楊雁雁

(武夷學(xué)院數(shù)學(xué)與計算機(jī)學(xué)院， 福建武夷山 354300)

基于公司信貸的信用風(fēng)險度量與管理

楊雁雁

(武夷學(xué)院數(shù)學(xué)與計算機(jī)學(xué)院， 福建武夷山 354300)

本文以公司信貸為出發(fā)點(diǎn)， 在對公司經(jīng)營信息、 財務(wù)信息、 歷史違約信息占有下， 研究商業(yè)銀行如何對公司信貸的信用風(fēng)險進(jìn)行有效的度量與管理. 它包括基于基本分析的信用風(fēng)險定性分析、 基于財務(wù)報表與統(tǒng)計分析的信用風(fēng)險財務(wù)預(yù)警、 基于模型的信用風(fēng)險定量度量. 最后當(dāng)預(yù)計到風(fēng)險事故將要發(fā)生時， 利用金融工具對信用風(fēng)險進(jìn)行有效的分散與轉(zhuǎn)移.

公司信貸； 信用風(fēng)險； 基本分析； 信用風(fēng)險模型； 風(fēng)險分散與轉(zhuǎn)移

信用風(fēng)險包括兩個方面， 一是債務(wù)人到期沒有意愿或沒有能力還款導(dǎo)致的違約風(fēng)險； 二是信用水平的變動導(dǎo)致的債務(wù)市場價值的降低給銀行造成損失的可能性. 從風(fēng)險邏輯法的角度， 銀行需要找出造成信用風(fēng)險發(fā)生的原因， 即還款意愿、 還款能力和信用評級等. 銀行與需要貸款的公司是博弈的雙方， 銀行只有充分的占有信息， 對信息進(jìn)行充分的加工與度量， 才能在貸前控制高信用風(fēng)險的公司準(zhǔn)入， 貸中建立風(fēng)險預(yù)警， 及時采取措施， 貸后分散與轉(zhuǎn)移信用風(fēng)險， 全面對信用風(fēng)險進(jìn)行管理， 減少違約事故發(fā)生造成的損失.

與信用風(fēng)險有關(guān)的公司信息， 包括公司外部的經(jīng)濟(jì)環(huán)境， 公司所處行業(yè)的發(fā)展?fàn)顩r， 公司道德與公司經(jīng)營的信息， 財務(wù)報表信息， 歷史違約信息等. 針對上述信息的占有， 本文采用基于行業(yè)、 基于經(jīng)濟(jì)環(huán)境、 基于公司經(jīng)營的基本面分析法， 與傳統(tǒng)的5c分析法相比更加強(qiáng)調(diào)宏觀性， 行業(yè)對比性與動態(tài)性. 對財務(wù)報表信息的占有上， 在信息準(zhǔn)確的前提下， 本文不僅介紹了傳統(tǒng)的z評分法， 而且從財務(wù)比率和統(tǒng)計分析的角度對信息進(jìn)行加工， 以增強(qiáng)預(yù)警性. 對歷史違約信息的處理上， 本文著重從模型的角度定量度量信用風(fēng)險. 由于主流的度量信用風(fēng)險的四大模型各有其嚴(yán)苛的模型假設(shè)和使用條件， 針對多變且復(fù)雜的經(jīng)濟(jì)環(huán)境， 本文重點(diǎn)闡述不同經(jīng)濟(jì)背景與適用條件下模型的應(yīng)用問題. 信息的充分占有， 數(shù)據(jù)的充分挖掘， 信用風(fēng)險的準(zhǔn)確度量， 是銀行管理信用風(fēng)險成敗的關(guān)鍵.

國內(nèi)對信用風(fēng)險的度量與管理研究大多從單一側(cè)面展開， 缺乏系統(tǒng)性. 例如張樂[1]從經(jīng)驗(yàn)方法、 經(jīng)濟(jì)計量方法的角度描述信用風(fēng)險計量方法. 胡心瀚等[2]從統(tǒng)計分析的角度描述信用風(fēng)險分析中的變量選擇. 李麗麗[3]從加強(qiáng)內(nèi)部評級、 建立預(yù)警系統(tǒng)、 完善信息的角度對商業(yè)銀行信用風(fēng)險管理提出建議， 李子玉[4]強(qiáng)調(diào)了建立數(shù)據(jù)驅(qū)動型信用風(fēng)險的必要性. 彭建剛等[5]對creditrisk+模型的應(yīng)用做了探討. 曹道勝等[6]對四大信用風(fēng)險模型做了比較. 李永軍等[7]對信用衍生工具對緩釋信用風(fēng)險的必要性和有利條件作了探討. 本文由風(fēng)險管理的系統(tǒng)性原則出發(fā)， 分別從信息的充分占有， 信用風(fēng)險模型的有效選擇， 信用風(fēng)險的全過程管理三個角度對公司信貸信用風(fēng)險的度量與管理進(jìn)行研究.

