农业信贷补贴论（Subsidized Credit Paradigm）——在农村金融理论的演变过程中，主要有农业信贷补贴论、农村金融市场论和不完全竞争市场理论。 农业信贷补贴论的概述 所谓农业信贷补贴论是20世纪80年代以前处于主导地位的农村金融理论。该理论支持信贷供给先行的农村金融战略。该理论的前提是：农村居民、特别是贫困阶层没有储蓄能力，农村面临的是慢性资金不足问题。而且由于农业的产业特性 (收入的不确定性、投资的长期性、低收益性等)，它也不可能成为以利润为目标的商业银行的融资对象。该理论因此得出结论：为增加农业生产和缓解农村贫困，有必要从农村外部注入政策性资金、并建立非营利性的专门金融机构来进行资金分配。 根据该理论，为缩小农业与其他产业之间的结构性收入差距，对农业的融资利率必须较其他产业为低。考虑到地主和商人发放的高利贷及一般以高利率为特征的非正规金融，使得农户更加穷困和阻碍了农业生产的发展，为促使其消亡，通过银行的农村支行和农业信用合作组织，将大量低息的政策性资金注入农村。同时，以贫困阶层为目标的专项贷款也兴盛一时。 农业信贷补贴论的缺陷 农业信贷补贴论存在固有的缺陷，主要表现在： (1)如果农民存在可以持续得到廉价资金的预期，那么农民就缺乏储蓄的激励，这使得信贷机构无法动员农村储蓄以建立自己的资金来源，从而农业信贷成为纯粹的财政压力； (2)当低的利率上限使得农村贷款机构无法补偿由于贷款给小农户而造成的高交易成本时，那么官方信贷的分配就会偏向于照顾大农户，这使得低息贷款的主要受益人不是农村的穷人，低息贷款的补贴被集中并转移到使用大笔贷款的较富有的农民身上； (3)政府支持的、不具有多少经营责任的农村信贷机构缺少有效地监督其借款者投资和偿债行为的动力，这样会造成借款者故意拖欠贷款。 农业信贷补贴论的评价分析 对消除贫困贡献最大的，可能既不是贷款也不是储蓄，而是建立一种可持续发展的金融机制。而农业信贷补贴政策会逐渐损害金融市场的可持续发展能力，导致信贷机构活力的衰退，这最终使得农业信贷补贴政策是代价高昂，但收效甚微。实践表明，农业信贷补贴论下的专门农业贷款机构，从未发展成为净储户与净借款者之间真正的、有活力的金融中介。 农业信贷补贴理论虽然支持一种（信贷）供给先行的农村金融战略，但其假设前提本身是错误的。事实上，即使是贫困农户，也有储蓄需求。许多亚洲国家的经验表明，如果存在储蓄的机会和激励机制，大多数贫困者会进行储蓄。许多经验表明，低息贷款政策很难实现其促进农业生产和向穷人倾斜的收入再分配目标。由于贷款的用途是可替换的，低息贷款不太可能促进特定的农业活动。低息贷款的主要受益人不是农村穷人，低息贷款的补贴可能被集中并转移到使用大笔贷款的较富有的农民身上。 农村金融市场论最终替代农业信贷补贴论的主流地位，是因为它是规范分析和实证分析的综合结果，也是迄今为止数十年农村金融实践的结果。
实际目标法（Real Targets Approach） 实际目标法的内涵 实际目标法是把名义汇率作为政策工具来调整实际汇率，与支出（吸收）政策一道，尤其是财政政策，共同实现内外经济平衡的目标。实际目标法的理论基础是利用支出转换和支出增减政策实现内外均衡的依赖经济模型。Weiss认为，假定宏观经济本身不能使实际汇率产生期望的变化，名义贬值至少在短期到中期内会产生实际效果，这种方法从根本上要求以汇率灵活管理为基础采取谨慎汇率政策。实际目标法的最终目标是一些实际经济变量，如经常账户或者经济增长率。在现实中，政府可以保持实际汇率基本不变，或者保持名义汇率接近于购买力平价指数，汇率的变化可以与国内货币的增长率，国内价格的变动，或者是与本国与外国通货膨胀率之差相关联。 实际目标法的实践 Branson和De Macedo列举了“刚性”经济体中实际目标法的例子，主张在这种经济体中，由于以本币计价的进口支出和出口收入会随汇率的变化而成比例上升，以实际贬值作为稳定政策不是很有效。但这并不意味着名义汇率在面对通货膨胀时而保持不变。在固定汇率下，进口税与出口补贴将不得不提高以应对贸易平衡的潜在恶化，这样将会导致黑市升水，可是中央银行发现保持名义汇率不变是很难的。相反，如果将名义汇率的变化确定为货币增长率，进出口竞争部门就会从利润紧缩中得救。结果是，不管初始条件如何，以外币计价的贸易余额不变，贸易余额就与国内的通货膨胀相隔离。 