监管资本与经济资本存在本质区别吗.docx

!监管资本与经济资本存在本质区别吗？!曹 麟（湖南大学金融与统计学院，湖南长沙410079）摘要： 本文将监管资本的内部评级法与经济资本 creditrisk+模型的违约概率参数进行匹配，在此基础上对 两者计算的非预期损失进行比较，数值分析结果显示随着信贷组合规模的增大两者数值趋于相同，其差异大小 主要取决于信贷组合的分散化程度。 通过对穆迪 1970-2010 行业违约率数据进行分析，并构建考虑违约相关性 的经济资本模型计算非预期损失， 研究结果表明实际商业银行的内部经济资本计量模型的输出往往会小于监 管资本，这种差异是因经济资本模型与监管资本模型中信贷组合的风险特征不同所造成。关键词： 监管资本；经济资本；内部评级法；creditrisk+模型；违约概率；区别jel 分类号：e42中图分类号：f830.2 文献标识码：a 文章编号：10061428（2014）02-0063-06国际银行业监管准则巴塞尔资本协议将资本 监管作为重要内容，商业银行的资本是抵御风险的最 后防线。 从商业银行管理的角度而言，持有资本是为 了防御各种可能风险带来的实际资本消耗，使股东回 报率最高，从监管层的角度来看，银行资本能保证商 业银行的稳健运行，避免过度冒险，为存款人的利益 提供保护，提高经济的福利效应。除去会计意义上的账面资本，文献中关于银行资 本的表述还有监管资本，经济资本。 监管资本和经济 资本都是风险资本， 监管资本计算方法较为简单，相 对而言经济资本的计算方法则复杂得多，正确理解经 济资本与监管资本的差异，是商业银行风险管理有效 性的可靠保证。一、研究综述对监管资本与经济资本的比较研究，主要集中在 定性分析上，贾原芳（2006）对两种资本在绩效评估结果方面进行比较，认为经济资本的风险敏感性更为精 确，有利于实现银行价值最大化，高军等（2009）在定 义和计量方法的基础上分析解释经济资本、监管资本 与 账 面 资 本 其相互之间的联系 和 区别 ， 杨 继 光 等（2009）通过期权法计算商业银行持有的经济资本，与 商业银行实际监管资本进行比较研究，分析监管资本 的适度性，但其使用的经济资本模型与监管资本模型 计算非预期损失的思路及参数完全不同，故结果的可 比性并不强。巴塞尔协议加入宏观审慎资本要求，但是计 算监管资本的基础内部评级法并未变化，内部评级 法需要 3 个基本参数，即违约概率、违约损失率、风险 暴露，为了具有可比性，计算经济资本的模型所需的 参数应和内部评级法保持一致。 本文分为 2 个主要部 分，第一部分对内部评级法的基础单因子模型进行 深入剖析， 并获得单因子模型中隐含的违约概率分 收稿日期：2013-09-20作者简介：曹麟（1984-），男，湖南郴州人，汉族，湖南大学金融与统计学院金融学专业博士研究生。布，在相同违约概率分布下利用 creditrisk+模型计算 不同规模贷款组合的经济资本。 第二部分，在分析穆 迪行业违约率数据基础上，构建了考虑行业相关性的 经济资本模型，并与监管资本进行比较，结果显示行 业违约概率相关性远小于 1 是经济资本小于监管资 本的主要原因。二、两种资本计量过程式（4）表明当系统性风险取值越小时，债务人条 件违约概率越大。 这说明系统性风险因子取值越小代 表经济越不景气， 如果考虑千年一遇的不景气状况， 我们可得系统性风险因子的取值为 准-1(0.1%)，因服从 正态分布可得：准-1(99.9%)=-准-1(0.1%)p=准( 准-1(puncondition)+r*准-1(0.999) )（6）（一）内部评级法监管资本计量过程condition姨1-r内部评级法的资本充足率计算公式非常简洁，如 下所示：capitalratio = regulatorycapital 8% rwa =12.5*ead rwa我们再回到式（2），显然式（6）表达的千年不遇的 条件违约概率正是式（2）的被减数，故式（2）的内涵正 是监管资本必须大于经济恶劣状况下的贷款损失与平均状态下的损失之差，平均损失在银行管理实际过姨-姨lgd（1）程中通过定价或拨备进行转移，一般不会消耗资本。-1-1d姨1-r将风险加权资产（rwa）代入资本充足率的计算 公式，再将 12.5 与 8%相乘，即可得到regulatorycapital ead 姨准 姨准 (p)+ 姨r 准 (0.999) 姨 姨监管资本对应的也是基于风险的非预期损失，这 个非预期损失是在特定的单因子模型下计算的结果。 尽管式（2）只需要单一违约概率，风险暴露及违约损 失率即可，但是通过对单因子模型的解析，我们可知-1-1姨1-r-p 债务人的违约概率实际上是一个分布，并不仅仅是一lgd（2）式 （2） 表明监管资本需要大于最低监管资本要 求，最低监管资本要求事实上就是风险资产的非预期 损 失 ， 要理解这个观点 ， 首 先 来 看 内 部 评 级 的 基 础单因子风险模型。 单因子模型认为同类债务人 受一个共同系统性风险因子和不同特质风险因子的个均值。 而计算经济资本过程中违约概率的变化规律 是一个重要因素。 