1 外部的、 經(jīng)驗(yàn)的、 定性的信用風(fēng)險度量初判

外部的、 定性的信用風(fēng)險的度量發(fā)生在信貸之前的資信審查階段， 充分利用所掌握的信息， 對要求貸款的公司進(jìn)行初步的篩查， 防范于未然. 傳統(tǒng)的分析方法主要是基于公司經(jīng)營的5c分析法， 然此方法缺乏宏觀性與行業(yè)對比性. 本文采用基本面分析法對信用風(fēng)險進(jìn)行度量與管理， 它包括宏觀經(jīng)濟(jì)形勢分析、 行業(yè)發(fā)展分析、 公司經(jīng)營特性分析.

宏觀經(jīng)濟(jì)形勢分析包括整個經(jīng)濟(jì)大環(huán)境所處的經(jīng)濟(jì)周期， 是經(jīng)濟(jì)上行、 快速發(fā)展還是經(jīng)濟(jì)下行、 發(fā)展緩慢， 通貨膨脹率、 利息率、 失業(yè)率、 宏觀經(jīng)濟(jì)政策(包括財政政策和貨幣政策)， 都是銀行需要考查的變量， 它直接影響銀行信貸總量， 進(jìn)而影響信貸個體的信貸額度. 同時經(jīng)濟(jì)的波動周期與波動幅度直接影響歷史數(shù)據(jù)對未來預(yù)測的準(zhǔn)確程度.

行業(yè)發(fā)展分析. 銀行對不同公司做貸前審查時， 公司所處的行業(yè)發(fā)展?fàn)顩r必須考慮在內(nèi). 公司信用風(fēng)險在同一行業(yè)因素的影響下具有較強(qiáng)的相似性， 在所要求信貸的公司信貸數(shù)據(jù)不足的情況下， 同行業(yè)相似的公司的信貸數(shù)據(jù)可以為銀行提供參考. 公司所在行業(yè)的生命周期所處的階段， 是創(chuàng)業(yè)階段、 成長階段、 成熟階段還是衰退階段， 行業(yè)發(fā)展勢頭與國家對行業(yè)發(fā)展的支持程度都是重要的參考指標(biāo). 公司經(jīng)營特性分析， 我們主要從六個方面來描述， 包括：

1) 品質(zhì). 主要包括公司的商業(yè)道德與公司聲譽(yù)， 以往的信貸或信用銷售中的違約情況與不良記錄， 主要負(fù)責(zé)人的品德， 公司經(jīng)營方針和資金運(yùn)用是否健全.

2) 能力. 從公司實(shí)力、 財務(wù)狀況、 經(jīng)營狀況、 生產(chǎn)能力、 資金運(yùn)轉(zhuǎn)能力來考察其是否具有償還貸款的能力.

3) 資本. 存貨廠房、 自有資金規(guī)模等資本對債權(quán)的保障程度.

4) 環(huán)境. 公司在所處行業(yè)的競爭地位、 地理區(qū)位、 市場占有率、 市場競爭情況， 強(qiáng)調(diào)對比性.

5) 公司治理. 考察管理層的實(shí)力對公司發(fā)展的保障程度， 包括董事會的構(gòu)成， 成員與管理層成員的專業(yè)知識與決策管理能力， 管理層的獨(dú)立性與穩(wěn)定性， 以及信息披露情況.

6) 抵押擔(dān)保與保險. 公司所要提供的抵押品的質(zhì)量與價值， 公司是否對重要交易和資產(chǎn)進(jìn)行投保.

