任碧云，武 毅

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

一 引言

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

資本市場(chǎng)之間的廣泛聯(lián)系和不斷增強(qiáng)的開(kāi)放度，使共同違約事件發(fā)生的概率大大提高。對(duì)于信用風(fēng)險(xiǎn)問(wèn)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(xiǎn)的方法存在一定的局限性［1］。

本文選取國(guó)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(cè)度資本市場(chǎng)信用風(fēng)險(xiǎn)時(shí)的高估和虛假估計(jì)問(wèn)題，本文在考慮金融變量的邊緣分布的前提下運(yùn)用變結(jié)構(gòu)Copula 模型來(lái)檢驗(yàn)資本市場(chǎng)信用風(fēng)險(xiǎn)的傳染性，可以有效地避免黑箱估計(jì)并且使得估計(jì)結(jié)果更加的符合現(xiàn)實(shí)的情況，防止虛假估計(jì)的發(fā)生。

本文分為四個(gè)部分：第一部分為引言，闡述本文的現(xiàn)實(shí)背景、目的和研究意義，以及本文的主要研究?jī)?nèi)容;第二部分為文獻(xiàn)綜述部分，闡述與本文研究主題相關(guān)的中國(guó)資本市場(chǎng)風(fēng)險(xiǎn)相關(guān)文獻(xiàn)(系統(tǒng)風(fēng)險(xiǎn)和非系統(tǒng)風(fēng)險(xiǎn)的研究綜述)、信用風(fēng)險(xiǎn)相關(guān)研究(信用風(fēng)險(xiǎn)的測(cè)量和傳播)、風(fēng)險(xiǎn)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(guó)資本市場(chǎng)信用風(fēng)險(xiǎn)傳染的實(shí)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(chǎng)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(xiàn)綜述

(一) 中國(guó)資本市場(chǎng)風(fēng)險(xiǎn)相關(guān)研究綜述

資本市場(chǎng)的風(fēng)險(xiǎn)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(chǎng)的風(fēng)險(xiǎn)分為系統(tǒng)性風(fēng)險(xiǎn)①系統(tǒng)性風(fēng)險(xiǎn)：主要包括，政策風(fēng)險(xiǎn)、經(jīng)濟(jì)周期性波動(dòng)風(fēng)險(xiǎn)、利率風(fēng)險(xiǎn)、購(gòu)買力風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)等。和非系統(tǒng)性風(fēng)險(xiǎn)②非系統(tǒng)性風(fēng)險(xiǎn)：主要包括，財(cái)務(wù)風(fēng)險(xiǎn)、經(jīng)營(yíng)風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、偶然事件風(fēng)險(xiǎn)等。。

對(duì)于系統(tǒng)性風(fēng)險(xiǎn)的研究，主要從其定義、成因、類別和測(cè)量四個(gè)方面進(jìn)行了研究：系統(tǒng)性風(fēng)險(xiǎn)的定義方面，雖然有很多研究，但是目前對(duì)銀行系統(tǒng)性風(fēng)險(xiǎn)還是沒(méi)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(guó)內(nèi)外對(duì)系統(tǒng)性風(fēng)險(xiǎn)概念表述主要有以下觀點(diǎn)：銀行業(yè)的傳染風(fēng)險(xiǎn)就是銀行系統(tǒng)性風(fēng)險(xiǎn)［2］(Jarrow，2000) ;金融資產(chǎn)價(jià)格導(dǎo)致系統(tǒng)風(fēng)險(xiǎn)［3］(Rachev，2005) ;考慮整個(gè)金融系統(tǒng)的相關(guān)聯(lián)導(dǎo)致系統(tǒng)風(fēng)險(xiǎn)［4－5］(Dimakos，2004、2007) ;國(guó)內(nèi)的學(xué)者(林宇，2009;王寶，2008;劉慶富，2008;盧斌，2010) 也對(duì)系統(tǒng)風(fēng)險(xiǎn)做出了研究，認(rèn)為資本運(yùn)營(yíng)失敗導(dǎo)致的系統(tǒng)風(fēng)險(xiǎn)。系統(tǒng)性風(fēng)險(xiǎn)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(xiǎn)［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(guó)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(xiǎn)的產(chǎn)生由資本市場(chǎng)內(nèi)外環(huán)境條件共同作用的結(jié)果，與一般的風(fēng)險(xiǎn)相比，系統(tǒng)性風(fēng)險(xiǎn)有其自身的特征：風(fēng)險(xiǎn)的客觀性、經(jīng)濟(jì)性、主體的廣泛性和普遍性、區(qū)域性特點(diǎn)及局部放大效應(yīng)、明顯的外部性等［17］(Feng，2009) 。對(duì)于系統(tǒng)性風(fēng)險(xiǎn)度量方法，總結(jié)來(lái)看主要有五種：由信息而導(dǎo)致的系統(tǒng)性風(fēng)險(xiǎn)度量方 法［18］(Aleksiejuk，2001) ;系統(tǒng)性 風(fēng)險(xiǎn)監(jiān) 控(SRM) 模型［19］(Xin，2009) ;基于系統(tǒng)風(fēng)險(xiǎn)管理的測(cè)度方法［20］(Gutllero，2002) ;計(jì)量GARCH 模型［21］(Hull，2007) ;銀行間市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)度量方法［22］(Elsinger，2006) 。

