时间序列变点模型的贝叶斯估计在商业银行压力测试中的应用

作     者：崔文凤 

作者单位：东南大学 

学位级别：硕士

导师姓名：陈平;胡勇

授予年度：2017年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 

主      题：压力测试 情景设置 时间序列 变点 贝叶斯方法 

摘      要：金融是现代经济的核心,就我国现阶段金融融资体系来看,以商业银行为主导的间接融资额在社会总融资额中占了绝大部分,使得融资违约风险较多的集中于银行系统中,因此银行业的稳定与健康运行对我国经济金融体系的健康发展起着决定性的作用。并且由于自然灾害、战争、政治斗争以及金融危机等的频繁爆发,自20世纪90年代以来,压力测试因其估计非正常市场条件下经济损失的优势被国际银行及金融机构广泛应用,成为风险管理的重要方法之一。本文首先介绍了压力测试的研究现状和基本理论,基于前人的研究成果,在Wilson模型的基础上,选取商业银行不良贷款率作为承压指标,并利用Logit变换转化成宏观综合指标作为中间变量,选取宏观经济数据进行多元线性回归。结果显示,国内生产总值(GDP)增长率、广义货币(M2)增长率、银行一年期贷款基准利率(LR)、居民消费价格指数(CPI)、国房景气指数(HIP)都对商业银行不良贷款率有影响。在对时间序列变点模型的贝叶斯方法进行了具体的介绍后,本文在压力测试情景设置环节中,创新性的引入该方法对各宏观风险因子时间序列数据的变点进行了识别,对宏观风险因子的历史发展阶段进行了更准确的分析,依据分析结果对宏观风险因子进行了情景设置,预测了在轻度、中度、重度三种情景下商业银行不良贷款率的变化,并对预测的结果进行了分析,给出了适当的政策建议。