中国上市公司信用风险分析方法实证研究
基于KMV模型我国上市公司信用风险测度实证分析
![基于KMV模型我国上市公司信用风险测度实证分析](https://img.taocdn.com/s3/m/4643d676ef06eff9aef8941ea76e58fafab04597.png)
基于KMV模型我国上市公司信用风险测度实证分析基于KMV模型我国上市公司信用风险测度实证分析近年来,随着我国资本市场的不断发展,上市公司的信用风险成为了重要的研究方向。
有效测度上市公司的信用风险对于金融机构和投资者具有重要意义。
本文基于KMV模型,通过对我国上市公司的实证分析,探讨了其在信用风险测度中的应用和不足之处。
首先,我们回顾了KMV模型的基本原理。
KMV模型是一种流行的结构性模型,通过衡量公司的资本结构、资产负债率、波动率等关键因素来估计公司的违约概率。
其基本公式为违约距离(Distance to Default,DD)= ln(资产价值/债务价值) / 标准差。
通过计算违约距离,我们可以得到上市公司的违约概率,并进一步测度其信用风险。
接着,我们利用KMV模型进行了我国上市公司信用风险的实证分析。
我们选取了2018年度财务数据作为样本,计算了一批在上交所和深交所上市的公司的违约距离。
我们发现,根据KMV模型计算的违约距离,大部分公司的违约概率较低,说明其信用风险相对较小。
然而,仍有少数公司的违约概率较高,这些公司是上市公司信用风险值得关注的对象。
此外,我们还发现,在行业之间存在一定的信用风险差异,一些行业的上市公司信用风险较高。
接下来,我们分析了KMV模型在我国上市公司信用风险测度中的不足之处。
首先,KMV模型基于违约距离的测度方法对数据的敏感性较高,数据质量的问题可能会导致结果的误差。
其次,模型没有考虑到宏观经济环境的变化对公司违约概率的影响,这可能限制了模型的准确性和适用性。
此外,模型的参数估计也具有一定的主观性,不同的参数估计可能会导致不同的信用风险测度结果。
最后,我们提出了一些建议来改进KMV模型在我国上市公司信用风险测度中的应用。
首先,我们应该加强对财务数据的核查和质量管理,确保数据的准确性和可靠性。
其次,我们可以结合宏观经济因素,如利率、失业率等,来进一步完善模型,以更好地反映公司的信用风险。
基于Logistic回归的中国上市公司信用风险度量研究
![基于Logistic回归的中国上市公司信用风险度量研究](https://img.taocdn.com/s3/m/8be021f2941ea76e58fa0426.png)
每股现金流 6项财 务指标的 Lgsc预测模型。结果表 明: 型的全样 本判别 准确率很 高 , oii t 模 可作为较理 想 的
预 测 工具 。
[ 关键词 ]Lgsc回归模 型; oii t 财务指标 ; 预测能 力 [ 中图分类号 ]F 3 . 825
引言
[ 文献标识码]A
[ 文章编号 ]10 2 8 (0 0 l 一00 0 0 2— 80 2 1 ) l 11— 3 场风 险 , 都将具有重要的现实意义 。
刘 迎 春
( 东北 财经 大学 数学与数量经济学 院 , 辽宁 大连 16 2 ) 0 5 1 [ 摘 要 ] 以我 国 A股 9 0家上市公 司为研 究样本 , 用其 2 0 利 0 8年的财务数据 , 通过运行 SS , P S 建立 . gt ii sc回归模 型, 对其 2 1 的财务状况进行 两类模式分类预测 。对每一 家上 市公 司, 00年 考虑 其经营状况 , 根据 对财务指标的 曼一 惠特尼检 验结果 , 建立 了包括净资产收益 率、 主营业务收入 、 净资产 、 总资产 、 每股 净资产 、
二 、 献 综 述 文
一
、
金融市场 的迅速发展使金融 交易 中的违约风险问题
成为了世界性 的难题 。同信用风险市场扩 张相对应的是 信用风险复杂 程度不 断上升 , 尤其 是 2 纪 9 O世 o年 代 以 来, 全球各金融机 构不断推出新 技术 和新业务 , 商业银行
国外使用 Lgsc 型关 于公 司财务 困境预 警 的研 o ii 模 t 究起 步较早 , 数量 较多 , 果也 比较丰 富。17 成 9 7年 , a- Mr t i n从 17 — 17 9 0 97年 问大约 50 70家美联储成员银行 中界 定出5 8家 困境 银行 , 并从 2 5个财 务指标 中选取 总资产 净利润率等 8个 财务 比率 ( 实证 结果 显 示净 利 润/ 资 总
