中國資本市場信用風(fēng)險傳染機制分析

任碧云，武 毅

(天津財經(jīng)大學(xué) 研究生學(xué)院，天津 300222)

一 引言

信用問題是市場經(jīng)濟的基石，資本市場的風(fēng)險很大程度上來自于信用危機，因此，信用問題備受資本市場上企業(yè)家的關(guān)注。2008年發(fā)源于美國的“次貸危機”最終演變成為全球性的金融危機，震驚全球資本市場。在此其中，最突出的問題就是資本市場的信用風(fēng)險?！按钨J危機”沖擊了全球很多大型金融機構(gòu)，各大資本市場的信用風(fēng)險暴露無遺。在全球經(jīng)濟一體化和自由化的過程中，金融衍生品成為資本市場重要工具之一，影響金融衍生品的主要因素就是資本市場的信用風(fēng)險。信用風(fēng)險的傳染會加大資本市場信用風(fēng)險的復(fù)雜程度，降低資本市場的信用風(fēng)險的透明度，相對于傳統(tǒng)的信用風(fēng)險，其變得更加難以測量和評定。因此，有效的分析資本市場信用風(fēng)險成為現(xiàn)階段資本市場的當(dāng)務(wù)之急。

資本市場之間的廣泛聯(lián)系和不斷增強的開放度，使共同違約事件發(fā)生的概率大大提高。對于信用風(fēng)險問題，傳統(tǒng)的分析方法為相關(guān)性分析，但是現(xiàn)階段的聯(lián)系不僅僅是線性相關(guān)關(guān)系，大多數(shù)為非線性的相關(guān)關(guān)系，因此傳統(tǒng)的分析信用風(fēng)險的方法存在一定的局限性［1］。

本文選取國內(nèi)2008年到2013年A 股上市的12 家公司①股票代碼分別為：000002sz、000651sz、000858sz、601111sh、600104sh、600519sh、300003sz、300017sz、300024sz、300026sz、300027sz、300058sz。，6 家規(guī)模較小的公司和6 家規(guī)模較大的公司，為了避免了傳統(tǒng)的GARCH 模型在測度資本市場信用風(fēng)險時的高估和虛假估計問題，本文在考慮金融變量的邊緣分布的前提下運用變結(jié)構(gòu)Copula 模型來檢驗資本市場信用風(fēng)險的傳染性，可以有效地避免黑箱估計并且使得估計結(jié)果更加的符合現(xiàn)實的情況，防止虛假估計的發(fā)生。

本文分為四個部分：第一部分為引言，闡述本文的現(xiàn)實背景、目的和研究意義，以及本文的主要研究內(nèi)容;第二部分為文獻綜述部分，闡述與本文研究主題相關(guān)的中國資本市場風(fēng)險相關(guān)文獻(系統(tǒng)風(fēng)險和非系統(tǒng)風(fēng)險的研究綜述)、信用風(fēng)險相關(guān)研究(信用風(fēng)險的測量和傳播)、風(fēng)險傳染相關(guān)研究(傳統(tǒng)模型和現(xiàn)代模型) ;第三部分，基于Copula 模型研究中國資本市場信用風(fēng)險傳染的實證分析;第四部分，基本結(jié)論和政策建議，總結(jié)本文主要的研究結(jié)論，從資本市場的信用體系建設(shè)和相應(yīng)的監(jiān)督體系建設(shè)闡述本文的政策建議。

二 相關(guān)文獻綜述

(一) 中國資本市場風(fēng)險相關(guān)研究綜述

資本市場的風(fēng)險根據(jù)其分類的標(biāo)準(zhǔn)不同分為不同的類別，一般認(rèn)為資本市場的風(fēng)險分為系統(tǒng)性風(fēng)險①系統(tǒng)性風(fēng)險：主要包括，政策風(fēng)險、經(jīng)濟周期性波動風(fēng)險、利率風(fēng)險、購買力風(fēng)險、匯率風(fēng)險等。和非系統(tǒng)性風(fēng)險②非系統(tǒng)性風(fēng)險：主要包括，財務(wù)風(fēng)險、經(jīng)營風(fēng)險、信用風(fēng)險、偶然事件風(fēng)險等。。

