商業(yè)銀行貸款集中度風(fēng)險(xiǎn)的計(jì)量模型與實(shí)證研究

摘要:目前，資產(chǎn)組合的集中度風(fēng)險(xiǎn)問題是使銀行陷入困境的最主要原因之一。貸款集中度風(fēng)險(xiǎn)主要由兩類未得到有效分散的風(fēng)險(xiǎn)造成，即客戶集中與行業(yè)集中。由于國內(nèi)外各商業(yè)銀行普遍存在數(shù)據(jù)質(zhì)量不高的情況，導(dǎo)致違約相關(guān)性的處理成為集中度風(fēng)險(xiǎn)計(jì)量與管理中的難點(diǎn)。本文采用二項(xiàng)式擴(kuò)展技術(shù)的方法，通過對(duì)違約相關(guān)性的平均化處理，簡(jiǎn)化了理論分析中對(duì)相關(guān)性處理的難題;并以國內(nèi)某商業(yè)銀行的實(shí)際信貸數(shù)據(jù)為樣本，利用該方法進(jìn)行了詳細(xì)的實(shí)證分析;同時(shí)，本文還采用HHI指數(shù)的方法對(duì)該行的客戶集中度風(fēng)險(xiǎn)進(jìn)行了分析，以期為國內(nèi)各商業(yè)銀行集中度風(fēng)險(xiǎn)的計(jì)量與管理提供一定的借鑒。

關(guān)鍵詞:集中度風(fēng)險(xiǎn);二項(xiàng)式擴(kuò)展技術(shù);客戶集中;行業(yè)集中;違約概率

中圖分類號(hào):F830.33 文獻(xiàn)標(biāo)識(shí)碼:A 文章編號(hào):1003-9031(2010)02-0025-05

一、引言

歷史經(jīng)驗(yàn)表明，資產(chǎn)組合的集中度風(fēng)險(xiǎn)問題已經(jīng)成為使銀行陷入困境的最主要原因之一，單個(gè)銀行和整個(gè)銀行體系都普遍存在這種現(xiàn)象。[1]Enron、Worldcom和Parmalat等大額債務(wù)人，給銀行造成了巨額損失。20世紀(jì)80年代，由于對(duì)發(fā)展中國家的貸款數(shù)量龐大，美國大多數(shù)銀行的長(zhǎng)期業(yè)績(jī)較差。這表明:風(fēng)險(xiǎn)集中于單一資產(chǎn)類型，將會(huì)削弱整個(gè)經(jīng)濟(jì)體系的穩(wěn)定性。此外，20世紀(jì)80年代Texas和Oklahoma的銀行在公司貸款和商業(yè)房地產(chǎn)貸款中遭受了嚴(yán)重的損失，原因除了對(duì)能源行業(yè)的貸款過度集中外，還包括在特定區(qū)域內(nèi)對(duì)石油資源的依賴意味著能源產(chǎn)業(yè)是否健康發(fā)展與當(dāng)?shù)胤康禺a(chǎn)需求之間存在較強(qiáng)的聯(lián)系。另外一個(gè)很著名的案例就是2001年德國Schmidt銀行因資產(chǎn)高度集中于不太發(fā)達(dá)且行業(yè)結(jié)構(gòu)脆弱、集中的區(qū)域而引發(fā)的破產(chǎn)。此外，發(fā)端于2006年末、并于2007-2008年轉(zhuǎn)化為一場(chǎng)全球金融危機(jī)的次貸風(fēng)波也再一次表明了部門(行業(yè)或區(qū)域)集中度風(fēng)險(xiǎn)的危害。

