金融关联网络构建及其对商业银行信用风险影响研究开题报告

1. 研究目的与意义

商业银行承担着信用创造与信用中介的职能，在调节经济，为企业提供贷款，促进储蓄向投资转化方面都有重大作用，是我国国民经济中关键的一环。商业银行的业务会受到如利率，存款准备金率等一些共同因素的影响，这使得外部条件的变化对商业银行的影响是相似的，此外由于资金周转问题，商业银行之间存在同业拆借等行为，这多种因素共同作用导致了信用风险会在商业银行之间传播的问题。

随着金融的发展，银行之间同业拆借、贴现、承兑等行为大量发生，在商业银行之间构成了复杂的相关关系，这导致信用风险传染的概率以及信用风险传染导致的潜在损害都随之上升，因此对风险传染问题需要更加关注。基于网络视角有助于更直观的把握商业银行之间存在的相关关系，并且通过聚类系数、平均路径长度等量化指标可以对网络内部结构进行刻画。

2. 研究内容和预期目标

本文选取16家上市商业银行股票日收盘数据计算得到对数收益率，计算出其相关系数矩阵并使用阈值法构建网络，研究可视网络结构以及网络拓扑指标在时间维度上的变化。计算商业银行违约距离代表银行信用风险的大小，选取有代表性的指标通过主成分分析法降维后将代表节点关联强度指标q和bi等一系列宏观指标对违约距离进行线性回归并重点研究网络结构值q与违约距离关系，从而得到违约距离与网络结构之间的关联，本文分为5个部分。

第一部分是引言，主要介绍学术界对于金融关联网络构建、基于网络视角的银行信用风险研究、kmv模型以及基于主成分分析对信用风险的研究。

第二部分是相关理论基础，主要介绍本文中所需要使用的模型原理。

3. 国内外研究现状

国外：

kim（2002）在衡量网络内部节点与其他节点关联程度强弱时，将每个节点与其他节点之间相关系数之和定义为影响强度因子q，定义式为qi=i≠jnρij。battiston（2012）等通过研究发现网络的中心性对信用风险传染起非常重要的影响。papadimitriou（2013）等提出通过复杂网络模型找出网络中的核心银行从而有针对性的进行监管可以更有效的控制信用风险。caccioli（2014）等通过网络视角研究发现多元组合投资对银行个体有利，但可能会加剧系统风险的传染。kollr（2015）等将kmv模型和merton模型进行对比研究发现kmv模型对于上市公司而言数据更易获取，并且模型的适用性更好。

国内：

4. 计划与进度安排

先利用股票数据构建网络，然后构建不同阈值下的可视化网络，再研究网络的不同拓扑指标随时间演化的趋势。

计算违约距离以测算信用风险，使用之前计算的网络结构值对违约距离进行回归分析，研究网络结构值的系数从而得到网络结构值对于信用风险的影响。

5. 参考文献

[1]boris kollr,ivanaweissov,anna siekelov.comparative analysis of theoretical aspects in credit risk models[j]. procediaeconomics and finance,2015,24:331-338.

[2]caccioli f,shrestha m, moore c, et al. stability analysis of financial contagion due tooverlapping portfolios[j]. journal of banking amp; finance, 2014, 46: 233-245.

[3]kim h j, kim i m,lee y, et al. scale-free network in stock markets[j]. journal of the korean physicalsociety, 2002, 40(6): 1105-1108.