制的贷款组合优化模型研究[D]. 付莹. 大连理工大学, 2011(07)
- [9]基于高阶风险防范的银行资产负债组合优化模型研究[D]. 吴灏文. 大连理工大学, 2011(05)
- [10]创业企业信用风险度量与贷款组合管理研究[D]. 迟建新. 重庆大学, 2010(01)