對于系統(tǒng)性風(fēng)險的研究，主要從其定義、成因、類別和測量四個方面進行了研究：系統(tǒng)性風(fēng)險的定義方面，雖然有很多研究，但是目前對銀行系統(tǒng)性風(fēng)險還是沒有統(tǒng)一的、精確的定義，都是根據(jù)其研究的樣本做出其定義，總結(jié)而言國內(nèi)外對系統(tǒng)性風(fēng)險概念表述主要有以下觀點：銀行業(yè)的傳染風(fēng)險就是銀行系統(tǒng)性風(fēng)險［2］(Jarrow，2000) ;金融資產(chǎn)價格導(dǎo)致系統(tǒng)風(fēng)險［3］(Rachev，2005) ;考慮整個金融系統(tǒng)的相關(guān)聯(lián)導(dǎo)致系統(tǒng)風(fēng)險［4－5］(Dimakos，2004、2007) ;國內(nèi)的學(xué)者(林宇，2009;王寶，2008;劉慶富，2008;盧斌，2010) 也對系統(tǒng)風(fēng)險做出了研究，認(rèn)為資本運營失敗導(dǎo)致的系統(tǒng)風(fēng)險。系統(tǒng)性風(fēng)險的成因較多主要有：資本組合原因［10］(Mitschele，2008) ;資本的存貸和引用［11］(Rosenberg，2006) ;資產(chǎn)方面的收益相關(guān)性導(dǎo)致的共同失敗風(fēng)險［12］(Prasanna，2010) ;系統(tǒng)間的相互關(guān)系導(dǎo)致［13］(Asghar，2010) ;信息效應(yīng)［14］(Paolo，2011) ;國際貨幣體系、金融制度、交易方式等方面［15］(Basel Committee on Banking Supervision，2010) ;內(nèi)部關(guān)系和外部環(huán)境［16］(Marco，2004) 。系統(tǒng)性風(fēng)險的產(chǎn)生由資本市場內(nèi)外環(huán)境條件共同作用的結(jié)果，與一般的風(fēng)險相比，系統(tǒng)性風(fēng)險有其自身的特征：風(fēng)險的客觀性、經(jīng)濟性、主體的廣泛性和普遍性、區(qū)域性特點及局部放大效應(yīng)、明顯的外部性等［17］(Feng，2009) 。對于系統(tǒng)性風(fēng)險度量方法，總結(jié)來看主要有五種：由信息而導(dǎo)致的系統(tǒng)性風(fēng)險度量方 法［18］(Aleksiejuk，2001) ;系統(tǒng)性 風(fēng)險監(jiān) 控(SRM) 模型［19］(Xin，2009) ;基于系統(tǒng)風(fēng)險管理的測度方法［20］(Gutllero，2002) ;計量GARCH 模型［21］(Hull，2007) ;銀行間市場的系統(tǒng)性風(fēng)險度量方法［22］(Elsinger，2006) 。

對于非系統(tǒng)性風(fēng)險的研究，現(xiàn)代研究比較成熟。非系統(tǒng)風(fēng)險，是指發(fā)生于個別公司的特有事件造成的風(fēng)險，純粹由于個股自身的因素引起的個股價格變化以及由于這種變化導(dǎo)致的個股收益率的不確定性。非系統(tǒng)風(fēng)險可以通過投資者的多樣化投資來分散，與資本市場無關(guān)，但必須花費的成本。