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

(二) 信用風(fēng)險(xiǎn)相關(guān)研究綜述

信用風(fēng)險(xiǎn)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(shí)際收益發(fā)生偏離的可能性。對(duì)于信用風(fēng)險(xiǎn)的研究多數(shù)集中在測(cè)量方面。其可以分為傳統(tǒng)的信用風(fēng)險(xiǎn)計(jì)量方法和現(xiàn)代的信用風(fēng)險(xiǎn)測(cè)量方法。傳統(tǒng)的信用風(fēng)險(xiǎn)計(jì)量方法包括：專家法［23］(唐健，2012)、貸款評(píng)級(jí)分級(jí)法［24］(宋群英，2011)、財(cái)務(wù)分析法孫彬［25］(2009)、信用評(píng)分法［26］(劉湘云，2010) 。傳統(tǒng)的信用風(fēng)險(xiǎn)測(cè)量方法只能關(guān)注一個(gè)方面的指標(biāo)，難以綜合全面的因素，而且各個(gè)因素之間的相互影響關(guān)系沒(méi)有測(cè)量清楚，難以避免多重共線性問(wèn)題?，F(xiàn)代的信用風(fēng)險(xiǎn)測(cè)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(jià)模型為基礎(chǔ)研究給出了第一個(gè)計(jì)量企業(yè)債務(wù)違約的結(jié)構(gòu)法模型和簡(jiǎn)約模型。。之后陳庭強(qiáng)［27］(2012)、李永濤［28］(2010)、張方舟［29］(2014) 對(duì)結(jié)構(gòu)方程模型做出了進(jìn)一步的研究。然而結(jié)構(gòu)方程模型也有自身的缺點(diǎn)：第一，其為典型的理論模型，實(shí)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(jià)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(duì)稱，難以與實(shí)際相符合;第三，對(duì)于短期的估計(jì)結(jié)構(gòu)會(huì)失真;第四，結(jié)構(gòu)法模型對(duì)突發(fā)事件引至的信用風(fēng)險(xiǎn)預(yù)測(cè)具有局限性。為了解決這些問(wèn)題，簡(jiǎn)約模型被提出。之后簡(jiǎn)約模型也得到了長(zhǎng)足的發(fā)展［30－32］(殷曉時(shí)、2012，李詠梅、2007，李強(qiáng)、2009) 。簡(jiǎn)約模型加入了不確定性的違約事件使得模型更加現(xiàn)實(shí)，操作性更強(qiáng)。