除這些案例外，監(jiān)管當(dāng)局發(fā)布的關(guān)于控制集中度風(fēng)險(xiǎn)的相關(guān)指引[2][3](如銀監(jiān)會(huì)2009年8月份剛剛發(fā)布的《商業(yè)銀行資本充足率的監(jiān)督檢查指引》中關(guān)于集中度風(fēng)險(xiǎn)管理的相關(guān)內(nèi)容)也表明了貸款組合在不同區(qū)域、國家及行業(yè)間分散化的重要性。貸款集中度風(fēng)險(xiǎn)主要由兩類未得到有效分散的風(fēng)險(xiǎn)造成:第一類是客戶集中，由于資產(chǎn)組合的規(guī)模較小或?qū)蝹€(gè)借款人的大額風(fēng)險(xiǎn)暴露，使得資產(chǎn)組合的特有風(fēng)險(xiǎn)沒有得到充分分散，該類風(fēng)險(xiǎn)通常被稱為客戶集中度風(fēng)險(xiǎn)(Name Concentration Risk)。第二類是行業(yè)(或區(qū)域)集中，與系統(tǒng)性風(fēng)險(xiǎn)因子(行業(yè)或區(qū)域風(fēng)險(xiǎn)因子)未充分分散有關(guān)。因?yàn)?，在大型?jīng)濟(jì)體中，不同行業(yè)、不同區(qū)域的經(jīng)濟(jì)環(huán)境和違約風(fēng)險(xiǎn)不可能完全同步，存在著行業(yè)(或區(qū)域)集中風(fēng)險(xiǎn)，該類風(fēng)險(xiǎn)通常被稱為部門集中度風(fēng)險(xiǎn)(行業(yè)或區(qū)域集中度風(fēng)險(xiǎn)，Sector Concentration Risk)。

由于集中度風(fēng)險(xiǎn)產(chǎn)生的原因比較復(fù)雜，計(jì)量也比較困難。目前理論界關(guān)于該問題的研究還沒有形成比較統(tǒng)一的結(jié)論，實(shí)務(wù)界在集中度風(fēng)險(xiǎn)管理方面也主要以定性管理為主，國內(nèi)還很少有銀行可以做到對(duì)集中度風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的計(jì)量并配置相應(yīng)的資本。本文以國內(nèi)某商業(yè)銀行的數(shù)據(jù)為樣本，采用赫芬德爾-赫希曼(HHI)指數(shù)及二項(xiàng)式擴(kuò)展技術(shù)(Binominal Expansion Technology，BET)的方法對(duì)該行的集中度風(fēng)險(xiǎn)進(jìn)行了計(jì)量，以期為國內(nèi)其他商業(yè)銀行集中度風(fēng)險(xiǎn)的計(jì)量及管理起到一定的借鑒作用。

二、商業(yè)銀行貸款集中度風(fēng)險(xiǎn)的計(jì)量模型

由于商業(yè)銀行的集中度風(fēng)險(xiǎn)主要產(chǎn)生于客戶集中度風(fēng)險(xiǎn)和部門集中度風(fēng)險(xiǎn)(行業(yè)或區(qū)域集中度風(fēng)險(xiǎn))，因此本文構(gòu)建的集中度風(fēng)險(xiǎn)模型主要包括客戶集中度風(fēng)險(xiǎn)及部門集中度風(fēng)險(xiǎn)兩大類。

(一)客戶集中度風(fēng)險(xiǎn)的計(jì)量模型

在客戶集中度風(fēng)險(xiǎn)的計(jì)量方面，目前學(xué)術(shù)界提出的常用方法主要有三種，HHI指數(shù)方法、基于ASRF模型的分散化調(diào)整方法以及基于CreditRisk+模型的分散化調(diào)整方法。后兩種模型調(diào)整方法因其對(duì)數(shù)據(jù)質(zhì)量的要求較高，整體計(jì)算過程較為繁瑣，并且存在模型不匹配風(fēng)險(xiǎn)，因此實(shí)際應(yīng)用較少。而HHI指數(shù)方法因?yàn)槠溆?jì)算的簡(jiǎn)便性而廣為使用，但該方法也存在一定的缺陷，在使用過程中需要加以修正。

本文采用以風(fēng)險(xiǎn)集中的啟發(fā)式計(jì)量(heuristic measures)為基礎(chǔ)的方法HHI指數(shù)法(即赫芬達(dá)爾-赫希曼指數(shù)(HHI))計(jì)量國內(nèi)某商業(yè)銀行的客戶集中度風(fēng)險(xiǎn)。