接下来我们将获得违约概率的分布 特征，根据式（5）可得条件违约概率的分布函数：f( k)= p( pshock k)= p( 准( d - 姨r *xshock ) k)= p姨1 - r2-12-1xshock)=准影响。( 准 (k)* 姨1-r -d r 准 (k)* 姨1-r -d 姨r（7）yi= 姨r *x- 姨1-r *zi yi,x, zin(0,1)i:cor(x,zi)=0(3)式中 x 为共同的系统性风险因子, zi 表示特质风 险因子,均服从标准正态分布，系统性风险因子独立 于特质风险因子，故叠加后表示债务人 i 的偿债能力（二）creditrisk+模型经济资本计量过程cr+经济资本计量所需参数同监管资本完全一 样，cr+基于保险精算方法， 对违约原因不做任何假 设。 首先我们跳开复杂数学过程，直接看 cr+中经济资本的定义：变量 yi 仍为标准正态分布。 r 表示债务人偿债能力economiccapital=var0.999-expectedloss（8）受系统性风险因子影响程度。当违约触发变量 yi 低于违约临界值 d 时，资产 i 违约，系统性风险因子 xin(0,1),考虑系统性风险因 子所有可能状态可获得债务人的违约概率均值。式（8）中 var 是风险价值，代表了一定置信度下 的信用损失。 creditrisk+模型就是为了获得其数值， 进行组合的损失分布建模，损失分布描述了所有可能 损失发生的概率。 可见 cr+经济资本的定义同监管资puncondition=p (yi d)=p (r*x+ 姨1-r*zd)=准(d)本从定义上是完全相同的。d=准-1(puncondition)(4)式 （4） 将违约临界值与无条件违约概率联系起 来。 当系统性风险因子取特定值而不是分布时，代表 经济中不同的景气状态，在式（4）基础上可获得条件 违约概率。首先定义概率生成函数，引入辅助变量 z，其中 p (n)表示违约 n 次的概率。f(z)=p(ndefaults)zn（9）n = 0单个债务人只可能违约 1 次或 0 次， 按照式（9）pcondition=p(yid|x=x)=p(r*xshock+ 姨1-r*zd)=准概率生成函数可表示如下：( 准-1(puncondition)-r*x )（5）姨1-rfa(z)=1-pa+paz=1+pa(z-1)（10）违约事件相互独立， 故信贷组合的概率生成函数如 下：f(z)=仪fa(z)=仪(1+pa(z-1)aalogf(z)=log(1+pa(z-1)（11）a当违约概率很小时，log(1+pa(z-1)= pa(z-1)f(z)=e(z-1)其中 pa（12）a我们的最终目的是求损失的概率分布，而不是违 约次数的概率分布。 利用频带划分可获得损失的概率 生成函数,其中 l 为频带的基本单位。 损失的概率生 成函数如下：g(z)=p(loss=n*l)zn（13）n = 0第 vj 频带内，发生 n 次损失，因频带内风险敞口一 致，故损失为 n*vj*l。 参考式（12）同时考虑频带之间 相互独立， 获得损失概率生成函数的显性表达式，并 获得通过 z 对求导数即可获得整个贷款组合的损失 分布。图 1 内部评级法下违约概率的分布图现实经济运行中信贷违约率大幅飙升的事件出 现的概率非常小，但是依然存在，大部分时候信贷违 约率在均值附近波动。 内部评级法下违约概率分布比 较符合实际情况，呈现明显的偏峰厚尾特征，同其他 模型中系统性风险因子的分布特征也比较吻合 （如 creditrisk+中的 分布）。 置信度为 0.001 时违约概率 为 0.13%，置信度为 0.999 时违约概率为 22.5%，变化 幅度较大。国内外有文献指出，实体经济的分布往往是偏峰厚尾状况， 因系统性风险因子的正态性分布假设，内mg(z)=仪evj-j +j znp(loss=nl)= 1 d g(z) |（14）z=0部评级法计算出的资本将会偏小或者不能准确刻画 j = 1n!dzn银行面临的实际风险。通过对违约概率分布特性的研从整个 creditrisk+计算经济资本的过程来看，需要债务人的违约概率、风险暴露、违约损失率，计算过 程与监管资本完全不同，且并不等同监管资本将条件 预期损失直接作为实际损失。 虽然计算方法及过程差 异巨大，但是监管资本与经济资本就完全不同吗？ 式（9）-式（14）其实主要包含了 2 个过程违约次数的 概率生成函数和违约损失的概率生成函数，最终结果 是获得了贷款组合的损失分布，且按照式（8）的定义 其经济资本仍是一定置信度下损失减去预期损失，这 一点与监管资本是吻合的。 式（9）-式（14）是按照统计 精算推导出来的结果，很难从经济学上去解释公式的 含义，这也是很多经济资本模型的特点计算方法 比较复杂，故接下来我们从算例分析监管资本与经济 资本的联系。三、经济资本与监管资本计量结果比较（一）不同信贷组合规模下两者的差异监管资本计算过程无法考虑不同信贷资产的相 关性，为了让两种资本计算输入端使用相同风险分布 特征，此处我们只考虑一种信贷资产，也就没有不同 贷款资产间违约相关性的影响。 信贷资产违约概率均 值为 3%，根据式（7）我们可获得监管资本内部评级法 所暗含的违约概率风险特征。