实际目标法的问题 Montiel和Ostry指出，实际目标法的潜在优势是它可以减少实际汇率的波动并且可以保持外部竞争力，扩大一国的出口，进而增加其增长潜力。实际目标法的主要成本是潜在的通货膨胀，尽管恶性的通货膨胀不太可能发生。 基本上，名义锚方法和实际目标法的争论都是围绕着通货膨胀和外部竞争力的取舍展开的。名义锚方法可以打破通货膨胀惯性，较早形成的共识提倡在转轨的早期阶段应该采纳固定汇率制作为反通货膨胀的锚，但是转轨国家经验动摇了采纳名义锚方法的理由，名义锚方法可能不能通过借助公信力履行其降低通货膨胀的承诺，应该通过合理的财政纪律从根本上解决通货膨胀，创新的汇率安排在反通货膨胀的实践中所起作用是有限的。实际上，大多数转轨国家目前采取的是灵活的汇率制度。 实际目标方法在通货膨胀和竞争力取舍中倾向于竞争力，采用其他的经济政策应对通货膨胀。这种方法存在的问题是，在转轨国家中汇率的变化是否起作用；如果起作用，汇率变化的规则是什么；为了这些变化，应该做怎样的制度性安排？假如一个转轨国家采纳了这种方法，首要问题就是这种方法可能会带来哪些好处？更尖锐的问题是，如果保持温和的通货膨胀，如何通过汇率的变化保持外部竞争力。
筛选—监测—诊断法 筛选是指将各种风险因素进行分类，确定哪些风险因素会明显地引起损失，哪些因素需要进一步地研究，哪些因素由于不重要应该排除出去。监测是指对筛选出来的结果进行观测、记录和分析，掌握这些结果的活动范围和变动趋势。诊断是指根据检测的结果进行分析、评价和判断，对风险进行识别。
实际波动率（Realized Volatility，RV） 什么是实际波动率 度量波动率的方法，大体上可分为参数法和非参数法两类。参数法指的是利用一定的参数模型来度量波动率，波动率变量是内嵌于模型中的。典型的有ARMA模型、GARCH模型和SV模型。非参数法指的是利用日交易数据按一定的方法直接计算而得。典型的有收益方差、日收益绝对值等。理论和实证表明（ABDL(2001)），上述这些方法都不足以精确地度量波动率，都还存在较大的误差。其内在的原因可能是样本所包含的信息的不足，因此，国外新近的研究将度量波动率的方法转向了利用高频率数据的非参数方法上。 Andersen等（1998,2001）提出了一种度量波动率的新方法，称之为实际波动率（Realized Volatility），是通过加总某一频率下的日内分时数据的收益平方来得到真实波动率的一个估计。 理论证明：在日内频率选取适当的情形下，该估计量是真实波动率的无偏一致且有效的估计量。因此，近期国外大量的文献致力于利用高频样本数据来研究非参数的实际波动率。而对于最优样本频率的选取，则成为计算实际波动率过程中最为关键的问题。若样本频率过小，则不会得到真实波动率的一个一致的估计量；若样本频率过大，由于收益受到市场微观结构噪声的影响，度量结果会有较大的误差。因此，最优的样本频率一定存在且是某个中间值，它可以对这两方面的制约进行平衡。 实际波动率背景及算法简介 实际波动率的理论背景主要是基于收益分解和二次变动理论。 假定N×1对数价格向量Pt，遵循如下多变量连续时间随机波动扩散模型： dPt = μtdt + ΩtdWt (1) Wt表示N维布朗运动过程，Ωt为N×N维正定扩散矩阵，且严格平稳。条件于样本路径特征μt和Ωt下，在[t，t+h]上连续复合收益为： rt + h,h = Pt + h − Pt (2) 公式 实际波动率与GARCH的比较 1、预测精度 ABDL(2001b)提出了VAR—RV模型，即所谓的长记忆高斯向量自回归对数实际波动率模型，并且用第T日的实际波动率分别和VAR—RV及GARCH(1，1)利用直到T一1日的信息预测第T日的波动率的结果比较，发现VAR—RV的预测精度远优于GARCH(1，1)的预测精度。 因为GARCH(1，1)用到的是直到T一1日的日收益平方，而VAR—RV利用的却是直到T一1日的日内收益数据，它是基于长记忆的动态模型。这是它优于前者的关键。GARCH(1，1)模型在预测精度方面的不足并不是模型本身的错，而是在日收益中的噪声使得GARCH模型在预测方面显得力不从心，相反却体现了用日内数据来预测波动率的功效。