信用风险、融资约束与投资行为——基于我国制造业上市公司实证分析
![信用风险、融资约束与投资行为——基于我国制造业上市公司实证分析](https://img.taocdn.com/s3/m/a527c63a5a8102d276a22f4f.png)
西 安 电子 科 技大 学 学报 ( 会科 学版 ) 社
J u n l f da iest( o il in eE io ) o r a XiinUnv ri S ca e c dt n o y Sc i
Jn2 1 a .0 2 、 1 2No 1 ,. . 02
_ 管理 学
信用风 险 、融资 约束 与投 资行为
— —
基 于 我 国 制 造 业 上 市 公 司 实 证 分 析
史雪明 ,张志林 ,许 立新
(. 1中国科学技术大学 管理学院,安徽 合肥 2 0 2 ;2西安 电子科技大学 计算机学院,陕西 西安 7 0 7 ) 30 6 . 1 0 1
必要 。 当企业 进行 借款 融 资 ,股权 融 资 ,商 业信 用 融资 时 ,企 业 的信 用 风险 必然 是融 资 方首 要考 虑 的 因 素 之 一 。这是 因为企业 的信用 风 险必然 对企 业 的融 资状 况产 生 影响 ,进 而影 响到 企业 的融资 约束 程度 。 而企 业 的融 资约 束程度 通 常 可 以通 过 企业 的现 金持 有策 略 反应 出来 ,而 企业 的现 金 持有 量通 常会 影 响企 业管 理 层 的投 资 行 为 ( 上述 的逻 辑关 系 ,如下 页 图 11 示 ,图中的托 宾 Q 值 反映 了企 业 未来 的投 资机 -所 会 ,所 以它 会受 到 企业 的信 用 风 险的影 响 ) 。当前 衡 量信 用 风 险的模 型 很 多 ,本 文 对选 择 何种 信 用风 险
摘 要:本文将 我国制造业上市 公司分为负现金流 ,正现金 流且现 金持有量增加 和正现金流且现 金持有量 减 少三组 ,分别研 究 了这三组 公司信用 风险和融资约束之 间的关 系,并在此基础上 考察 了这三组 不同融资约束公 司的过度投 资和投资不足状况 0研 究结果表 明:经营现金流为负的企业信用风险较高 ,企业受到较强的融资 约束 , 但信 用风险对融 资约束作用不 明显 ;经 营现金流为正且现金 持有 量减少的企业 ,企 业受到的融资约束水 平较低 , 具有一 定的财务松弛度 ,信用 风险和融资约束之 间不存在明显的关系 ;经营现金流为正且现金持有量为 正的企业 , 面 临的融资压力很大 ,而且企业信用风 险加深融 资约束程度 ;融资约束对投资行为具有一定 的抑制作用 。 关键 词:现 金流;信用风险 ;融资约束 ;投资行 为 中图分类号: 8 1 1 F 3. 5 文献标识码 : A 文章编号: 0 84 2 2 1) 10 4 .7 10 -7 X(0 20 .0 80 收稿 日期:2 1-21 0 11.3 作者 简介:史雪明 ( 9 6 ) 18一 ,男,中国科学技术大学研究生 ,研究方 向:财务管理 。 张志林 (9 7 ) 男 ,西安电子科技大学研究生 ,研究方 向:财务 管理 与分布式系统 。 18一
基于KMV模型的我国上市公司信用风险实证研究
![基于KMV模型的我国上市公司信用风险实证研究](https://img.taocdn.com/s3/m/58e1762da5e9856a561260ed.png)
险预测 的有 效性 进行研 究 ,并未对 t + r 2年 ( , 未来第二年 ,下 同)信用风险预 测 的有 效行进行研 究,本
文 经 过 大量 的 实证 研 究表 明 :经过 提 高 公 司资 产 价 值 估 值 精 度 的 K V模 型 能 显 著 增 强 对 我 国上 市 公 司 M
理论的结构性模型, 对信用风险的预测具有动态前瞻性。
因此 ,本文选用 K MV模 型来度量其 信用 风险 ,考察其信 用风险预测 的有效性 ,并作 信用危机 预警 。
Hale Waihona Puke l K V模 型 构建 及 参数设 定 M
11 模 型 构 建 .