其中品質(zhì)、 環(huán)境、 資本、 能力是靜態(tài)指標(biāo)， 考察當(dāng)前的資產(chǎn)狀況與還款的可能性； 公司治理是一種動態(tài)指標(biāo)， 強(qiáng)調(diào)管理層對當(dāng)前還款可能性的延續(xù)與發(fā)展； 擔(dān)保與保險表示一旦資產(chǎn)惡化或即將發(fā)生違約， 能多大程度地減少損失的額度.

與傳統(tǒng)的5c法相比， 基本分析法與5c分析法都依賴于專家的經(jīng)驗(yàn)與能力， 具有很強(qiáng)的主觀性. 不同之處是， 基本分析法更加強(qiáng)調(diào)宏觀性、 行業(yè)對比性與發(fā)展性. 基本分析發(fā)生在資信審查階段， 是銀行對貸款質(zhì)量的提前預(yù)判， 成本低操作性強(qiáng).

2 財務(wù)報表的信用風(fēng)險再計量

假設(shè)不存在信息不對稱的情況， 財務(wù)報表真實(shí)可信. 我們有兩種方法來度量借款人的信用風(fēng)險情況：

一是財務(wù)指標(biāo)與違約參數(shù)呈現(xiàn)線性關(guān)系， 著名的有z評分模型與ZETA評分模型. 以z評分模型為例， 它通過統(tǒng)計方法， 選取五個財務(wù)指標(biāo)作自變量， 五個財務(wù)比率分別為：

X1=營運(yùn)資本/總資產(chǎn)；

X2=保留盈余/總資產(chǎn)；

X3=息稅前利潤/總資產(chǎn)；

X4=股權(quán)市值/總負(fù)債面值；

X5=銷售額/總資產(chǎn)，

則債務(wù)公司信用指標(biāo)：

z=1.2X1+1.4X2+3.3X3+0.6X4+0.999X5.

根據(jù)Altman的研究結(jié)果， 當(dāng)z<1.81時， 借款公司會違約； 當(dāng)z≥2.99時， 則借款公司會履約； 當(dāng)1.81≤z<2.99時， 為未知區(qū)域， 判斷誤差大， 需要輔以其他方法判斷. 將X4中的股權(quán)市值用賬面價值替代， 則可得到非上市公司的z評分模型

z=0.717X1+0.847X2+3.107X3+0.420X4+0.998X5.

線性模型具有較強(qiáng)的適應(yīng)性與操作性， 在預(yù)防信用風(fēng)險事故發(fā)生的資信審查階段可以很好地應(yīng)用， 然而現(xiàn)實(shí)經(jīng)濟(jì)的非線性性和其理論基礎(chǔ)的薄弱性， 使其使用范圍有所限制.

另一種是基于統(tǒng)計分析的非線性方法， 主要有因子分析和logistic模型法. 其主要思想是：

1) 對財務(wù)報表中的數(shù)據(jù)構(gòu)造財務(wù)比率指標(biāo). 主要從六個方面構(gòu)造， 分別為盈利能力、 現(xiàn)金流量、 償債能力、 資金運(yùn)作效率、 成長能力、 盈余能力. 以償債能力為例， 短期償債能力包括速動比率=(流動性資產(chǎn)—存貨)/流動性負(fù)債， 流動比率=流動性資產(chǎn)/流動性負(fù)債， 現(xiàn)金比率=現(xiàn)金及其現(xiàn)金等價物/流動性負(fù)債. 長期償債能力包括資產(chǎn)負(fù)債率=負(fù)債總額/資產(chǎn)總額， 利息保障倍數(shù)=息稅前利潤/利息費(fèi)用[8].

2) 對照變量的選取. 為增加預(yù)測的準(zhǔn)確度， 違約組和非違約組要在相同行業(yè)、 相近地理區(qū)域選取， 以降低誤差.

3) 剔除非顯著性變量. 由于財務(wù)指標(biāo)較多， 隨機(jī)選取等量的違約樣本和非違約樣本， 對各個指標(biāo)作顯著性檢驗(yàn)， 剔除非顯著性變量.

4) 對剩余變量做因子分析， 并提取公因子， 得出因子得分函數(shù).

5) 對所選取的因子做logistic回歸分析， 得危機(jī)預(yù)測模型.

6) 設(shè)定臨界點(diǎn)， 把需要作出信貸決策的公司財務(wù)比率帶入模型作出判斷.