正如ABDL(2001a)指出“二次变动理论揭示：在适当的条件下，RV不仅是日收益波动的无偏估计量，而且渐进地没有度量误差。” 2、在处理多变量方面 GARCH模型通常是针对单变量的，虽然多元的ARCH类模型和随机波动模型也被提出了，如[[]Bollerslv]]、Engle、Nelson(1994)、Ghysels、Harvey、E.Renault(1996)和K.Kroner，Engle（Ng）(1998)，但这些模型由于受到维度限制问题(curse —of—di．mensionality)而严重影响了它们的实际应用。而RV在处理多元方面显得游刃有余。正如ABDL(2001b)指出“用多元分形求积高斯向量自回归来处理对数实际波动率，和由ARCH类及相关模型所得结果相比，发现前者有惊人的优势。”
随机规划与随机控制ALM模型（Stochastic Programming or Stochastic Control ALM Model） 随机规划与随机控制ALM模型简介 目前的ALM模型越来越多地运用到随机规划或随机控制的方法。 （一）随机规划模型主要是通过运用事件树、生成场景等元素，来为金融机构的资金配置提供一个描述未来资产价格、收益和风险等不确定因素在某种概率条件下的变动趋势的分析框架。金融机构在处理资金配置中会面临复杂的限制条件，由于随机规划模型和方法接纳了一些更接近于现实的假设，并提供了一种动态方法来解决多期资金配置中的问题，因此它可以在一个框架中同时处理交易成本、多元状态变量、市场不完全性、税收和交易限制、监管限制、公司政策要求等多因素问题，从而为金融机构大批量地处理和分析多种不确定因素的影响提供了可能性。 国外金融学者对多期随机规划模型在金融机构的实际运用进行了大量的研究，并取得了许多成果。例如，布拉德里（Bradley）和克朗斯（Crane）于1973年，库斯（Kusy）和茨姆巴（Ziemba）于1986年为银行的ALM设计出了随机线性规划模型；马尔维（Mulvey）和瓦拉迪米罗（Vladimirou）于1992年为金融机构的资产配置提出了一个多期随机网络模型；卡里罗等（Carino et al.）于1994年为一家日本保险公司的资产负债管理问题构造了一个多期随机线性模型；希勒（Hiller）和厄可斯腾（Eckstein 1993），泽尼尔斯（Zenios 1993），古拉伯等（Golub et al 1993）则在20世纪90年代中期分别为固定收益证券管理构建了不同的随机规划模型。 其中公认比较有代表性的应该当属库斯（Kusy）和茨姆巴（Ziemba）于1986年为温哥华储蓄信贷协会的5年资金规划期设计出的一个简单补偿的多期随机线性规划模型，极大地推动了商业银行ALM理论的研究。在库斯-茨姆巴模型之后，ALM理论的另一里程碑式的贡献是卡里罗（Carino et al）等创建的Russell-Yasuda Kasai模型。Russell-Yasuda Kasai模型在日本Yasuda保险公司（Yasuda公司）进行尝试性运用，使该公司在满足账面价值规则及条例管制的同时，能遵循公司的经济价值，而且，该模型还可以对与公司业务环境相关联的事件结果来进行资产配置和负债管理决策，消除未来资产负债价值的不确定性。在使用这一模型的两年内，即1991年和1992年，按这一模型设计的投资策略，使Yasuda公司获得了7900万美元的额外收益。 （二）随机控制方法以状态的连续统（continuum）表示不确定状态，连续统的特征以少量服从联合马尔可夫过程的状态向量描述 。Brennan et al.分析了可以在债券、股票和现金方面投资的投资组合问题，假定有三个状态变量影响期望资产回报的时间变化，这三个变量即短期利率(r)、长期债券利息率(l)及股票资产组合分红收益(δ)。该文假定投资者没有负债，假定负债的期望增长率依赖于状态变量的水平，将负债包括进去相对来说很简单直接。如前所述，状态向量服从联合马尔可夫过程，该过程假设为以下形式： dr = μrdt + σrdzr dl = μldt + σldzl dδ − μδdt + σδdzδ 股票与债券由下式给定： ALM ALM 其中dS/S为股票组合的回报率，dB/B为债券的瞬时总回报。