不完全信息下信用風險度量結構模型和應用研究.pdf

1、從20世紀90年代以來，金融危機在世界范圍內頻繁爆發(fā)，特別是2008年美國次級債危機，2009年希臘主權債務危機和從2010年發(fā)生持續(xù)至今的一系列歐洲主權債務危機。較大范圍信用危機的一再發(fā)生表明，投資者和金融監(jiān)管部門要反思現(xiàn)有的信用風險度量、控制和管理。除了從制度和市場層面的原因來分析信用危機頻發(fā)的原因之外，也有學者(比如GuoL.(2013))提出，現(xiàn)有的信用產品定價機制存在一定的缺陷:忽視了“不完全信息”因素。正是這種忽視為信用危機

2、的發(fā)生埋藏了技術性隱患。事實上，對“不完全信息”的忽視會導致對信用風險的低估，造成對違約概率、信用價差和違約傳染等信用指標度量的偏差。從債券托管余額規(guī)模來看，中國已經(jīng)成為全球第三大債券市場。然而，伴隨著中國債券市場規(guī)模的快速增長和產品品種的不斷的多樣化，債券市場的信用違約風險不斷累積。無論是2013年的債市監(jiān)管風暴，還是2014年中國債券市場歷史上首宗違約事件“11超日債”違約，都表明中國債券市場上存在嚴重的信息不完全問題，信息披露制度

3、和信用債定價機制需要進一步的完善和市場化。另外，可以對沖信用風險的信用衍生品市場的發(fā)展也嚴重滯后。從微觀層面來看，促進信用產品市場的健康發(fā)展，信用產品設計和定價是保障信用產品市場發(fā)展的技術因素。
　　現(xiàn)有的信用風險度量理論和應用模型大都是以“完全信息”為基本假設，歐美一系列信用危機表明，完全信息假設條件下的信用風險模型，并非完全適用于金融市場較為發(fā)達的歐美等國，更無法被直接用于“信息不完全較為嚴重的”中國金融市場。因此，如何構建不

4、完全信息條件下的信用風險度量的理論模型，如何對模型進行變量和參數(shù)的估計以及將其應用于信用風險的量化、定價和對沖，是一個具有理論和現(xiàn)實意義的課題。
　　在現(xiàn)代信用風險度量理論框架下，量化信用風險的理論模型通常被劃分成兩類:信用風險簡約模型和信用風險結構模型。簡約模型沒有考慮違約背后的經(jīng)濟學原因，建模的起點是直接假設違約強度服從某個隨機過程，因此簡約模型結果更多取決于對違約強度的人為設定，存在較大的模型設定風險。與之相反，信用風險結構

5、模型，從描述企業(yè)本身的資本結構入手開始建模，它強調違約背后的經(jīng)濟學原因，這對于深刻理解企業(yè)信用風險的內在原因和債券市場上信用價差的變化機理更為有利。已有的信用風險結構模型大都是建立在“完全信息”假設之上，然而在實際的應用中，完全信息結構模型會遇到“信用價差之謎”的現(xiàn)象。造成這個現(xiàn)象的一個重要的原因就是:完全信息假設。Duffie and Lando(2001)首次提出并研究了信息質量在信用價差估計中的影響。他們假設企業(yè)的財務報告信息是含

6、有噪聲的，即投資者只能獲得企業(yè)資產價值的不完全信息，然后從理論上導出了不完全信息下信用價差的估值公式。該模型解決了原有的結構模型自身固有的違約時間的可料性問題，推出了非零的短期信用價差，而且將結構模型和簡約模型統(tǒng)一到了一個框架內，得到了一個結構-簡約混合模型。此后一些學者開始探索信息結構對企業(yè)違約概率和債券定價的影響。
　　但是，在現(xiàn)有的基于不完全信息的結構模型研究中，大都假設不完全信息源于無偏的財務報告，而在現(xiàn)實的市場上，財務報

7、告信息通常是具有系統(tǒng)性偏倚的。本文將財務報告信息中的信息扭曲因素引入到信用風險結構模型中，利用“有偏分布”來捕獲財務報告中存在的夸大或者隱瞞真實資產價值的現(xiàn)象，并且獲得了存在信息偏誤條件下資產價值的條件分布、企業(yè)的違約概率和企業(yè)所發(fā)行債券的信用價差的計算公式，最后利用數(shù)值模擬試驗分析了信息的偏誤程度對資產價值的條件分布、違約概率和信用價差的具體影響機制。數(shù)值模擬結果表明，在一個不確定性的環(huán)境中，由創(chuàng)造性的財務和自由裁量公開所導致的向上的

8、偏倚會導致噪聲和違約概率之間的一個正的、非線性的關系，從而進一步造成違約強度的上升。而由財務保守造成的向下偏倚會導致噪聲和和違約概率（從而和信用價差）之間的負的、非線性的關系。而且通過假設向上的偏倚，模型不僅產生了一個正的短期信用風險溢價，而且也獲得了整個的信用價差的期限結構內的非零的信用風險溢價。模型提供了在信息不完全環(huán)境下，更好的理解信用風險和資產價值不確定性之間的關系的新思路。
　　另外，現(xiàn)實的財務報告公示制度中也客觀存在信