(二) 信用風(fēng)險相關(guān)研究綜述

信用風(fēng)險指受信人不能按契約規(guī)定履行還本付息的責(zé)任而使受信人的預(yù)期收益與實際收益發(fā)生偏離的可能性。對于信用風(fēng)險的研究多數(shù)集中在測量方面。其可以分為傳統(tǒng)的信用風(fēng)險計量方法和現(xiàn)代的信用風(fēng)險測量方法。傳統(tǒng)的信用風(fēng)險計量方法包括：專家法［23］(唐健，2012)、貸款評級分級法［24］(宋群英，2011)、財務(wù)分析法孫彬［25］(2009)、信用評分法［26］(劉湘云，2010) 。傳統(tǒng)的信用風(fēng)險測量方法只能關(guān)注一個方面的指標(biāo)，難以綜合全面的因素，而且各個因素之間的相互影響關(guān)系沒有測量清楚，難以避免多重共線性問題。現(xiàn)代的信用風(fēng)險測量方法主要包括：結(jié)構(gòu)模型③1974年Robert·Merton 依據(jù)期權(quán)定價模型為基礎(chǔ)研究給出了第一個計量企業(yè)債務(wù)違約的結(jié)構(gòu)法模型和簡約模型。。之后陳庭強［27］(2012)、李永濤［28］(2010)、張方舟［29］(2014) 對結(jié)構(gòu)方程模型做出了進一步的研究。然而結(jié)構(gòu)方程模型也有自身的缺點：第一，其為典型的理論模型，實際操作性較差;第二，其假設(shè)之一是違約概率與公司資產(chǎn)價值負(fù)相關(guān)，與負(fù)債規(guī)模正相關(guān)，并且需要信息完全對稱，難以與實際相符合;第三，對于短期的估計結(jié)構(gòu)會失真;第四，結(jié)構(gòu)法模型對突發(fā)事件引至的信用風(fēng)險預(yù)測具有局限性。為了解決這些問題，簡約模型被提出。之后簡約模型也得到了長足的發(fā)展［30－32］(殷曉時、2012，李詠梅、2007，李強、2009) 。簡約模型加入了不確定性的違約事件使得模型更加現(xiàn)實，操作性更強。

(三) 風(fēng)險傳染相關(guān)研究綜述

信用風(fēng)險傳染使得資本市場信用風(fēng)險后果嚴(yán)重。金融危機之前對于風(fēng)險的傳染主要集中在企業(yè)的違約行為，近年來信用風(fēng)險的傳染機制備受學(xué)者的關(guān)注。袁峰［33］(2008) 研究一個人的債務(wù)風(fēng)險轉(zhuǎn)化成高級債務(wù)風(fēng)險;焦翠影［34］(2005) 在強度模型中加入企業(yè)信用風(fēng)險因素，建立強化的企業(yè)信用違約強度模型，但是此模型只適用于單向傳染，沒考慮反向傳染;吳厚慶［35］(2002) 在王倩［36］(2008) 研究之上指出，其違約的強度可以劃分為不同的等級，其首先建立一個條件有限狀態(tài)馬爾可夫鏈，由違約概率組成，運用隨機過程和科摩羅夫等式進行分級測度;何海鷹［37］(2009) 引入信息不對稱的情況下，從信息不充分的視角闡述信用風(fēng)險的傳染機制，即投資方對債務(wù)人的違約風(fēng)險是信息不完全的，債務(wù)人真正違約風(fēng)險是無法完全測量的，也依賴于其他參與者的參與;秦振江［38］(2007) 首先將企業(yè)分為質(zhì)量高低的兩類，依據(jù)其財務(wù)狀況泊松分布進行狀態(tài)變化預(yù)測，以此找出主要的指標(biāo)進行指標(biāo)觀測;唐?。?9］(2012) 在王偉［40］(2007) 研究的基礎(chǔ)之上，引入緩沖變量以此來控制外部影響;馬慶琰［41］(2007) 沿襲了以前的企業(yè)分類方案，將其為兩類。

信用風(fēng)險傳染對于研究信用的組合，其內(nèi)部相關(guān)性問題，有重要的意義。在中國近年來資本市場開始普遍使用各種金融信用風(fēng)險產(chǎn)品，學(xué)術(shù)界也開始關(guān)注其中相關(guān)因素的傳染性問題，因此，在考慮新的金融產(chǎn)品的風(fēng)險度量時需要考慮信用風(fēng)險傳染問題，從而能比較準(zhǔn)確地估計出總體風(fēng)險。

三 基于Copula 模型的中國資本市場信用風(fēng)險傳染實證分析

(一) 模型設(shè)定——Copula 模型

Sklar 在1959 提出了Copula 函數(shù)，其主要用于概率分布統(tǒng)計方面，直到1999年Copula 函數(shù)作為相關(guān)性分析和多元統(tǒng)計分析的工具，才開始廣泛地應(yīng)用到資本市場測量領(lǐng)域。