究表明，尽管系统性风险因子为正态分布并不符合实 际情况，但是决定系统性风险因子到违约概率转化的 式（5）是一个非线性计算过程，最终导致了违约概率 的非正态性特征（偏峰厚尾），违约概率的分布特征决 定了损失的分布特征。 系统性风险因子正态分布假设 并不是导致资本计量不准确的原因，这是我们的第一 个结论。内部评级法的资本计量结果是两个预期损失之 差，置信度 0.999 处条件违约概率下组合的预期损失 减去平均违约概率下组合的预期损失，这种方式体现 了资本计量组合的无关性组合中债务人风险暴露 的相对大小并不需要考虑，然而从 creditrisk+经济资 本计量的过程可以看到需要对单个债务人的风险暴 露进行考虑，还得按债务人暴露大小划分频带，显然 债务人风险暴露在经济资本计量过程中是一个必要 因素。 理论上可从数学上的大数定律理解监管资本的 组合无关性， 当随机实验的次数 n 足够多的时候，实 验结果出现的频率就是其概率，所以当组合内债务人 数目够大时， 一定置信度下的损失就是条件预期损 失。 gordy（2003）的研究通过理论证明要达到监管资 本计量的组合无关性， 组合的粒度必须是无限细微 的，单笔风险暴露的大小占比必须小于任意给定的比例， 这往往暗含着贷款组合中债务人的数目要足够 多，以达到组合粒度的无限细微。 我们在 gordy 的基 础上进一步考虑，实际信贷组合不满足无限粒度的情 况下，在相同的违约概率风险特征下监管资本与经济 资本计量结果的差异。考虑四个不同贷款组合，组合 1-4 的债务人数目分 别为 10,100,1000,10000，债务人风险暴露均为 1，债务 人的违约概率均值为 5%，违约概率整个分布由式（7）决 定， 4 个组合的分散化程度逐渐加大。 表 1 展示了在相 同的违约概率分布下的 creditrisk+计算的经济资本与 内部评级法计算的监管资本。组合在输入端风险因素一 致的情况，经济资本是高于监管资本的，且信贷组合的 规模越小，债务人越少，分散化程度越低，则经济资本高 于监管资本的幅度越大，这是我们的第二个结论。表 1 不同分散化程度信贷组合 所需经济资本及监管资本 $ $ $/ $ 4e+00192.30% 25272.34e+01115.38% 3502402.34e+02102.56% 450023672.34e+03101.15%文献中往往会出现一般情况下监管资本大于经济 资本的观点，问题出在哪里呢？ 是我们的分析不正确， 还是文献不正确呢？ 事实上我们的分析和文献的观点 都没有问题。 前面我们仅仅考虑的信贷组合分散化效 应仅指债务人数目的分散化效应， 信贷资产的类型 是相同的， 文献中考虑的实际信贷组合往往包含不同 类型的信贷资产，不同类型资产存在一定的相关性，往 往带来风险的分散化， 而监管资本无法考虑不同类型 贷款之间的相关性，经济资本则能够考虑这些因素。（二）信贷资产相关性的影响首先来分析监管资本所暗含的不同信贷资产的 违约概率相关性。 一种最简单的情况：两种不同信贷 资产，违约概率的相关系数为 0.5，违约概率的均值相 同为 3%，内部评级法的输入端只有违约概率均值，如 果利用内部评级法的单因子模型对两者进行建模，则 违约概率的分布特性完全一样，默认两者违约概率的 相关系数为 1， 故此时监管资本往往将大于经济资 本；考虑更具普遍性的状况，信贷资产 a 的违约概率 均值为 pa，信贷资产 b 的违约概率均值为 pb，违约概 率相关性数学表达式如下：由于条件违约概率表达式（5）较为复杂，故相关 系数的解析解（15）更难获得。 相关系数表达的就是随 机变量偏离均值大小的协同性，在相关系数和违约概 率均值确定的情况下条件违约概率完全取决于系统 性风险因子 x 的取值，不同信贷资产系统性风险因子 都是一样的。 故当 a 资产条件违约概率为 0.999 置信 度时数值 ，b 资产条件违约概率也为相同置信 度 数 值，故定性的角度来看不同的信贷资产违约概率偏离 程度高度相关。 通过数值计算，表 2 给出了内部评级 法下 5 种违约概率均值不同信贷资产的违约概率相 关系数。表 2 不同信贷资产违约概率相关系数矩阵abcde % a10.9910.9770.9660.9551%b0.99110.9960.9910.9852%c0.9770.99610.9980.9953%d0.9660.9910.99810.9994%e0.9550.9850.9950.99915%表 2 的结果显示因内部评级法中系统性风险因 子只有共同的一个，导致不同信贷资产间违约概率高 度相关（相关系数均高于 0.95），无法描述组合内不同 信贷资产的风险分散效应。 现实经济中不同行业贷款 违约率虽然存在相关性，相关性远达不到表 1 的相关 性程度，正是如此才能带来风险的分散化效应，高度 相关则导致这种效应基本可以忽略。图 2 穆迪 1970-2010 行业违约率变化图图 2 显示行业违约率间确实存在一定的相关性， 特别是 2008-2009 年金融危机期间，各行业的违约率 都出现了较大的上升。 表 3 是使用穆迪公司统计的 违约率历史数据计算的不同行业间违约概率的相关 性。 