基于主成分分析信用组合风险的研究.pdfVIP

银行信用组合风险多成分重要性抽样研究1 龚朴 胡祖辉 (华中科技大学管理学院) 【摘要】：银行信用组合违约风险的度量和计算对银行监管有着重要意义。使用蒙特卡 洛研究信用组合违约概率时，重要性抽样通过条件独立性和“均值移动”两个步骤实现。本文 提出了一种基于违约相关性矩阵的单步重要性抽样算法。该算法通过主成分抽样选择违约结 构中占优成分，扩大其方差来实现，并给出了最优方差扩大倍数。数值实验证明了该方法在 信用组合遭遇极值事件时，具有一定的计算优势。 关键词：信用组合风险，蒙特卡洛模拟，重要性抽样，主成分分析 中图分类号：F812.5 文献标识码：A Principal component importance sampling for bank credit portfolio risk management Abstract: The bank credit portfolio risk measurement has great significance on bank supervision. When using Monte Carlo simulation to estimate the default risk, the importance sampling procedure is achieved by conditional independence and ‘mean shift’ in a factor copula model. In this paper, we propose an importance sampling procedure which needn’t conditional independence. The procedure uses principal component analysis to choose dominant factors, then scales up their variances. Numerical experiments are provided and shown that when a credit portfolio confronts extreme events, it has some efficience. Keywords: portfolio credit risk, Monte Carlo simulation, important sampling, principle component analysis 1本项目受国家自然科学基金项目“信用衍生产品定价理论模型和数值模拟技术研究”（项目批准 号的资助。 一、引言 近年来，随着信用衍生品市场的发展和成熟，信用风险的流动性逐渐增加。这种新的金 融市场为对冲或投机信用风险提供了可能的投资机会，迫使商业银行精确地计算贷款和债券 的违约风险，更加积极地管理其信用组合风险敞口。 商业银行的风险敞口一般来自于不同的公司，地区和行业。信用之间的违约风险可能存 在着较强的相关性，例如商业银行普遍偏好于贷款给某个地区的公司，或者某个行业的公司， 以减小信息不对称所带来的额外风险。然而，当其中一个贷款违约时，极有可能引起其他贷 款的骨牌效应。在计算这种信用组合的违约概率时，困难之处在于如何从投资组合管理的角 度处理信用间违约相关性，同时降低计算成本，提高计算速度。蒙特卡洛模拟可以用来处理 较为复杂的组合违约相关性，然而，计算时间较长。对于一个具有较高信用等级银行所持有 的贷款组合而言，估计小概率大损失事件的发生概率会需要数天的计算时间。因此，直接使 用蒙特卡洛方法效率不高，降低了信用组合压力测试的可行性。所以，各种加速方法，如重 要性抽