此方法的關(guān)鍵是違約組與非違約組財務(wù)數(shù)據(jù)的采集. 工作量大， 適合銀行在公司所在行業(yè)已建立信貸數(shù)據(jù)庫且數(shù)據(jù)充分的前提下使用. 然而要求信貸的公司提供給銀行的財務(wù)報表數(shù)據(jù)不一定準(zhǔn)確， 且銀行并沒有建立有效的數(shù)據(jù)庫， 該方法并沒有得到很好的應(yīng)用.

3 基于模型的信用風(fēng)險定量分析

無論是信貸發(fā)生前對要求信貸的公司的資格審查還是信貸發(fā)生后對信用風(fēng)險事故發(fā)生的有效預(yù)警， 都離不開對信用風(fēng)險的定量分析. 然模型具有嚴(yán)苛的假設(shè)條件和使用條件， 現(xiàn)實(shí)經(jīng)濟(jì)環(huán)境是復(fù)雜多變的. 本文以信用風(fēng)險度量的主流模型為例， 說明特定環(huán)境下的主流信用風(fēng)險模型的使用問題.

現(xiàn)在主流的度量信用風(fēng)險的模型有Credit Metrics模型、 Credit Risk+模型、 KMV模型和Credit Portfolio View模型. 我們根據(jù)這四個模型的不同假設(shè)條件， 結(jié)合多變的經(jīng)濟(jì)環(huán)境， 探討基于公司信貸的信用風(fēng)險的模型應(yīng)用問題.

3.1 Credit Metrics模型應(yīng)用

Credit Metrics模型的關(guān)鍵性假設(shè)， 一是信用風(fēng)險與市場風(fēng)險無關(guān). 如果在所截取時間區(qū)間內(nèi)， 市場變量穩(wěn)定， 或市場變量沒有顯著的波動， 即環(huán)境變量不是造成同行業(yè)內(nèi)公司與公司違約與否顯著性差異的變量， 這時我們可以假設(shè)信用風(fēng)險與市場風(fēng)險無關(guān)， 只與公司經(jīng)營與公司道德有關(guān)； 二是違約， 不僅指沒有按時完全償還債務(wù)， 還包括信用等級下降導(dǎo)致的債務(wù)市值的下降， 這里的關(guān)鍵是信用等級轉(zhuǎn)移矩陣的獲得. 假設(shè)銀行對公司所在行業(yè)有充分的交易數(shù)據(jù)與信用數(shù)據(jù)記錄， 則銀行可以根據(jù)歷史數(shù)據(jù)得到信用等級轉(zhuǎn)換概率與違約概率， 即有信用等級轉(zhuǎn)移矩陣， 如果知道公司的信用評級情況， 那么就可以求出所求債務(wù)的經(jīng)濟(jì)資本. 具體運(yùn)算過程如下：

設(shè)債券到期期限為T， 債券等級為m，Mjk表示信用等級為j時第k年的凈現(xiàn)金流，rjk表示信用等級為j時第k年的零利率收益率，cj表示信用等級為j時債務(wù)的現(xiàn)值. 則

設(shè)由當(dāng)前信用等級轉(zhuǎn)移為j等級的概率為pj， 則

采用蒙特卡洛模擬方法， 累加該債務(wù)項最差的信用等級遷移概率使其等于1-σ， 此時對應(yīng)的債務(wù)價值與均值之差即為VAR值.

3.2 Credit Risk+模型應(yīng)用

Credit Risk+模型的核心假設(shè)是每筆債務(wù)違約概率小且相互獨(dú)立. 這一點(diǎn)可以在特定經(jīng)濟(jì)背景下實(shí)現(xiàn)， 例如經(jīng)濟(jì)整體繁榮且穩(wěn)定， 社會秩序好， 市場化充分， 我們可以假設(shè)每筆債務(wù)違約率小. 當(dāng)銀行面向全體經(jīng)濟(jì)實(shí)體實(shí)施信貸， 且信貸充分分散化時， 可以假設(shè)每筆債務(wù)相互獨(dú)立. 采用Credit Risk+模型， 則貸款組合的違約次數(shù)服從泊松分布：

將貸款損失按其嚴(yán)重性程度進(jìn)行分組， 并將各組損失匯總， 可得到貸款組合的損失分布.