大部分行业违约率间相关系数为正，说明不同行 业间违约率存在同向变动趋势， 且大部分相关系数 远小于 0.9，同时也有少数几个行业出现负的相关系 数， 商业银行可利用相关系数符号相反的行业构建 乙+-1-1)-pa*准( )信贷组合对冲风险。 表 3 的结果与表 2 相差较大，内rpd=准( 准 (pa)-ra*x姨1-ra准 (pb)-rb*x姨1-rb部评级法暗含的高度相关性不能描述实际信贷组合-pb/(a*b)f(x)dx(15)的风险。表 3 穆迪历史违约率相关系数矩阵abcdefghijka10.490.63-0.0230.460.500.350.380.210.450.45b0.4910.850.320.060.780.550.120.680.330.40c0.630.8530.570.200.530.330.38d-0.0230.320.211-65-0.0360.320.110.22e0.460.0640.10-0.1010.081-0.0930.140.0630.73-0.079f0.500.780.630.180.08110.320.150.610.220.32g0.350.550.570.065-0.0930.321-0.0940.500.270.54h0.380.120.20-0.0360.140.15-0.0941-0.0050.005-0.077i0.210.680.530.320.0630.610.50-0.00510.340.44j0.450.330.330.110.730.220.270.0050.3410.32k0.450.400.380.22-0.0790.320.54-0.0770.440.321注 ：a -k 代 表 banking、capital industries、con- sumer industries、energy and environment、fire 、me- dia& publishing 、retail & distribution、gri*、tech- nology、transportation、utilities。 表内的结果为作者计 算。法计算的监管资本相差很小，故内部评级法的条件预 期损失减去预期损失的方法可用来构建考虑相关性 信贷组合的经济资本模型。 式（18）中的 f(xa,xb)为标 准=维正态随机向量概率密度函数。p loss=(pacondition*eada+pbcondition*eadb*lgd)=f(xa, xb)dxadxb（18）economiccapital=var(loss)0.999-ela-elb（19） 式（16）-（19）构成了我们用于和监管资本比较的 经济资本计量方法。 根据模型进行参数校准，最终获 得整个贷款组合所需经济资本。 假定信贷组合规模足 够大，为充分分散化的状态，pacondition=1%,pbcondition=5%,经过违约损失率调整后的风险暴露均为 1。考虑信贷组合含有 2 种信贷资产 a 和 b，违约率 均 值 分 别 为 pauncondition 和 pbuncondtion, 违 约 率 相 关 系 数 为 rpd,系统性风险因子相关系数 rsf。 我们设计的经济资 本模型中仍然用单因子模型描述其条件违约概率,式（16） 在引入违约相关性后能保持单个资产的违约率 风险特征与监管资本输入端的违约率风险特征保持 一致，这样就能完全考虑相关性对经济资本与监管资 本间差异的影响，不受其他因素影响。-1pacondition=准( 准 (pauncondition)- 姨r *xa )姨1-r-1pbcondition=准( 准 (pbuncondition)- 姨r *xb )（16）姨1-rcov(xa,xb)=rsf（17）式（17）表明系统性风险因子组成的向量符合二 元正态随机分布，此处借鉴了德国央行在考虑行业相 关性宏观压力测试中的经验。 该假定间接地将违约概 率的相关性转化为系统性风险因子的相关性, rpd 和 rsf 存在一定的对应关系。 与监管资本的单因子模型 不同，不同信贷资产的系统性风险因子不同，存在一 定的相关性。 这样在经济资本模型中我们就合理的定 义了符合现实的违约率相关性结构，从而与监管资本 相区别（违约概率相关系数接近 1）。式（18）定义了信贷组合每处损失的概率。 损失是 直接用条件预期损失来表示的 ， 并没有利用 cred- itrisk+ 模 型进行计算 。 原因主要出于 2 个： 使用 creditrisk+对行业违约相关性的处理比较复杂，求解 损失分布繁琐。 此处主要展示贷款违约行业相关性 的影响，故组合的粒度影响可以忽略，前面我们已经 证明，贷款组合规模较大时，输入端风险特征相同的 情况下用 creditrisk+计算的经济资本与用内部评级 图 3 信贷组合损失分布（r=0.5）图 3 为系统性风险因子相关系数为 0.5 时的贷款 组合损失分布图，从图中即可得到任意置信度下贷款 组合的损失。 表 4 的结果表明：随着系统性风险因 子相关性的提高，违约概率相关性也增强，表明 rsf=f (rpd),且为增函数；经济资本与监管资本的差异随着 信贷资产违约相关性的提高而减小。 