HHI指數(shù)為每個(gè)借款者的風(fēng)險(xiǎn)暴露占組合風(fēng)險(xiǎn)暴露比例的平方和，即:

(1)

其中， ，表示借款者i的風(fēng)險(xiǎn)暴露在組合中的比重。HHI指數(shù)測(cè)量了特殊信貸組合與充分分散化的理想信貸組合之間風(fēng)險(xiǎn)暴露分布的差距。當(dāng)HHI指數(shù)接近1時(shí)，說明存在單個(gè)或幾個(gè)借款者在組合中占有絕對(duì)的比重，存在著借款者集中風(fēng)險(xiǎn);HHI指數(shù)的數(shù)值越接近0，說明組合的分散化程度越高。所以從風(fēng)險(xiǎn)分散的角度來說，HHI的數(shù)值越小越好。目前國際上通行的HHI指數(shù)的標(biāo)準(zhǔn)值是0.05，如果HHI指數(shù)不超過0.05，則可以認(rèn)為資產(chǎn)組合中客戶比較分散，集中度風(fēng)險(xiǎn)不明顯。

(二)部門(行業(yè)或區(qū)域)集中度風(fēng)險(xiǎn)的計(jì)量模型

在部門集中度風(fēng)險(xiǎn)的計(jì)量方面，目前學(xué)術(shù)界主要提出了三種方法:多因子模型、擴(kuò)散因子模型及二項(xiàng)式擴(kuò)展技術(shù)。[4-6][8-12]多因子模型因很難得到封閉解，而很難推廣，現(xiàn)實(shí)當(dāng)中應(yīng)用較少;而擴(kuò)散因子模型中的擴(kuò)散因子需要模擬得到，并且對(duì)相關(guān)性的測(cè)度也存在一定的問題，因此本文采用二項(xiàng)式擴(kuò)展技術(shù)的方法計(jì)量國內(nèi)某商業(yè)銀行的部門(行業(yè)或地區(qū))集中度風(fēng)險(xiǎn)。之所以采用該方法，主要是因?yàn)樵摲椒ǖ挠?jì)算思路較為清晰，計(jì)算過程比較簡(jiǎn)單，便于推廣使用。但該方法也存在一定的缺點(diǎn)，在使用過程中需要加以修正。以下簡(jiǎn)要介紹該方法的主要原理。[13]

二項(xiàng)式擴(kuò)展技術(shù)首先由穆迪公司提出，其中心思想是將現(xiàn)實(shí)的信貸組合(Real Credit Portfolio)“映射”為一種同質(zhì)的理想組合(Homogeneous Ideal Portfolio)。在理想組合中，每個(gè)借款者都是同質(zhì)的(即均有相同的PD、EAD和LGD)，且各借款者的違約相互獨(dú)立。

令A(yù)s，i為部門S中借款者i的風(fēng)險(xiǎn)暴露頭寸，則總的風(fēng)險(xiǎn)暴露頭寸A為: ，則現(xiàn)實(shí)組合損失分布的均值為 。對(duì)同質(zhì)的理想組合而言，組合中的借款者均有相同的違約概率 ，則理想組合損失分布的均值為 。再由映射原理知，理想組合損失分布的均值等于現(xiàn)實(shí)組合損失分布的均值，故有:

(2)

其中，D為理想組合中借款者的數(shù)目，A/D表示理想組合中單個(gè)借款者風(fēng)險(xiǎn)暴露的平均規(guī)模。

由式(2)可反算出理想組合中借款者的違約概率:

(3)

定義二元隨機(jī)變量 ， 表示現(xiàn)實(shí)組合中部門s內(nèi)的第i個(gè)借款者違約， 表示沒有違約;類似地，二元隨機(jī)變量Zi=1表示理想組合中第i個(gè)借款者違約，Zi=0表示沒有違約;擬合兩個(gè)組合損失分布的方差 :

(4)

設(shè) 為現(xiàn)實(shí)組合部門s中，借款者i與借款者j的違約相關(guān)性，不同部門借款者間的違約相關(guān)性為0。并假設(shè)實(shí)際組合中部門s內(nèi)的所有借款者均有相同的違約概率PDs，在上述簡(jiǎn)化假設(shè)下，由式(4)可得理想組合中借款者的數(shù)目D為:

(5)

假設(shè)理想組合中違約借款者的數(shù)目服從二項(xiàng)分布，再結(jié)合式(3)和式(5)，可得二項(xiàng)式擴(kuò)展技術(shù)的組合經(jīng)濟(jì)資本 公式為:

(6)

其中， 表示二項(xiàng)分布累積分布函數(shù)的逆。

(6)式中第一部分為組合損失分布在?琢置信水平下的分位數(shù)，它等于平均風(fēng)險(xiǎn)暴露 、違約損失LGD和違約借款者數(shù)目的分布在?琢置信水平下的分位數(shù) 三者的乘積。第二部分為理想組合的期望損失，它等于組合的總風(fēng)險(xiǎn)暴露A、違約損失LGD和借款者平均違約概率PD的乘積。

三、商業(yè)銀行貸款集中度風(fēng)險(xiǎn)的實(shí)證研究

(一)客戶集中度風(fēng)險(xiǎn)的實(shí)證研究

本文以國內(nèi)某商業(yè)銀行2002-2008年信貸系統(tǒng)中的對(duì)公客戶為樣本，計(jì)算前10及20大信貸客戶的赫芬德爾-赫希曼指數(shù)HHI10及HHI20。在分析維度時(shí)，主要分析了貸款最初發(fā)放額及年末余額、所有貸款及一般貸款(實(shí)有不含貼現(xiàn))的情況 (由于涉及到保密性問題，因此本文僅展示貸款發(fā)放額中所有貸款的HHI指數(shù)計(jì)算結(jié)果，并對(duì)計(jì)算結(jié)果數(shù)據(jù)進(jìn)行了修改，僅作展示使用)。

HHI10及HHI20具體計(jì)算過程如下:

HHI10= ，HHI20=

其中Si表示第i個(gè)客戶的貸款占比情況。HHIi的取值范圍在[0，1]之間，HHIi取0時(shí)表示貸款金額在所有客戶中完全分散，HHIi取1時(shí)表示所有的貸款金額集中于一個(gè)信貸客戶，所以從風(fēng)險(xiǎn)分散的角度來說，HHIi越小越好。

根據(jù)上述計(jì)算方法，本文計(jì)算了2002-2008年貸款發(fā)放額中所有貸款的前10及前20大客戶的赫芬德爾-赫希曼指數(shù)，具體的計(jì)算結(jié)果如下表1所示。

表12002-2008年貸款發(fā)放額(所有貸款)中前10及20大客戶的赫芬德爾-赫希曼指數(shù)計(jì)算結(jié)果

i.年份ii.HHI10iii.HHI20

iv.2002v.0.0004vi.0.0005

vii.2003viii.0.0003ix.0.0003

x.2004xi.0.0003xii.0.0003

xiii.2005xiv.0.0007xv.0.0008

xvi.2006xvii.0.0008xviii.0.001

xix.2007xx.0.0007xxi.0.0009

xxii.2008xxiii.0.004xxiv.0.005

數(shù)據(jù)來源:根據(jù)國內(nèi)某商業(yè)銀行數(shù)據(jù)修改后得到，僅作展示結(jié)果使用。

另外，本文還繪制了有關(guān)HHI10及HHI20的分布趨勢(shì)圖(見圖1)。從圖1中可看出，2002-2004年H10及H20基本保持平穩(wěn)態(tài)勢(shì)，變化不大;2004-2007年HHI10及HHI20有緩慢上升趨勢(shì)，但自2007年開始，HHI10及HHI20呈大幅度上升的趨勢(shì)，這說明該行的貸款投向中客戶集中趨勢(shì)不斷增大，客戶集中度風(fēng)險(xiǎn)有所上升。從HHI指數(shù)的具體數(shù)值來看，盡管2002-2008年有增大趨勢(shì)，但各年的計(jì)算結(jié)果均不超過0.005，滿足國際監(jiān)管標(biāo)準(zhǔn)0.05的規(guī)定，這說明該行的客戶集中情況不是很明顯。