Credit Risk+模型對單筆貸款并沒有詳細(xì)闡述， 而單筆貸款的違約概率與損失額度卻是模型的輸入量. 因此， Credit Risk+模型是在已知單筆貸款的違約概率、 違約波動率與損失額度， 在每筆債務(wù)違約概率小且相互獨(dú)立的前提下， 處理不同地區(qū)、 不同部門、 不同時限的貸款組合的風(fēng)險暴露， 是銀行對貸款組合整體信用風(fēng)險的度量.

3.3 KMV模型的應(yīng)用

KMV模型的核心假設(shè)， 一是公司股票價格滿足BS模型的基本假設(shè)， 公司價值變化過程服從itoprocess， 針對的是上市公司； 二是資產(chǎn)價值大于債務(wù)價值則不違約， 反之則違約， 即不存在公司資金充足惡意欠款的可能. 把公司的股權(quán)看成一種期權(quán)， 由期權(quán)定價公式和對期權(quán)定價公式等式兩邊求微分所得式， 可得以下方程組

(1)

其中

VE表示公司股權(quán)的市場價值，σE表示公司股權(quán)市值波動率，VA表示公司資產(chǎn)的市場價值，σA表示公司資產(chǎn)市場價值波動率，X為違約邊界，T為到期日，R為無風(fēng)險利率.

如果知道股權(quán)市值及其波動率， 由方程組(1)就可以求出資產(chǎn)價值及其波動率. 違約距離為

其中DPT是違約點(diǎn)， 它的取值為流動性負(fù)債加上50%的長期負(fù)債. 由違約距離與違約概率的映射關(guān)系， 求出違約概率. 如果知道違約損失率的分布情況， 那么就可以求出債務(wù)損失.

在KMV模型的實(shí)際應(yīng)用中， 上市公司違約距離與違約概率的映射關(guān)系可由歷史的違約數(shù)據(jù)與股票數(shù)據(jù)建立. 通過實(shí)時更新的上市公司股票信息求出違約距離， 進(jìn)而求出實(shí)時的違約概率與資產(chǎn)損失， 以便貸后對上市公司信貸的信用風(fēng)險狀況及時監(jiān)控與預(yù)警. 也可以在貸前對上市公司違約情況進(jìn)行度量， 通過拒貸信用風(fēng)險高的公司來減少違約事件的發(fā)生對銀行造成的損失.

3.4 Credit Portfolio View模型應(yīng)用

當(dāng)宏觀經(jīng)濟(jì)變量， 例如經(jīng)濟(jì)周期、 長期利率水平、 GDP增速、 政府支出等對信用等級遷移的改變不可忽略時， 可以采用Credit Portfolio View模型. 設(shè)t時刻的條件遷移概率為pt，

Pt=f(yt)，yt=g(Xit,Vt)，i=1,…,n，Vt～N(0,σ).

其中Xit是t時刻的一組宏觀經(jīng)濟(jì)變量，Vt是隨機(jī)變量. 由于宏觀經(jīng)濟(jì)變量的經(jīng)濟(jì)含義與數(shù)量及其對條件遷移概率函數(shù)的影響難以確定與檢驗(yàn)， 目前在我國應(yīng)用的可能性較小.

4 公司信貸信用風(fēng)險的分散與規(guī)避

無論是基于基本分析的定性分析， 還是基于公司財務(wù)報表和信用風(fēng)險模型的定量計量， 都是為了對公司信貸信用風(fēng)險進(jìn)行有效度量， 以便貸前對要求貸款的公司進(jìn)行審查， 控制風(fēng)險高的公司的信貸準(zhǔn)入， 防范于未然， 貸中對風(fēng)險及時監(jiān)控， 建立有效的風(fēng)險預(yù)警. 當(dāng)預(yù)測到信貸資產(chǎn)惡化， 違約事件將要發(fā)生時， 及時采取措施， 對信用風(fēng)險進(jìn)行有效的規(guī)避與轉(zhuǎn)移. 研究表明， 信用風(fēng)險暴露前180天采取措施， 平均損失為1%～2%； 信用風(fēng)險暴露前30天采取措施， 平均損失為10%～20%； 不采取任何預(yù)防措施， 風(fēng)險損失可達(dá)50%以上[3].

1) 持有分散的貸款組合. 銀行通過發(fā)放不同種類且相關(guān)性低的貸款以分散風(fēng)險， 通過貸款種類授信方式的搭配以建立有效的資產(chǎn)組合， 控制貸款在行業(yè)、 地區(qū)等方面的集中度來減少風(fēng)險損失.

