随着全球金融自由化范围的扩大和程度的加深，金融资产间相关性的分析与度量对于保障资产组合有效性与资产组合风险度量的准确性起着越来越重要的作用。相关性是信用组合风险管理中的核心问题。西方商业银行普遍认为行业信用风险的实质即为行业信用集中风险，行业信用风险管理的核心就是保持分散化，避免行业过度集中。要实现行业信用风险的有效分散，就必须进行准确的行业信用风险相关性分析。我国的行业信用风险管理工作刚刚起步，除了对行业信用风险进行定性认识，也要准确把握行业间信用风险的相关性，以达到银行优化信贷组合，规避风险的目的。通过对目前国内外商业银行信用风险度量及行业信用风险分析的现状进行研究发现，现有信用组合风险度量模型在假设上存在一定缺陷：现有主流的信用组合风险度量模型有一定的假设条件，例如正态性和独立性方面的假设。但是在现实中，信用风险管理所关注的尾部数据却往往不具有正态性，其尾部独立性也区别于总体的独立性。如此一来，造成联合违约概率和风险值的估计发生偏误，使银行风险管理失去效力。对现有主流信用组合风险相关性研究进行分析发现，一方面，对于信用组合风险相关性的分析均是在假设信用评级及违约概率的联合分布服从多变量正态分布的前提下进行的。另一方面，在相关性度量方面均采用线性相关系数度量方法。传统的相关性度量方法因不适用于尾部数据的相关性分析，而得到不完整甚至错误的相关性信息。 本文针对在以上研究中发现的不足，引入了一种基于极值理论的二元极值相关度量--尾部相关性度量方法，通过构造和估计渐近相关度X和有限相关度X指标，对信用组合风险的尾部相关性进行分析。渐近相关度X和有限相关度X一起描述了尾部相关的形式与程度。它们分别描述了在渐近独立关系下的有限相关程度，以及在渐近相关关系下的渐近相关程度。渐近独立和渐近相关的区别在于：对于渐近独立的分布族，在有限水平上可以有不同程度的相关性，只是同时出现大值的可能性越来越小。相对于渐近独立而言，渐近相关指两个随机变量有同时取大值的趋势。对于两正态分布序列而言，皮尔森相关系数意味着两序列渐近独立()，。该二元极值相关度量方法仅关注尾部数据而非总体数据，充分利用了尾部数据的信息。针对尾部数据的分布特征，采用了非参数估计方法，避免了因正态性假设及其他与现实不符的分布假设造成的估计偏误。建立在极值理论的基础之上，预估能力较强。本文共七章，其中正文共分六章。 正文第一部分(第 2 章)主要分析了国内外商业银行信用风险度量及行业信用风险研究的现状。其中，介绍了什么是信用风险，对当前主流的信用风险度量方法进行了比较，介绍了西方行业信用风险管理的现状和存在的问题，以及我国商业银行行业信用风险管理的现状。 正文第二部分(第3、4、5章)针对前一部分的研究分析结果所发现的不足，引入解决改进的方法。 第 3 章介绍了极值理论及其在资产收益估计方面的运用和估计方法——BMM 模型法和 POT 模型法。根据不同估计方法的性质特点，选择适合的估计方法运用于本文的实证研究中。 第 4 章引入了基于极值理论的二元极值度量方法，构建渐近相关度x和有限相关度x指标用于尾部相关性度量。 首先，对典型的信用组合风险相关性分析进行研究发现：一方面，对于信用组合风险相关性的分析均是在假设信用评级及违约概率的联合分布服从多变量正态分布的前提下进行的。而实证研究表明，在实际金融、财务领域中，很少真正服从多变量正态分布的。另一方面，在相关性度量方面均采用线性相关系数度量方法，如皮尔森相关系数，不能准确的反映信用风险管理中所关注的尾部数据的相关性。传统的相关性度量方法因不适用于尾部数据的相关性分析，而得到不完整甚至错误的相关性信息。 然后，引入二元极值相关度量方法，介绍了渐近相关度x和有限相关度x的内在含义和非参数估计方法。最后说明了由渐近相关度x和有限相关度x的估计结果可以判断所要采取的联合尾部模型的类型。根据相关研究表明，对于股票收益序列而言，异方差性是尾部相关的重要原因，因此，本文在第5章介绍了必要的数据处理过程——GARCH过滤及其估计方法，以在实证中通过对数据进行GARCH过滤来提高尾部相关度量的准确性。 第6章运用沪深300行业系列指数进行了实证分析。在对数据进行了处理之后，做了总体样本的相关性分析，然后根据二元极值度量方法进行了尾部相关性分析。根据估计结果，对我国行业间信用风险的相关性进行分析。 具体的，本文利用由中证指数有限公司根据国际投资型标准编制的沪深300行业系列指数，对10个行业的收益序列进行尾部相关性度量。先对这些行业收益序列进行ARMA和GARCH模型过滤，适当消除序列波动的持续性和丛聚性。然后两两之间进行有限相关度x和渐近相关度x的非参数估计。结果发现：1.同样出现负偏度的工业行业、原材料行业和可选消费行业两两之间的Spearman相关分析显示的相关程度较大，且有限相关度x和渐近相关度x的值均较大。2.工业行业与原材料行业、工业行业与可选消费行业以及可选消费行业与信息技术行业存在尾部渐近相关关系，且方向为正。而除此之外的其他行业之间的尾部渐近相关关系并不显著，表现为渐近独立，且有限相关程度较小。3.10个行业间的皮尔森相关系数和Spearman相关分析反映的总体相关关系均为显著，且相关程度大于二元极值度量的尾部相关程度，这表示，如若用总体相关性分析取代尾部相关性分析，很可能会出现高估风险的可能。 本文第7章对全文进行了总结。首先，总结了该二元极值相关度量方法的必要性和可行性。接着，说明了它的实证意义：1.总体相关并不意味着尾部相关。商业银行进行信用组合风险管理时，应该更关注于尾部相关性的分析。2.对各行业进行时时地、深入地尾部相关分析，有助于商业银行把握各行业间的信用相关信息，为行业信用组合的选择提供决策依据。3.对行业之间的渐近相关关系进行准确地分析，有助于商业银行提高行业信用组合风险度量的精确度。最后，说明了本文尚存在的不足和进一步改进空间。