(三) 風(fēng)險(xiǎn)傳染相關(guān)研究綜述

信用風(fēng)險(xiǎn)傳染使得資本市場(chǎng)信用風(fēng)險(xiǎn)后果嚴(yán)重。金融危機(jī)之前對(duì)于風(fēng)險(xiǎn)的傳染主要集中在企業(yè)的違約行為，近年來(lái)信用風(fēng)險(xiǎn)的傳染機(jī)制備受學(xué)者的關(guān)注。袁峰［33］(2008) 研究一個(gè)人的債務(wù)風(fēng)險(xiǎn)轉(zhuǎn)化成高級(jí)債務(wù)風(fēng)險(xiǎn);焦翠影［34］(2005) 在強(qiáng)度模型中加入企業(yè)信用風(fēng)險(xiǎn)因素，建立強(qiáng)化的企業(yè)信用違約強(qiáng)度模型，但是此模型只適用于單向傳染，沒(méi)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(qiáng)度可以劃分為不同的等級(jí)，其首先建立一個(gè)條件有限狀態(tài)馬爾可夫鏈，由違約概率組成，運(yùn)用隨機(jī)過(guò)程和科摩羅夫等式進(jìn)行分級(jí)測(cè)度;何海鷹［37］(2009) 引入信息不對(duì)稱的情況下，從信息不充分的視角闡述信用風(fēng)險(xiǎn)的傳染機(jī)制，即投資方對(duì)債務(wù)人的違約風(fēng)險(xiǎn)是信息不完全的，債務(wù)人真正違約風(fēng)險(xiǎn)是無(wú)法完全測(cè)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(cái)務(wù)狀況泊松分布進(jìn)行狀態(tài)變化預(yù)測(cè)，以此找出主要的指標(biāo)進(jìn)行指標(biāo)觀測(cè);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(lái)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(xiǎn)傳染對(duì)于研究信用的組合，其內(nèi)部相關(guān)性問(wèn)題，有重要的意義。在中國(guó)近年來(lái)資本市場(chǎng)開(kāi)始普遍使用各種金融信用風(fēng)險(xiǎn)產(chǎn)品，學(xué)術(shù)界也開(kāi)始關(guān)注其中相關(guān)因素的傳染性問(wèn)題，因此，在考慮新的金融產(chǎn)品的風(fēng)險(xiǎn)度量時(shí)需要考慮信用風(fēng)險(xiǎn)傳染問(wèn)題，從而能比較準(zhǔn)確地估計(jì)出總體風(fēng)險(xiǎn)。

三 基于Copula 模型的中國(guó)資本市場(chǎng)信用風(fēng)險(xiǎn)傳染實(shí)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(jì)方面，直到1999年Copula 函數(shù)作為相關(guān)性分析和多元統(tǒng)計(jì)分析的工具，才開(kāi)始廣泛地應(yīng)用到資本市場(chǎng)測(cè)量領(lǐng)域。

Sklar 定理：對(duì)于一個(gè)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(jī)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(jìn)一步，令un=Fn(xn) 為隨機(jī)的一維變量，并且un∈［0，1］，n=1，2，3…N，則可確定為是一個(gè)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(diǎn)之一為F(x1)，…F(xn)，…，F(xiàn)(xN) 作為N 個(gè)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(lái)源說(shuō)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(lái)源于上交所和深交所的數(shù)據(jù)，可以直接查找。資本市場(chǎng)信用風(fēng)險(xiǎn)的違約距離(DD) 和違約概率(EDF) 。

資本市場(chǎng)信用風(fēng)險(xiǎn)的違約距離(DD) 和違約概率(EDF) 由KMV 模型①其運(yùn)用期權(quán)定價(jià)理論，將債權(quán)看作債權(quán)人對(duì)負(fù)債公司的股東出售的對(duì)公司價(jià)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(jià)格為公司的債務(wù)價(jià)值，即(STD 為信用風(fēng)險(xiǎn)短期負(fù)債;LTD 為信用風(fēng)險(xiǎn)長(zhǎng)期負(fù)債)。計(jì)算而得，再根據(jù)統(tǒng)計(jì)的實(shí)證分析得出違約發(fā)生最頻繁的臨界點(diǎn)處的長(zhǎng)期負(fù)債，令γ=0.5。伊藤引理可得公司股票波動(dòng)率：，進(jìn)而可得：