参数μiσi(i = r,l,δ,S)为状态变量r,l,δ的at most函数(at most function)，dzi为维纳（Wiener）过程的增量。维纳过程增量间的相关系数为ρrl等。 定义W为财富，其效用假定为等弹性形式，即对于τ时r<的情况下， ALM 定义x为组合中股票的比例，y为康索尔债券的比例，Bellman方程为： maxx,yE[dV] = 0 解其一阶条件，可以找到最优控制解x * (r,l,δ,τ)和y * (r,l,δ,τ)，该过程可以由经验数据估计，投资者的最优控制问题可以通过参数值的估计得到解决。 Brennan和Schwartz[1]通过允许投资者在短期利率期货如股票、债券或现金上采取长线或短线的情况扩展了这个模型，通过分析，他们认为这样的投资机会可以显著改善期望效用。其他一些研究人员利用这个理论讨论了大学捐赠基金的优化投资策略问题等[2]。 随机规划与随机控制ALM模型的评析 随机规划ALM模型实际上是一类模型，它提供了模拟一般目标的方法。这些目标可以包括交易费用、税费、法律政策限制等方面的要求。由于考虑了众多因素，模型的变量越来越多，从而导致大量的优化问题，其计算成本相当高，因而实用性令人怀疑。我们以“机会限制模型（Chance Constrained Model）”为例。 机会限制模型最早由Charnes和Kirby提出 。在他们的论文里，将未来的存款与贷款支出看作是联合分布的随机变量，以资本充足率公式作为机会限制。该模型的缺点是，违背约束的情况并没有根据其数量给予惩罚。Charnes等将该方法应用于资产负债表的管理，另外两篇文章用该模型对保险公司的资产组合进行分析。 Dert在指定收益年金领域将该模型发展为多阶段机会限制模型（Multistage chance-constrained ALM model），与Charnes和Kirby不同的是，该作者以场景模拟不确定性而不是作分布假设。以该模型为例，该这个模型的目标函数是，在失去偿付能力的风险水平可以接受、确保及时支付指定收益的能力的稳定性的限制下实现筹资成本最小。其中偿付能力要求为基金剩余负债与相应偿付能力比率的乘积，资产价值低于要求的水平通过场景设定模拟。
什么是机会限制模型 机会限制模型最早由Charnes和Kirby提出 。在他们的论文里，将未来的存款与贷款支出看作是联合分布的随机变量，以资本充足率公式作为机会限制。该模型的缺点是，违背约束的情况并没有根据其数量给予惩罚。Charnes等将该方法应用于资产负债表的管理，另外两篇文章用该模型对保险公司的资产组合进行分析。 Dert在指定收益年金领域将该模型发展为多阶段机会限制模型（Multistage chance-constrained ALM model），与Charnes和Kirby不同的是，该作者以场景模拟不确定性而不是作分布假设。以该模型为例，该这个模型的目标函数是，在失去偿付能力的风险水平可以接受、确保及时支付指定收益的能力的稳定性的限制下实现筹资成本最小。其中偿付能力要求为基金剩余负债与相应偿付能力比率的乘积（即下述模型限制7），资产价值低于要求的水平通过场景设定模拟（限制8、9、10）。 机会限制模型的内容 整个模型如下： 机会限制模型 •α：预定投资水平； •βt：时刻t每阶段作为工资成本部分的缴费的最大上涨幅度； •γts：状态s下时间t的现金流量折扣因子； •lts：状态s下时间t时基金的收益支付和成本； •Lts：状态s时间t时的精算准备金（actuarial reserve）； •λ：对补救缴费进行惩罚的惩罚参数； •rits：状态s时间t时投资在 类资产的连续回报； •Mts：状态s时间t时的大的常量； •Wts：状态s下t时段的工资成本； •Ats：状态s时间t时在接收到缴费及作收益支付前时的资产价值； •fts：二项分布变量，表示状态s时间t时是否需要补救的缴费； •Ψts：给定状态s和时间t时在时间t+1时资金不足的概率； •Xits：状态s时间t时投资在资产i上的总金额； •xits：状态s时间t时投资在资产i上的比例； •Yts：状态s下t时段的正常缴费； •yts：状态s下时段t的正常缴费占工资成本的比例； •Zts：状态s时间t时的补救缴费。 开始三个限制条件分别限制了正常缴费量、占工资成本的比例及其最大上涨幅度。在收到正常缴费及做出收益支付后，资产价值由（4）式重新分配，（5）式给出了重新分配资产组合的上下界。通货膨胀、工资水平的上涨及资产回报的场景由向量自回归模型模拟给出，其特征以马尔可夫链模拟。