Sklar 定理：對于一個具有一元邊緣分布F1，…FN的聯(lián)合分布函數(shù)，一定存在Copula 函數(shù)，滿足：F(x1，…xn，…xN)=C(F(x1)，…F(xn)，…，F(xiàn)(xN)) 。若F1，…FN連續(xù)，則C 是唯一確定的，并且F1，…FN為隨機變量的邊緣分布，即可確定F 為F1，…FN的聯(lián)合分布函數(shù)。

進一步，令un=Fn(xn) 為隨機的一維變量，并且un∈［0，1］，n=1，2，3…N，則可確定為是一個在N 維［0，1］空間上的具有［0，1］的均勻分布的邊緣多元分布函數(shù)，即為Copula 函數(shù)。

N 元分布密度函數(shù)：

fn是邊緣分布Fn的密度函數(shù)，Copula 函數(shù)的一大優(yōu)點之一為F(x1)，…F(xn)，…，F(xiàn)(xN) 作為N 個邊緣函數(shù)可以不相同，及其邊緣分布函數(shù)的類型可以為多種分布函數(shù)的組合。

R 為相關(guān)系數(shù)，兩上邊緣分布都為正態(tài)分布，其上限：

φ(－u) 為標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆、φ(－v) 為標(biāo)準(zhǔn)正態(tài)分布函數(shù)的逆。

Student－t 的Copula 函數(shù)：

其中R 為相關(guān)系數(shù)，tv－1(u)、tu－1(v) 為自由度為v 的標(biāo)準(zhǔn)t 分布函數(shù)的逆。

其他的一些Copula 函數(shù)可有上述兩類Copula函數(shù)構(gòu)造產(chǎn)生。

(二) 變量的選取及數(shù)據(jù)的來源說明

1.變量的選取

本文的主要變量為sh 代表上證300 金融指數(shù)日收益率，sz 代表深證成指日收益率，主要來源于上交所和深交所的數(shù)據(jù)，可以直接查找。資本市場信用風(fēng)險的違約距離(DD) 和違約概率(EDF) 。

資本市場信用風(fēng)險的違約距離(DD) 和違約概率(EDF) 由KMV 模型①其運用期權(quán)定價理論，將債權(quán)看作債權(quán)人對負(fù)債公司的股東出售的對公司價值的看跌期權(quán)(賣權(quán)) 。期權(quán)的標(biāo)的資產(chǎn)為公司資產(chǎn)，執(zhí)行價格為公司的債務(wù)價值，即(STD 為信用風(fēng)險短期負(fù)債;LTD 為信用風(fēng)險長期負(fù)債)。計算而得，再根據(jù)統(tǒng)計的實證分析得出違約發(fā)生最頻繁的臨界點處的長期負(fù)債，令γ=0.5。伊藤引理可得公司股票波動率：，進而可得：

2.數(shù)據(jù)的來源及其說明

本文選取國內(nèi)2008年到2013年A 股上市的12 家公司，6 家規(guī)模較小的公司和6 家規(guī)模較大的公司，原始數(shù)據(jù)均來自銳思、國泰安、上交所和深交所年報數(shù)據(jù)資料。涉及的行業(yè)包括銀行、制造業(yè)、保險公司以及房地產(chǎn)企業(yè)。本文將研究分為四時期：第一時期是2008年1月—2009年12月，為金融危機前期;第二時期是2010年1月—2010年12月，為金融危機前后期;第三時期是2011年1月—2011年12月，為金融危機中后期;第四時期是2012年1月—2012年12月，為金融危機后期。

(三) 模型的估計

1.數(shù)據(jù)的處理

第一，本文選取的數(shù)據(jù)的描述性統(tǒng)計如下表1所示：

表1 數(shù)據(jù)描述性統(tǒng)計表

第二，單位根檢驗

為了防止出現(xiàn)偽回歸的現(xiàn)象，因此首先我們對所有的時間序列數(shù)據(jù)進行ADF 單位根檢驗，其檢驗結(jié)果如下表2 所示：可見之滯后兩期后無單位根。