2) 資信審查， 風(fēng)險預(yù)警與抵押. 通過行業(yè)發(fā)展信息與公司經(jīng)營信息以及財務(wù)信息的分析， 對要求信貸的公司的信用風(fēng)險進(jìn)行評估， 以限制高風(fēng)險的公司的信貸準(zhǔn)入. 利用金融統(tǒng)計分析和模型定量計量的方法建立風(fēng)險預(yù)警系統(tǒng)， 及時發(fā)現(xiàn)風(fēng)險暴露， 采取相關(guān)措施， 防范于未然. 把信用違約造成的損失數(shù)據(jù)及時在損益表中更新， 通過貸款損失準(zhǔn)備金的提取來降低信用違約造成的損失. 當(dāng)違約發(fā)生時， 有效的擔(dān)保和抵押物可以減少損失的數(shù)額.

3) 不良貸款的核銷轉(zhuǎn)讓與衍生產(chǎn)品工具的使用. 不良貸款的核銷轉(zhuǎn)讓是傳統(tǒng)的處理不良貸款的方式. 隨著中國金融市場的進(jìn)步與衍生產(chǎn)品市場的不斷發(fā)展， 信用衍生產(chǎn)品工具， 包括總收益互換、 信用違約互換、 信用聯(lián)結(jié)票據(jù)、 債務(wù)擔(dān)保憑證等， 在轉(zhuǎn)移信用風(fēng)險中發(fā)揮著越來越重要的作用. 金融衍生工具通過信用風(fēng)險從不同風(fēng)險偏好的投資者之間的轉(zhuǎn)移， 為銀行解決不良貸款提供出路. 信用衍生產(chǎn)品工具的使用， 可以有效轉(zhuǎn)移中小公司信貸的信用風(fēng)險， 擴(kuò)大其融資規(guī)模， 為解決中小公司融資難提供出路.

[1] 張樂. 現(xiàn)代信用風(fēng)險計量方法與我國商業(yè)銀行的信用風(fēng)險管理研究[J].開發(fā)研究， 2014(5):114-118.

[2] 胡心瀚， 葉五一， 繆柏其. 上市公司信用風(fēng)險分析模型中的變量選擇[J]. 數(shù)理統(tǒng)計與管理， 2012， 31(6):1117-1124.

[3] 李麗麗. 對我國商業(yè)銀行信用風(fēng)險管理的思考[J]. 黑龍江對外經(jīng)貿(mào)， 2006(1):66-67.

[4] 李子玉. 數(shù)據(jù)驅(qū)動型信用風(fēng)險管理[J]. 中國金融， 2017(2):74-75.

[5] 彭建剛， 張麗寒， 劉波， 屠海波.聚合信用風(fēng)險模型在我國商業(yè)銀行應(yīng)用的方法論探討[J]. 金融研究， 2008(8):72-85.

[6] 曹道勝， 何明升.商業(yè)銀行信用風(fēng)險模型的比較及其借鑒[J]. 金融研究， 2006(10):90-97.

[7] 李永軍， 丁守海， 劉 曄. 信用衍生工具： 緩釋商業(yè)銀行信用風(fēng)險的有效途徑[J]. 國際經(jīng)濟(jì)合作， 2017(2):91-95.

[8] 鄒宏元. 金融風(fēng)險管理[M]. 成都： 西南財經(jīng)大學(xué)出版社， 2010:146-202.

Credit Risk Measurement and Management Based on Corporate Credit

YANG Yan-yan

(College of Mathematics and Computer, Wuyi University, Wuyishan 354300, China)

Based on company’s credit, this thesis studies how the commercial banks can effectively measure and manage the credit risk of the company’s credit under the possession of the company’s business information, financial information and historical breach information. It includes qualitative analysis of credit risk based on fundamental analysis, precaution of credit risk based on financial statements and statistical analysis, and quantitative measurement of credit risk based on model. Finally, when it is expected that the risk accident will occur, Using financial instruments to disperse and transfer the credit risk effectively.

corporate credit; credit risk; fundamental analysis; credit risk model; risk diversification and transfer

F832； F840.323

A

1009-4970(2017)11-0064-05

2017-04-12

楊雁雁(1986—)， 女， 河南汝州人， 碩士， 助教. 研究方向： 金融數(shù)學(xué).

[責(zé)任編輯 王保玉]