2.數(shù)據(jù)的來(lái)源及其說(shuō)明

本文選取國(guó)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(lái)自銳思、國(guó)泰安、上交所和深交所年報(bào)數(shù)據(jù)資料。涉及的行業(yè)包括銀行、制造業(yè)、保險(xiǎn)公司以及房地產(chǎn)企業(yè)。本文將研究分為四時(shí)期：第一時(shí)期是2008年1月—2009年12月，為金融危機(jī)前期;第二時(shí)期是2010年1月—2010年12月，為金融危機(jī)前后期;第三時(shí)期是2011年1月—2011年12月，為金融危機(jī)中后期;第四時(shí)期是2012年1月—2012年12月，為金融危機(jī)后期。

(三) 模型的估計(jì)

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(jì)如下表1所示：

表1 數(shù)據(jù)描述性統(tǒng)計(jì)表

第二，單位根檢驗(yàn)

為了防止出現(xiàn)偽回歸的現(xiàn)象，因此首先我們對(duì)所有的時(shí)間序列數(shù)據(jù)進(jìn)行ADF 單位根檢驗(yàn)，其檢驗(yàn)結(jié)果如下表2 所示：可見(jiàn)之滯后兩期后無(wú)單位根。

表2 單位根檢驗(yàn)

第三，格蘭杰(granger) 因果檢驗(yàn)

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

表3 格蘭杰因果檢驗(yàn)

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

2.模型的估計(jì)結(jié)果

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

表4 參數(shù)估計(jì)值

由F 值可見(jiàn)，回歸無(wú)虛假回歸。

(四) 模型的討論

為了計(jì)算sh 和sz 的信用風(fēng)險(xiǎn)傳染的相關(guān)關(guān)系，對(duì)其進(jìn)行K－S 統(tǒng)計(jì)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(chǎng)中，相關(guān)系數(shù)達(dá)到0.2，可以說(shuō)明其相關(guān)性較強(qiáng)。其可見(jiàn)sh 和sz 的信用風(fēng)險(xiǎn)傳染具有很強(qiáng)的相關(guān)關(guān)系。

進(jìn)一步計(jì)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(chǎng)的信用風(fēng)險(xiǎn)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(xiǎn)的傳染概率都大于0.1，最大的甚至達(dá)到0.41?？梢?jiàn)信用風(fēng)險(xiǎn)在滬市和深市市場(chǎng)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(xiǎn)在股票市場(chǎng)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(xiǎn)的相互傳染性，因此要時(shí)刻的關(guān)注股票的跨市場(chǎng)交易的信用違約風(fēng)險(xiǎn)的傳染，并且要關(guān)注股票信用風(fēng)險(xiǎn)的傳染，監(jiān)管部門要時(shí)刻警惕信用風(fēng)險(xiǎn)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(yàn)，實(shí)證驗(yàn)證由于信用風(fēng)險(xiǎn)導(dǎo)致了資本市場(chǎng)額短期負(fù)債變成了長(zhǎng)期負(fù)債;第二，運(yùn)用極大似然估計(jì)了四個(gè)時(shí)期中國(guó)資本市場(chǎng)的Copula 函數(shù)的邊緣分布;第三，依據(jù)KMV 模型運(yùn)用所得到的數(shù)據(jù)計(jì)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(chǎng)的信用體系建設(shè)。首先，完善資本市場(chǎng)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(huì)、董事會(huì)、監(jiān)事會(huì)三者之間的權(quán)力制衡機(jī)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(jìn)一步完善進(jìn)入和市場(chǎng)退出機(jī)制，在一定程度上促進(jìn)資本市場(chǎng)規(guī)范化的信用秩序。其次，完善資本市場(chǎng)中介機(jī)構(gòu)的信用建設(shè)，保持其獨(dú)立性，完善對(duì)其管理的制度建設(shè)，同時(shí)要加強(qiáng)其從業(yè)人員的職業(yè)道德建設(shè)。