表2 單位根檢驗

第三，格蘭杰(granger) 因果檢驗

分別對樣本的四個時期進行格蘭杰檢驗，取5%的置信水平作為參考標(biāo)準(zhǔn)。四個時期的因果關(guān)系如表3 所示：

表3 格蘭杰因果檢驗

從上述因果分析中可以看出，在金融危機發(fā)生前后而二者都呈現(xiàn)因果關(guān)系，因此信用風(fēng)險導(dǎo)致了短期債務(wù)向長期債務(wù)的轉(zhuǎn)變。

2.模型的估計結(jié)果

將樣本數(shù)據(jù)利用極大似然估計期邊緣分布模型期參數(shù)估計值如下表4 所示：

表4 參數(shù)估計值

由F 值可見，回歸無虛假回歸。

(四) 模型的討論

為了計算sh 和sz 的信用風(fēng)險傳染的相關(guān)關(guān)系，對其進行K－S 統(tǒng)計分析，其分析結(jié)果如下表5所示：

表5 sh 和sz 相關(guān)結(jié)構(gòu)

ρ 代表相互關(guān)系的大小，從第2期之后，該系數(shù)急劇變大，其系數(shù)由0.056 漲到0.2，而在影響因素眾多的金融資本市場中，相關(guān)系數(shù)達到0.2，可以說明其相關(guān)性較強。其可見sh 和sz 的信用風(fēng)險傳染具有很強的相關(guān)關(guān)系。

進一步計算樣本的違約距離(DD) 和違約概率(EDF)，如下表6 所示：

表6 樣本的DD 和EDF

根據(jù)上表的結(jié)果可知，不同的證券交易市場的信用風(fēng)險的違約距離和概率也是不同的，其上海證券交易所的違約的距離都在(2.18—2.34)，深圳證券交易所的違約距離都在(0.55—3.45)，其中創(chuàng)業(yè)板的違約距離為(0.55—1.79)，上海證券交易所和深圳證券交易所的股票的違約概率的范圍為(0.11—0.41)，其信用風(fēng)險的傳染概率都大于0.1，最大的甚至達到0.41?？梢娦庞蔑L(fēng)險在滬市和深市市場交易群體之間可以相互傳染。根據(jù)上述結(jié)果可知，由于信用風(fēng)險在股票市場是存在的，而且根據(jù)上述分析上海證券交易所和深圳證券交易所之間的股票交易存在信用風(fēng)險的相互傳染性，因此要時刻的關(guān)注股票的跨市場交易的信用違約風(fēng)險的傳染，并且要關(guān)注股票信用風(fēng)險的傳染，監(jiān)管部門要時刻警惕信用風(fēng)險的傳染。

四 結(jié)論與建議

(一) 基本結(jié)論

第一，依據(jù)格蘭杰因果檢驗，實證驗證由于信用風(fēng)險導(dǎo)致了資本市場額短期負(fù)債變成了長期負(fù)債;第二，運用極大似然估計了四個時期中國資本市場的Copula 函數(shù)的邊緣分布;第三，依據(jù)KMV 模型運用所得到的數(shù)據(jù)計算出其違約距離(DD) 和違約概率(EDF) 。

(二) 政策建議

一是要完善資本市場的信用體系建設(shè)。首先，完善資本市場主體——上市公司的法人治理結(jié)構(gòu)，按照現(xiàn)代企業(yè)法人治理結(jié)構(gòu)，建立健全股東大會、董事會、監(jiān)事會三者之間的權(quán)力制衡機制，明確各專業(yè)委員的職責(zé)，提升董事、監(jiān)事的履職能力，依照議事規(guī)則行事，并且進一步完善進入和市場退出機制，在一定程度上促進資本市場規(guī)范化的信用秩序。其次，完善資本市場中介機構(gòu)的信用建設(shè)，保持其獨立性，完善對其管理的制度建設(shè)，同時要加強其從業(yè)人員的職業(yè)道德建設(shè)。