表 3 的结果表明 实际经济中不同行业的违约率相关性往往远小于 1， 当违约率相关系数为 0.438 时，经济资本为监管资本 的 78%，这就是信贷资产违约相关性的风险分散化效 应，商业银行发放贷款需要分散风险，避免同质（违约 率高度正相关）资产占比过高。 监管资本默认不同资 产违约概率相关性是接近 1 的，而实际信贷资产违约 概率相关性是远小于 1 的，高度相关性是导致监管资 本大于经济资本的原因，这是我们的第三个结论。监管资本中默认 1 种资产的条件违约概率达到 0.999 的置信度 (即只有 0.1%可能性违约概率超过该 值，代表了较为极端的情况)时，另外一种资产也是相 同的置信度，而实际经济中违约率相关性较小时（远 小于 1）， 经济资本计量过程中一种资产条件违约概 率为 0.999 置信度时，另外一种资产的违约概率为多 个小于或等于 0.999 处置信度的值（相关性不是确定 函数关系，故为多个可能取值），经济资本考虑的是符 合实际状况的风险。 这也从另外一个侧面说明监管资 本与经济资本描述的组合风险特征是不相同的，随着 风险特征的趋于相同（相关系数趋于 1），两者的计量结果也趋同。表 4 考虑信贷资产相关性时经济资本与监管资本对比rr $ $ $/ $000.2290.36462.91%0.10.0850.2420.36466.48%0.20.1670.2510.36468.95%0.30.2530.2660.36473.07%0.40.3440.2730.36475.00%0.50.4380.2860.36478.57%0.60.5360.3070.36484.34%注：rsf 代表系统性风险因子间相关系数 ，rpd 违约概率相关系数。四、结论本文从信贷组合分散化程度，信贷资产间违约相 关性 2 个方面考察了监管资本与经济资本计量结果 差异的原因。 研究结果表明，当信贷组合的风险特征 保持一致时，且信贷组合规模足够大，充分分散化的 情况下两者计算的资本是趋于相同的。 但监管资本的 内部评级法关于组合风险特征的描述往往是不符合 实际（不同信贷资产违约概率高度相关，接近 1），这 将导致监管资本明显大于经济资本。 整个研究过程中 得到以下具体结论：1、 内部评级法中系统性风险因子正态分布假设 并不是导致资本计量不准确的原因。 文献中关于内部 评级法中正态分布导致资本计量偏小的定性判断缺 乏依据，本文通过对内部评级法暗含的违约概率分布 进行研究表明尽管系统性风险因子的正态分布偏离 实际经济情况的偏峰厚尾，但内部评级法从系统性风 险因子到条件违约概率的转换是非线性的，条件违约 概率仍然呈现偏峰厚尾的形态。2、由单种资产构成的信贷组合，在信贷组合风险 特征相同的情况下（本文中体现在资产的违约概率分 布）， 通过 creditrisk+计算的经济资本将大于监管资 本。 随着信贷组合规模的扩大，两者趋于相同，说明 creditrisk+能考虑组合中未充分分散的风险（例如实 际贷款组合中常 见的单个债务 人 风险暴露占比较 高）。 故商业银行除了关注监管资本达标，还需建立内 部经济资本模型，才能确定与实际风险相匹配的资本 水平。3、由多种信贷资产构成的信贷组合，单个资产风 险特征与监管资本模型相同的情况下，通过经济资本 模型计算的结果将小于监管资本。 监管资本模型无法 描述实际不同类贷款资产的违约概率相关性，其隐含 的相关性接近 1，而实际相关性往往远小于 1，这导致 了经济资本小于监管资本。 尽管经济资本模型中单个资产的风险特征与监管资本保持一致，但是整个组合 的风险特征与监管资本模型并不一致（相关性不同导 致联合概率分布不相同）。 随着相关性的提高，两者计 算的资本趋于相同，说明了组合风险特征决定了两者 的差异。参考文献：1bcbs.internaltional convergence of capital measurement and capital standcardsr.1988.2bcbs. international convergence of capital measurement and capital standards: a revised frame- workr. 2004.3杨继光, 刘海龙, 许友传. 基于信用风险经济 资本测度的贷款定价研究 j. 管理评论, 2010, 22(7): 33-38.4贾原芳. 商业银行监管资本和经济资本在绩效评估中的比较研究j. 经济与管理, 2006, 9: 67-70. 5杨继光, 刘海龙. 监管资本的适度性研究基于我国上市银行的实证分析j. 财经研究, 2009, 35 (2): 65-75.6高军, 孙彦钊. 经济资本, 监管资本与账面资 本的比较研究j. 华北金融, 2009,(3): 6-9.7batiz -zuk e, christodoulakis g, poon s h. structural credit loss distributions under non-normal- ityj. the journal of fixed income, 2013,15 (2):145 - 162.8王志强, 齐佩金, 刘丽巍. 解读巴塞尔协议中内部评级法关于资本要求的计算j. 数理统计与管 理, 2007, 26(1): 125-131.9杨华. 