9、息公布時間滯后現(xiàn)象，這也會造成信息不完全。本文利用滯后信息濾波來描述證券市場上信息公布的時間滯后，給出了具體量化信息披露中的時間滯后特征的方法，推導了信息滯后下的違約概率和信用價差的理論計算公式。最后利用數(shù)值模擬試驗分析了不同信息滯后期對違約概率、信用價差期限結構的具體影響機制。數(shù)值模擬分析結果顯示，對于不同的到期日的債券來說，對信息披露的滯后期的影響是不同的:于1年期以內的短期債券，信息披露滯后期l的影響最大，對于3～5年期的中短期債

10、券來說，信息披露滯后期l的影響較大，而對于5年以上的中長期債券來說，信息披露滯后期l的影響最小。
　　雖然在理論上，結構模型具有非常好的經(jīng)濟學含義和完美的數(shù)學模型形式。但是在將結構模型應用于實踐時面臨一個困難:資產價值和波動率的不可觀測性，這是結構模型應用的根本障礙?，F(xiàn)有的解決思路有Credit Monitor模型(KMV模型)，數(shù)據(jù)轉換MLE方法和迭代方法。但是，這三種方法應用的基本前提是:市場是完全信息的。首次提出不完全信息條

11、件下估計企業(yè)資產價值的計量經(jīng)濟學方法的是Duan and Fulop(2009)，他們在常數(shù)波動率Merton模型分析框架下引入了噪聲信息，利用粒子濾波技術和狀態(tài)變量拓展方法，獲得了資產價值和模型參數(shù)的聯(lián)合估計。不過該方法會導致靜態(tài)參數(shù)估計的非穩(wěn)定異化，這使得該方法存在較大的估計誤差。本文放棄了狀態(tài)變量拓展方法（SL-SIR濾波估計方法），利用基于粒子平滑的EM算法來獲得模型參數(shù)的估計。數(shù)值模擬試驗表明，PSEM算法可以克服SL-SIR

12、濾波估計的靜態(tài)參數(shù)的動態(tài)異化問題，而且LR檢驗表明PSEM估計具有較高的估計精度。最后利用超日太陽能企業(yè)實際數(shù)據(jù)對模型進行了實證分析，實證結果表明，在正常的市場環(huán)境中，該模型具有較強的適用性，本章模型可以準確的估計出不可觀察的資產價值的變動，估計結果同現(xiàn)實的市場表現(xiàn)基本一致，從而為進一步進行企業(yè)債務信用風險的度量提供了有力的數(shù)據(jù)保障。
　　此外，大量的實證研究表明，常數(shù)波動率假設會導致Merton模型在估計信用風險測度的時候存在較

13、大的偏倚。本文在噪聲信息環(huán)境下，在Merton模型中引入隨機波動率構造了HSV-Merton信用風險模型，給出了一個雙狀態(tài)變量的（資產價值和波動率）非線性、非高斯狀態(tài)空間模型，設計了“雙狀態(tài)變量輔助粒子濾波（BV-APF）”算法來估計該模型的狀態(tài)變量和模型參數(shù)。數(shù)值模擬試驗結果顯示，BV-APF粒子濾波技術具有良好的有限樣本績效。最后利用真實數(shù)據(jù)中進行了實證分析，將HSV-Merton模型的同Merton模型的估計進行了對比，并且利用噪

14、聲信息下的HSV-Merton模型進行了實際的信用風險測度，結果表明HSV-Merton模型比Merton模型更適合于中國市場上信用風險的測度。
　　最后，本文還拓展了利用非線性濾波技術估計結構模型的思路，討論了不完全信息下的更為一般的結構模型Black-Cox模型的計量經(jīng)濟學分析。特別的，利用粒子馬爾科夫蒙特卡洛方法(PMCMC)和廣義Gibbs抽樣算法，對Black-Cox模型分析框架下所有的模型參數(shù)和資產過程進行了聯(lián)合估計。

15、數(shù)值模擬研究表明，廣義Gibbs抽樣方法可以成功的估計參數(shù)，尤其是對于模型的參數(shù)μ和σv更是如此。通過采用廣義Gibbs抽樣算法，能夠提高所有的模型參數(shù)估計的收斂的速度。此外，利用市場噪聲信息的相對程度和市場流動性的兩個代理變量之間的相關系數(shù)符號，我們說明了如何根據(jù)波動率精確的反映真實市場的性質。最后利用實際數(shù)據(jù)對噪聲信息下的Black-Cox模型進行了實證檢驗，分析結果表明本文的模型可以作為在不完全信息較為嚴重的環(huán)境中，有效的測度企業(yè)