第三，完善資本市場的法制建設(shè)，以立法的形式將一些資本操作的違法行為進行立法;在此基礎(chǔ)上建立資本市場民事賠償制度，保護中小投資者的利益，促使資本市場主體自覺的加強自身的信用建設(shè)。第四，完善培育機制，大力培養(yǎng)專業(yè)化、國際化、規(guī)范化的資本市場機構(gòu)投資者，樹立理性的投資理念。

二是要建立資本市場信用的監(jiān)督體系。首先，資本市場的監(jiān)管部門要當(dāng)好裁判員，制定符合中國國情的監(jiān)管法規(guī)。其次，充分利用信息披露和虛假披露懲罰手段，通過信息披露使得企業(yè)的投資者更多的了解企業(yè)的經(jīng)營和生產(chǎn)，對企業(yè)的了解越多，信息對稱越強，因而市場的信用水平會越高;虛假披露懲罰制度則是從成本角度促進企業(yè)的信息披露和其信息的真實性、有效性。第三，真正發(fā)揮市場規(guī)律作用，投資者通過自己的貿(mào)易買賣對上市公司的信用風(fēng)險進行鼓勵和懲罰，從而達到監(jiān)督約束的作用，降低資本市場的信用風(fēng)險。

［1］Basel Committee on Banking Supervision.International Convergence of Capital Measurement and Capital Standards：A Revised Framework Comprehensive Version［M］.Basel，Switzerland，Bank for International Settlements，2006.

［2］Jarrow R A，Turnbull，S M.The intersection of market and credit risk ［J］.Journal of Banking and Finance，2000(24) ：271－299.

［3］Rachev S T，Menn C，F(xiàn)abozzi F.FatTailed and Skewed Asset Return Distributions：Implications for Risk Management，Portfolio selection，and Option Pricing ［M］.New York：John Wiley，2005.

［4］Dimakos X K，Aas K.Integrated risk modeling［J］.Statistical Modelling，2004(4) ：265－277.

［5］Dimakos X K，Aas K.Risk capital aggregation［J］.Risk Management，2007(9) ：82－107.

［6］林 宇.中國股市與國際股市的極值風(fēng)險傳導(dǎo)效應(yīng)研究［J］.中國管理科學(xué)，2009(4) ：36－43.

［7］王 寶，肖慶憲.我國金融市場間風(fēng)險傳染特征的實證檢驗［J］.統(tǒng)計與決策，2008(11) ：78－79.

［8］劉慶富，張金清，華仁海.LME 與SHFE 金屬期貨市場之間的信息傳遞效應(yīng)研究［J］.管理工程學(xué)報，2008，2(2) ：155－159.

［9］盧 斌，華仁海.基于MCMC 方法的中國期貨市場流動性研究［J］.管理科學(xué)學(xué)報，2010，13(9) ：98－102.

［10］Mitschele1 A，Schlottmann F，Seese D.Integrated risk management：Risk aggregation and allocation using intelligent systems ［J］.Computational Methods in Financial Engineering，2008(5) ：317－342.

［11］Rosenberg J V，Schuermann T.A general approach to integrated risk management with skewed，fat－tailed risks［J］.Journal of Financial Economics，2006，79：569－614.

［12］Prasanna Gai，Sujit Kapadia.Contagion in financial networks［J］.Proceedings of the Royal Soliety A，2010(8) ：2401－2423.

［13］Asghar Ali，Kevin Daly.Macroeconomic determinants of credit risk：Recent evidence from a cross country study［J］.International Review of Financial Analysis，2010(19) ：87－91.

［14］Paolo Emilio Mistrulli.Assessing financial contagion in the interbank market：Maximum entropy versus bserved interbank lending patterns［J］.Journal of Banking ＆ Finance，2011(2) ：35－45.

［15］Basel Committee on Banking Supervision.Basel III：International framework for liquidity risk measurement，standards and monitoring ［R］.Bank of international settlements，2010，10.

［16］Marco Sorge.Stress－testing financial systems：an overview of current methodologies［R］.BIS Working Paper，2004(05) ：231－242.

［17］Feng J，Chen J，Li J.Operational risk measurement via the loss distribution approach［C］.Proceedings of 2009 IEEE International Conference on Grey Systems and Intelligent Services，Nanjing，China，2009(11) ：1744－1748.