新巴塞尔协议框架下商业银行内部评级 系统研究d. 上海交通大学, 2007.10gordy m b. a risk-factor model foundation for ratings-based bank capital rules j. journal of financial intermediation, 2003, 12(3): 199-232.11duellmann, k., erdelmeier,m.crash testing german banksj,international journal of central bank- ing,2009,9:139-155.12duellmann, k., kick t. stress testing german banks against a global cost -of -capital shock j. deutsche bundesbank working paper,2012-4.13彭建刚, 吕志华. 基于行业特性的多元系统风险因子 creditrisk+ 模型 j. 中国管理科学, 2009, 17 (3): 56-64.（责任编辑：昝剑飞）英文摘要 上海金融2014 年第 2 期are there any essential differences between regulatory capital and economic capital?cao linabstract: the paper matches the probability of default parameters of the internal rating-based approach (irb) for regulatory capital and the creditrisk+ model for economic capital, and on this basis, compares the unexpected losses derived from different calculations. numerical results show that with the increase in the size of the credit portfolio, both of the unexpected losses tend to be the same value, while the degree of differ - ence between them depends on the degree of diversification of the credit portfolio. through the analysis of the moodys industry default rate data from 1970 to 2010, the paper constructs an economic capital model, which contains default correlation, to calculate the unexpected loss. the results show that the actual output of a commercial banks internal economic capital measurement model tends to be smaller than regulatory capital, and this difference is caused by the different risk characteristics of the credit portfolio in economic capital models and regulatory capital models.key words: regulatory capital; economic capital; internal rating-based approach; creditrisk+ model; probability of default; differencea comparative study on the regulatory systemof microfinance companies in major provinces and citieswang chengpingabstract: the article conducts a comparative study on the regulatory measures enacted by major provincial and municipal governments na - tionwide, analyzes the problems during the development process of microfinance companies from a regulatory point of view, and makes recommen - dations on the improvement of