第三，完善資本市場(chǎng)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(jìn)行立法;在此基礎(chǔ)上建立資本市場(chǎng)民事賠償制度，保護(hù)中小投資者的利益，促使資本市場(chǎng)主體自覺(jué)的加強(qiáng)自身的信用建設(shè)。第四，完善培育機(jī)制，大力培養(yǎng)專業(yè)化、國(guó)際化、規(guī)范化的資本市場(chǎng)機(jī)構(gòu)投資者，樹(shù)立理性的投資理念。

二是要建立資本市場(chǎng)信用的監(jiān)督體系。首先，資本市場(chǎng)的監(jiān)管部門要當(dāng)好裁判員，制定符合中國(guó)國(guó)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(guò)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(yíng)和生產(chǎn)，對(duì)企業(yè)的了解越多，信息對(duì)稱越強(qiáng)，因而市場(chǎng)的信用水平會(huì)越高;虛假披露懲罰制度則是從成本角度促進(jìn)企業(yè)的信息披露和其信息的真實(shí)性、有效性。第三，真正發(fā)揮市場(chǎng)規(guī)律作用，投資者通過(guò)自己的貿(mào)易買賣對(duì)上市公司的信用風(fēng)險(xiǎn)進(jìn)行鼓勵(lì)和懲罰，從而達(dá)到監(jiān)督約束的作用，降低資本市場(chǎng)的信用風(fēng)險(xiǎn)。

［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(guó)股市與國(guó)際股市的極值風(fēng)險(xiǎn)傳導(dǎo)效應(yīng)研究［J］.中國(guó)管理科學(xué)，2009(4) ：36－43.

［7］王 寶，肖慶憲.我國(guó)金融市場(chǎng)間風(fēng)險(xiǎn)傳染特征的實(shí)證檢驗(yàn)［J］.統(tǒng)計(jì)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(chǎng)之間的信息傳遞效應(yīng)研究［J］.管理工程學(xué)報(bào)，2008，2(2) ：155－159.

［9］盧 斌，華仁海.基于MCMC 方法的中國(guó)期貨市場(chǎng)流動(dòng)性研究［J］.管理科學(xué)學(xué)報(bào)，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(chǎng)信用風(fēng)險(xiǎn)動(dòng)態(tài)管理實(shí)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(jì)，2011(10) ：12－17.

［25］孫 彬，楊朝軍，于 靜.基于copula 函數(shù)的國(guó)際證券市場(chǎng)傳染效應(yīng)實(shí)證分析［J］.上海交通大學(xué)學(xué)報(bào)，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(jī)傳染效應(yīng)實(shí)證分析——以中美股票市場(chǎng)為例［J］.南京郵電大學(xué)學(xué)報(bào)，2010(2) ：64－67.

［27］陳庭強(qiáng)，何建敏.CRT 市場(chǎng)信用風(fēng)險(xiǎn)傳染機(jī)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(xiǎn)研究［J］.商業(yè)時(shí)代，2010(25) ：63－64.

［29］張方舟.KMV 模型在我國(guó)的股票市場(chǎng)信用風(fēng)險(xiǎn)實(shí)證分析［J］.經(jīng)營(yíng)管理者，2014(3) ：186－187.

［30］殷曉時(shí).證券投資風(fēng)險(xiǎn)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(xiǎn)研究綜述［J］.統(tǒng)計(jì)與決策，2007(10) ：109－112.

［32］李 強(qiáng).我國(guó)保險(xiǎn)資金投資股票市場(chǎng)問(wèn)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(xiǎn)管理體系的實(shí)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(xiǎn)分析［J］.管理科學(xué)文摘，2005(2) ：85－87.

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

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

［37］何海鷹.基于Copula 理論的信用風(fēng)險(xiǎn)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(bào)，2007(2) ：85－92.

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

［40］唐 健.基于KMV 模型的資本市場(chǎng)信用風(fēng)險(xiǎn)動(dòng)態(tài)管理實(shí)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(duì)上市公司β 值的調(diào)整［D］.成都：西南財(cái)經(jīng)大學(xué)碩士論文，2007.