以每股净资产来计 算非 流通股 价格 ,即 :上市 公 司股权 价值 =流通 股 日收盘 价 ×流 通股股本 数 +每股净 资产 ×
.
杠 杆 比率 。 同时 ,K V公 司 在 K M MV模 型 中 引入 了公 司 股权 价
值的波动率 d 与 O 之间在理论上 的关 系 : S ' A
如 — 『-O 如: " A ( z 2 )
联立 ()式 和 ( )式 ,利用 Maa 件 求 解资 产 I 2 tb软 l
根 据 以上 分 析 ,由 Bak co s 涨 期 权 定 价 公 式 l —Shl 看 c e 得:
S a =、 d) P e () =Cl (1 一D T 一 N(2 l 1
() 1
d :d 一 2 l
其 中,d :t( / r e  ̄ + l av o , - ) r
非流通股股本数 ,同时 ,流通股 日收盘价 采用 各年 最后 2 个 交 易 日 日均 收 盘 价 。 2 ()股权价值 波动率 d 估计。考虑 到方差 的 时间变 2 s 异性 ,本文采用拟合较好的G R H 11模 型来计量股 权 A C ( ,) 收益的波动率 ,并用之来代替股权价值 波动率 。 ( )违约点 D T的确定 。通 过对 大量违 约事 件 的实 3 P 证 研究 ,B l 19 )发 现违 约 最容 易发 生 在 流动 负 债 0r 9 9 l I(
KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告
![KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告](https://img.taocdn.com/s3/m/0f22349ad05abe23482fb4daa58da0116c171fb4.png)
KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告一、选题背景与研究意义信用风险是金融市场中风险类型之一,它涉及到债券、信贷、金融工具和寿险等方面。
在市场经济条件下,各种产品和服务的创新和发展,使得金融市场快速发展。
然而,相应的风险也同步提高。
因此,对于金融市场中参与者的信用风险评估就显得至关重要。
随着计量经济学等技术的快速发展,涌现了一些信用风险模型来进行相关研究,其中一种较为知名的模型是KMV模型。
KMV模型是衡量企业信用风险的一种有效工具,它将企业的市场价值与违约概率联系起来,为金融机构等提供了一种科学合理的企业信用风险评估框架。
然而,KMV模型的一些限制和不足也限制了该模型的适用性和精度。
例如,KMV模型所使用的单一因素模型无法体现实际情况中与企业违约相关的多个因素,导致模型的精度有所下降。
因此,有必要对KMV模型进行修正和完善,以提高其信用风险评估精度。
本研究旨在通过对KMV模型的修正及在中国上市公司信用风险评估中的实证研究,探究KMV模型的适用性及其在实践中的可行性。
研究结果将为企业信用风险评估提供科学依据,并有助于金融机构等更好的识别和管理信用风险。
二、研究内容与方法本研究的主要研究内容包括:修正KMV模型、开展基于中国上市公司的实证研究、比较实证研究结果与目前主流的信用风险模型。
在修正KMV模型方面,我们将考虑采用多因素模型来分类和分析企业信用风险,以提高模型的适用性和精度。
同时,我们还将考虑选择恰当的企业财务指标,以对信用风险进行更准确的评估。
在实证研究中,我们将选择中国上市公司作为研究对象,通过数据采集、筛选等方式获取有关企业的财务数据以及相关信息,运用KMV模型和修正后的KMV模型对企业信用风险进行评估,并比较两种模型评估结果的差异。
同时,我们还将考虑其他主流信用风险模型的适用性和精度,以了解各种信用风险模型的优缺点。
三、预期研究结果本研究预期通过对KMV模型的修正及对中国上市公司进行实证研究,得出以下预期研究结果:1. 修正KMV模型的改进可较大程度上提高KMV模型的信用风险评估精度。
基于KMV模型的我国上市公司信用风险分析与度量的开题报告
![基于KMV模型的我国上市公司信用风险分析与度量的开题报告](https://img.taocdn.com/s3/m/ae1378712f3f5727a5e9856a561252d380eb2033.png)