［18］Aleksiejuk A，Holyst J A.＆ Kossinets，G.Self－organized criticality in a model of collective bank bankruptcies［J］.Journal of Modern Physics C，2001(13) ：25－34.

［19］Xin Huang，Hao Zhou and Haibin Zhu.A framework For Assessing the systemic risk of major financial institutions［J］.Journal of Banking ＆ Finance，2009(3) ：24－27.

［20］Gutllero A.Calvo，Carmen M.Reinhart.Fear of Floating［J］.Quarterly Journal of Economics，2002(117) ：379－408.

［21］Hull J.Risk Management and Financial Institutions［M］.Pearson Education，2007.

［22］Elsinger H，Lehar A.Risk assessment for banking systems［J］.Management Science，2006，52(9) ：1301－1314.

［23］唐 健.基于KMV 模型的資本市場信用風(fēng)險動態(tài)管理實證研究［J］.現(xiàn)代商貿(mào)工業(yè)，2012(4) ：142－143.

［24］宋群英.基于copula 函數(shù)的系統(tǒng)重要性銀行的傳染性研究［J］.金融與經(jīng)濟，2011(10) ：12－17.

［25］孫 彬，楊朝軍，于 靜.基于copula 函數(shù)的國際證券市場傳染效應(yīng)實證分析［J］.上海交通大學(xué)學(xué)報，2009(4) ：543－549.

［26］劉湘云，高明瑞.基于變結(jié)構(gòu)copula 模型的金融危機傳染效應(yīng)實證分析——以中美股票市場為例［J］.南京郵電大學(xué)學(xué)報，2010(2) ：64－67.

［27］陳庭強，何建敏.CRT 市場信用風(fēng)險傳染機制研究［J］.金融發(fā)展研究，2012(10) ：28－33.

［28］李永濤.基于KMV 模型的上市公司信用風(fēng)險研究［J］.商業(yè)時代，2010(25) ：63－64.

［29］張方舟.KMV 模型在我國的股票市場信用風(fēng)險實證分析［J］.經(jīng)營管理者，2014(3) ：186－187.

［30］殷曉時.證券投資風(fēng)險控制微觀分析［J］.企業(yè)家天地，2012(1) ：72－74.

［31］李詠梅，田增瑞.現(xiàn)代信用風(fēng)險研究綜述［J］.統(tǒng)計與決策，2007(10) ：109－112.

［32］李 強.我國保險資金投資股票市場問題研究［D］.蘇州：蘇州大學(xué)碩士論文，2009.

［33］袁 峰，莊生龍，姚彩霞.論中小企業(yè)投資風(fēng)險管理體系的實施［J］.沿海企業(yè)與科技，2008，02－20.

［34］焦翠影.中小企業(yè)投資者的投資風(fēng)險分析［J］.管理科學(xué)文摘，2005(2) ：85－87.

［35］吳厚慶，單緒平.中國資本市場信用建設(shè)的現(xiàn)狀及改革取向［J］.寧夏社會科學(xué)，2002(2) ：26－31.

［36］王 倩，Hartmann－Wendels，王煦逸.信用風(fēng)險傳染綜述［J］.金融理論與實踐，2008(4) ：92－95.

［37］何海鷹.基于Copula 理論的信用風(fēng)險研究［D］.廈門：廈門大學(xué)博士論文，2009.

［38］秦振江，孫廣華，閆同新，宋 華，張 婧.基于Copula函數(shù)的聯(lián)合概率法在海洋工程中的應(yīng)用［J］.海洋預(yù)報，2007(2) ：85－92.

［39］王 偉，汪繼年.中國資本市場信用缺失的現(xiàn)狀、成因及對策［J］.甘肅行政學(xué)院學(xué)報，2007(4) ：85－92.

［40］唐 健.基于KMV 模型的資本市場信用風(fēng)險動態(tài)管理實證分析［J］.現(xiàn)代商貿(mào)工業(yè)，2012(4) ：142－143.

［41］馬慶琰.基于CAPM 對上市公司β 值的調(diào)整［D］.成都：西南財經(jīng)大學(xué)碩士論文，2007.