圖 12002-2008年(截至8月31日)貸款發(fā)放額(所有貸款)中前10及20大客戶的赫芬德爾-赫希曼指數(shù)變化趨勢(shì)

數(shù)據(jù)來源:根據(jù)國內(nèi)某商業(yè)銀行數(shù)據(jù)修改后得到，僅作展示結(jié)果使用。

(二)部門集中度風(fēng)險(xiǎn)的實(shí)證研究

1.相關(guān)參數(shù)的計(jì)算。根據(jù)第二部分介紹的二項(xiàng)式擴(kuò)展技術(shù)的基本原理，為了計(jì)算出集中度風(fēng)險(xiǎn)調(diào)整后的經(jīng)濟(jì)資本的大小，需要計(jì)算出以下參數(shù)的數(shù)值:

和 分別代表理想信貸組合中單筆資產(chǎn)的違約率和違約損失率。

(2)現(xiàn)實(shí)信貸組合的違約相關(guān)性度量。[7]由于計(jì)算信貸資產(chǎn)組合中所有信貸資產(chǎn)兩兩相關(guān)不太現(xiàn)實(shí)，而行業(yè)之間由于其自身不同的特點(diǎn)、不同的發(fā)展趨勢(shì)及其他因素的共同作用會(huì)在彼此之間產(chǎn)生一定的相互影響，所以可用信貸資產(chǎn)所在行業(yè)之間的相關(guān)性來近似代替現(xiàn)實(shí)信貸資產(chǎn)組合之間的相關(guān)性。這樣，根據(jù)行業(yè)相關(guān)性數(shù)據(jù)我們就可以得到信貸組合中現(xiàn)實(shí)信貸資產(chǎn)組合的相關(guān)性矩陣。

(3)信貸資產(chǎn)組合分集評(píng)分。分集評(píng)分D(Diversity Score)的思想是尋找同質(zhì)不相關(guān)資產(chǎn)的簡(jiǎn)單組合，使其復(fù)制出實(shí)際信貸資產(chǎn)組合的損失分布。分集評(píng)分度量了信貸資產(chǎn)組合中各行業(yè)資產(chǎn)的集中程度，本文用較為簡(jiǎn)單的D類信貸資產(chǎn)構(gòu)成的同質(zhì)不相關(guān)的理想信貸資產(chǎn)組合代替N種相關(guān)信貸資產(chǎn)構(gòu)成的原始信貸資產(chǎn)組合。

獨(dú)立分集評(píng)分測(cè)算的基本計(jì)算公式為:

其中，N為原始信貸資產(chǎn)組合中包含的基礎(chǔ)資產(chǎn)數(shù)目，N≥D≥1，EADi和PDi分別表示第i筆信貸資產(chǎn)的風(fēng)險(xiǎn)暴露和違約率，?籽ij表示第i筆信貸資產(chǎn)和第j筆信貸資產(chǎn)之間的違約相關(guān)系數(shù)。

(4)計(jì)算理想資產(chǎn)池的違約分布。在對(duì)信貸資產(chǎn)組合按照分級(jí)評(píng)分思想進(jìn)行劃分之后，就可以采用二項(xiàng)式擴(kuò)展技術(shù)測(cè)算信貸資產(chǎn)組合的違約分布，其基本計(jì)算公式如下:

PDj=

其中，PDj為D類信貸資產(chǎn)中有j類信貸資產(chǎn)同時(shí)違約的概率，PD是單筆信貸資產(chǎn)的加權(quán)平均違約概率。

(5)計(jì)算信貸資產(chǎn)組合的損失分布。由于知道了信貸資產(chǎn)組合的違約分布，根據(jù)每項(xiàng)理想信貸資產(chǎn)的違約損失率就可計(jì)算出每種違約情景下的損失，這樣我們就得到了信貸資產(chǎn)組合的損失分布。因?yàn)槔硐胄刨J資產(chǎn)組合中單筆信貸資產(chǎn)的風(fēng)險(xiǎn)暴露A為:

A= 所以，信貸資產(chǎn)組合的損失分布為:Eli=Ai.PDi. (i=0，1，2，3…D)

其中，ELi為理想信貸資產(chǎn)組合中有i筆信貸資產(chǎn)同時(shí)違約的損失額度，其發(fā)生的概率為PDi。

在計(jì)算出以上資產(chǎn)組合的風(fēng)險(xiǎn)參數(shù)后，通過對(duì)信貸資產(chǎn)組合的損失分布進(jìn)行統(tǒng)計(jì)分析，即可求出預(yù)期損失和非預(yù)期損失等風(fēng)險(xiǎn)量度指標(biāo)。

(6)預(yù)期損失。因?yàn)槔硐胄刨J資產(chǎn)組合中信貸資產(chǎn)的期望損失個(gè)數(shù)為D，所以信貸資產(chǎn)組合的預(yù)期損失為:

EL=D. . .A= . .

由上式可以看出，理想信貸資產(chǎn)組合的預(yù)期損失和分集評(píng)分D沒有關(guān)系，即信貸資產(chǎn)組合的預(yù)期損失額度不受現(xiàn)實(shí)信貸資產(chǎn)之間相關(guān)性的影響。

(7)非預(yù)期損失。由于現(xiàn)實(shí)信貸資產(chǎn)組合中可能發(fā)生違約和非預(yù)期信用等級(jí)遷移，信貸資產(chǎn)組合的實(shí)際損失在一段時(shí)間內(nèi)會(huì)圍繞預(yù)期損失上下波動(dòng)，這種實(shí)際損失對(duì)預(yù)期損失的偏離就是非預(yù)期損失，該損失可以用當(dāng)期信貸資產(chǎn)價(jià)值的標(biāo)準(zhǔn)差進(jìn)行衡量。信貸資產(chǎn)組合的非預(yù)期損失額為:

UL= =

從上式可以看出，理想信貸資產(chǎn)組合的非預(yù)期損失與分集評(píng)分D的平方根成反比，即原始信貸資產(chǎn)組合中基礎(chǔ)信貸資產(chǎn)之間的相關(guān)程度越強(qiáng)，分集評(píng)分D就越小，則非預(yù)期損失UL就越大;反之，基礎(chǔ)信貸資產(chǎn)之間相關(guān)程度越弱，非預(yù)期損失UL就越小。所以，為了使信貸資產(chǎn)組合獲得較高的信用級(jí)別，盡量選取相關(guān)程度較弱的基礎(chǔ)信貸資產(chǎn)組合組建理想信貸資產(chǎn)組合。

2.實(shí)證結(jié)果。根據(jù)上述的計(jì)算步驟，本文以該行2008年12月31日信貸系統(tǒng)中的對(duì)公客戶授信數(shù)據(jù)(剔除中小企業(yè)授信數(shù)據(jù))為研究樣本，通過SAS程序，計(jì)算出信貸系統(tǒng)中的平均違約概率及平均違約損失率如下(考慮到保密性問題，本文對(duì)具體數(shù)據(jù)進(jìn)行了修改，以下數(shù)據(jù)僅作示例):

平均違約概率 =0.015

平均違約損失率 =0.3

根據(jù)2003-2008年各打分卡行業(yè)的客戶數(shù)及違約客戶數(shù)，可以計(jì)算出各行業(yè)之間的違約相關(guān)性。

根據(jù)相關(guān)性表格中各行業(yè)之間的違約相關(guān)性數(shù)據(jù)，以各行業(yè)的客戶數(shù)占總客戶數(shù)的百分比為權(quán)重，可以求出各行業(yè)的加權(quán)平均違約相關(guān)性為:

=0.6

考慮該行現(xiàn)有數(shù)據(jù)系統(tǒng)的局限性，目前尚無法計(jì)算出各客戶之間的違約相關(guān)性，因此本文以各行業(yè)的加權(quán)平均違約相關(guān)性替代各客戶之間的違約相關(guān)性，由此可以計(jì)算出:

信貸資產(chǎn)組合的風(fēng)險(xiǎn)暴露總額EAD= =500000000000元

由此可以計(jì)算出信貸資產(chǎn)組合的預(yù)期損失為:

EL=D. . .A= . . =2250000000元

信貸資產(chǎn)組合的非預(yù)期損失額(即經(jīng)BET技術(shù)調(diào)整后的經(jīng)濟(jì)資本)為:

ECBET=UL= =

=12985565453元

四、結(jié)論

目前不論是在理論界還是實(shí)務(wù)界中，集中度風(fēng)險(xiǎn)的計(jì)量與管理仍是一個(gè)有待深入研究的課題。由于國內(nèi)各商業(yè)銀行普遍存在數(shù)據(jù)質(zhì)量不高的問題，因此違約相關(guān)性的處理成為集中度風(fēng)險(xiǎn)計(jì)量與管理中難以逾越的一個(gè)鴻溝。本文采用二項(xiàng)式擴(kuò)展技術(shù)的方法，通過對(duì)違約相關(guān)性的平均化處理，簡(jiǎn)化了理論分析中對(duì)相關(guān)性處理的難題，并以國內(nèi)某商業(yè)銀行的實(shí)際信貸數(shù)據(jù)為樣本，利用該方法進(jìn)行了實(shí)證分析。同時(shí)，本文還采用HHI指數(shù)的方法對(duì)該行的客戶集中度風(fēng)險(xiǎn)進(jìn)行了分析，以期為國內(nèi)各商業(yè)銀行在集中度風(fēng)險(xiǎn)的計(jì)量與管理方面提供一定的借鑒作用?！?/p>

參考文獻(xiàn):

[1] Andersen Leif， Sidenius Jakob. Extensions to the Gaussian Copula: Random Recovery and Random Factor Loadings[j]. Journal of Credit Risk， 2005， 1(1):29-70.

[2] BCBS. International Convergence of Capital Measurement and Capital Standards: A Revised Framework[R]. Basel: Comprehensive Version， 2004， June.

[3] Bonti， G.， M. Kalkbrener， C. Lotz and G. Stahl. Credit Risk Concentrations Under Stress[J]. Journal of Credit Risk， Vol. 2，No.3，115-136.

[4] Cifuentes A， O‘Connor，G. The Binomial Expansion Method Applied to CBO/CLO Analysis. Moody’s Investor Service， Special Report， 1996，December.

[5] Cifuentes A， Wilcox， C. The Double Binomial Method and Its Application to a Special Case of CDO Structures， Moody’s Investor Service， Special Report， 1998， March.

[6] Crouhy M， Galai D， Mark R. A Comparative Analysis of Current Credit Risk Models. Journal of Banking and Finance，2000，24: 59-117.

[7]DAS，S.R，D. Diffoe.N.Lapadia，L.Saita. Common Failings:How Corporate Defaults Are Correlated， Journal of Finance. 2007，Vol 62， No.1， Forthcoming.

[8] Deutsche Bundesbank. Concentrations risk in credit portfolios. Monatsbericht Juni 2006， Deutsche Bundesbank

[9] Duellmann， K. Measuring Business Sector Concentration by An Infection Model. Deutsche Bundesbank Discussion Paper (series 2)， 2006，No.3.

[10] Duellmann， K. and N.Masschelein，2006，Sector Concentration Risk in Loan Portfolios and Economic Capital， Deutsche Bundesbank Discussion Paper(series 2)， No.9， and National Bank of Belgium Working Paper，No.105.

[11]Duellmann， K， M. Scheicher and C. Schmieder，2006， Asset Correlations and Credit Portfolio Risk-An Empirical Analysis， Working Paper.

[12]Embrechts P， McNeil A， Straumann D ，2002， Correlation and Dependence in Risk Management: Properties and Pitfalls. In: Demster M and Moffatt HK (eds) Risk Management: Value at Risk and Beyond. Cambridge University Press， Cambridge: 176-223.

[13] 楊繼光，劉海龍，許友傳.商業(yè)銀行組合信用風(fēng)險(xiǎn)經(jīng)濟(jì)資本測(cè)度方法研究[J].金融研究，2009(4).