regulatory and supervisory systems. the result has a certain significance for scientifically guiding private capital into the financial sector.key words: microfinance company; regulation; comparisonwho decides the commodity prices?an empirical analysis based on crude oil futuresqin yuanabstract: for the argument that financial speculation decides the commodity prices, this paper uses the granger causality test to analyze the relationship between all kinds of futures positions and commodity prices. by using the band pass filter to extract the frequency range from 4 to 13 weeks, the article studies the interaction between futures positions and commodity prices during the corresponding period. the main results are as follows: the interaction of commercial long positions and prices is significantly different from the interaction of commercial short positions and prices. commercial long positions are not sensitive to the prices, while commercial short positions are very sensitive to the prices and have some pricing power. non-commercial net positions (financial speculator) have a significant influence on the commodity prices. but on the whole, the in - fluence of commercial short positions should be stronger than financial speculation.key words: commodity futures positions; commodity prices; granger causality test; the band pass filtertransaction costs, network externalities and the foreign exchange market structurebased on the expansion analysis of market microstructure modelcao yong/ zhou yinqunabstract: based on the expansion analysis of market microstructure model, this paper studies the influence of transaction costs and network ex - ternalities on exchange structure in the foreign exchange markets. once the currency with large transaction volume and stable value evolves into a forex vehicle, a high level of set-up cost would hinder dealers from activating the direct exchange of non-vehicle currencies. only the great changes in fundamentals can make a substantial impact on the forex market exchange structure. in order to speed up the internationalization of cny, we should decrease its transaction costs, and expand the scope and scale of direct exchange between cny a