随机贴现因子（stochastic discount factor，简称SDF） 随机贴现因子概述 随机贴现因子理论是最一般、最广泛适用的理论，无套利定价理论和风险中性定价理论均可以由随机贴现因子理论推导出来。 随机贴现因子的基础 基于消费的跨期资本资产定价模型（ICAPM)。Merton（1973）。 Campbell（2000）通过随机贴现因子对资产定价问题进行了分析和回顾。 Cochrane（2000）将所有的资产定价问题纳入到随机贴现因子的一般框架之中，建立了一个比较完整的随机贴现因子理论体系。 随机贴现因子的定义 如果一个贴现因子，能够满足： p=E(mx) 或者用条件期望的形式： pt = Et(mt + 1xt + 1) 则我们称m或mt + 1为随机贴现因子 随机贴现因子的提出[1] 提出的基本原则：基于消费的效用最大化 •基于消费的资产定价模型认为，代表性投资者的效用来自于消费，其目标是终生效用最大化。为了实现其目标函数，投资者必须将财富在消费和投资之间进行分配。消费是为了满足现在的效用，而投资则是为了满足未来效用的需要。 贴现因子 随机贴现因子和一价定律 定义：如果未来收益相同的资产具有相同的价格，则我们称一价定律成立。 定理1：一价定律等价于资产组合的价格是资产价格的线性组合。 定理2： 如果存在一个随机贴现因子，则一价定律成立。 定理3： 如果一价定律成立，则市场上存在一个随机贴现因子能够对资产定价。 [编辑]随机贴现因子和其他定价模型[1] 从随机贴现因子也可以十分简单地推出贝塔定价模型。 从随机贴现因子理论中，还可以十分容易地推导出均值方差有限前沿理论。 CAPM理论、APT模型等，都可以在上述分析的基础上通过进一步演化得到。因此，总的来说，随机贴现因子理论为资产定价提供了一个最一般、最通用的分析框架。
Trueman模型简介 从发表的年代来看，Trueman(1988)是最早对噪声交易的来源进行探索的文献之一。Trueman模型对一种特定类型的投资者即投资基金管理者进行噪声交易的原因进行了分析。他的研究结论表明，由于存在基金管理者及其投资者之间的信息不对称，即使在期望收益并不为正的情况下，基金管理者仍然有兴趣从事噪声交易。 要理解这种噪声交易的起源，必须注意到基金管理者获取投资回报率的能力不仅取决于他们获取私人信息(private information)的准确性，还取决于他们获取这种私人信息的频率。一般说来，实际的投资业绩总是基金管理者获利能力的一个带有噪声的信号，以信息为基础的交易就成为基金投资者判断管理者能力的一个工具，他们将通过这种信息交易的水平来作出投资多少于该基金的决定。总体上，这类交易的规模越大，他们就会越多地投资于该基金。然而，投资者所能直接观察到的变量是基金管理者的总交易量，他们不能区分哪些交易是基于信息的，哪些交易不是，因此，他们必须在给定的交易量中作出多少是信息交易的推断。如果投资者相信两者是正相关的，投资管理者将会有积极性去从事更多的、超出基于私人信息的合理规模的交易，这超出的部分即为噪声交易。他们从事噪声交易的激励来自于噪声交易向投资者传达的更高水平的信息交易的信号。 Trueman模型的研究结论 Trueman的研究结论显示，投资者对投资管理人在第一期的交易行为有一个包含噪声交易的事前臆测，在均衡情况下，这些臆测都将变成现实，即这些猜测是自我实现的(self-fulfilling)。能够形成均衡的这些投资者臆测包括： 1．如果管理人在时间0接收到信号表明，在第1期将会发生的现金流为vh(v1)，他会选择买入（卖出）风险资产； 2．如果管理人在时间0接收到的信号表明第1期的现金流为v0，他将选择不交易。 3．如果管理人在时间0没有接收到任何信号，即他是信息不知情的，他会以概率x(x)买入（卖出）风险资产，其中0 由于在均衡情况下，投资者的这些臆测是自我实现的，这意味着市场上确实存在着一个包含噪声交易的均衡。
登录
工商服务
危机公关
金融律师
app开发
财税服务
金融牌照
网站建设
知识产权
企业征信
审计评估