基于KMV模型的我国上市公司信用风险分析与度量的开题报告一、研究背景及意义信用风险是指借款人或债务人在借款或发行债券时未能履行还款或付息等义务而导致的风险。
对于银行和其他金融机构而言,信用风险一直是其最主要的风险之一。
而在资本市场上,股票、债券等证券的价值也是与发行人的信用评级密切相关的。
因此,对于股票和债券投资者来说,准确评估发行公司的信用风险也至关重要。
KMV模型是一种流行的评估企业信用风险的方法,该模型基于Merton的资产负债表模型,并结合历史数据和市场数据等信息,计算出企业债务违约的概率。
该方法适用于对不同行业、规模大小的企业进行信用评估。
目前,国内外对于KMV模型的研究已经相对成熟,但是对于我国上市公司的信用风险分析和度量研究却较少。
本文将以我国上市公司为研究对象,通过构建KMV模型,分析不同行业公司债务违约概率的差异,考察企业规模、盈利能力、资产负债率等因素对信用风险的影响,将有助于市场参与者更准确地判断不同公司的信用风险等级,为投资决策提供量化的参考。
二、研究内容及方法本研究将采用如下方法:1.构建KMV模型并计算我国上市公司的债务违约概率。
利用上市公司的财务数据和市场数据,通过计算债务违约概率,分析不同行业企业间信用风险的差异。
2.分析不同因素对企业信用风险的影响。
基于计算出的债务违约概率,考察企业规模对信用风险的影响,比较不同盈利能力和资产负债率的公司信用风险等级差异,并采用多元回归模型探究这些因素对信用风险的影响情况。
三、研究预期及局限本研究的预期成果包括:1.通过构建KMV模型,准确评估我国上市公司的信用风险。
2.分析不同行业、规模大小的公司所面临的信用风险情况。
3.揭示企业规模、盈利能力、资产负债率等因素对信用风险的影响。
本研究的局限包括:1.我们假定KMV模型为正确的信用风险度量工具,但实际上该模型仍然存在诸多限制,如债务违约的概率可能被高估或低估。
2.该研究仅基于历史数据和市场数据,不能充分考虑未来发展变化和外部环境波动等因素的影响。
基于决策树的上市公司信用风险模型实证研究
![基于决策树的上市公司信用风险模型实证研究](https://img.taocdn.com/s3/m/a3c7f1db33d4b14e8524685d.png)
1
p
为 该 节 点 所 含 样 本 中类 别 个 数 最 多 的类 别 ;
些样本。 设S为子集S i 于c类别的样本个数。 么利用属性v 中属 ; 那 划
L g t 回归等 。信用等级评估是通过对企业或个人 的某些单一财 o ii sc
务指标进行加权平均确定 的。该方法的最大缺陷在 于指标 和加权 值 的确定带有很大 的主观性 ,使得评估 结果 和实 际状况有很大 的 出入 。 因此需 要引入科 学方法来确定有效评估指标 , 并建立准确 的 定量模 型来解决信用等级评估 的问题。 近年来 , 息技术得到 了迅 信 速发展 ,如数据挖掘技术等能从海量数据中智能发现有用 的规则 和知识 , 再加上我国上市公 司信息披露制度 的不断完善 , 使得我们 的研究能够得到 的数据资料也不断的增多 ,这些有利条件 的出现
、
模 型 简 介
( ) 二 K最近邻Байду номын сангаас 决策树是对已知类别 的数据样本进行归纳
K 最近邻法简称K N N 算法 ,在理论上是 比较
( ) 策树算 法 一 决
成熟的方法 , 最初于16 年 由C vr at 98 oe 和H r 提出 , 其思路非 常简单直 观。 N 方法是一种有监督学习的分类算法 ,它并不需要产生额外 K N 的数据来描述规则 , 它的规则就是数据( 样本 ) 本身 , 并不要求数据
() 2
() 3 () 4
Si i
…
+s
使得我们对基于数据挖掘 的上市公司信用风险评估模 型的研究具
有 了数 据 基 础 和 技 术 基 础 。
一
这样利用属性v 对样本集合进 行划分所获得的信息增益为 :
制造业上市公司信用风险实证研究——基于逻辑回归方法分析
![制造业上市公司信用风险实证研究——基于逻辑回归方法分析](https://img.taocdn.com/s3/m/4427ae9a70fe910ef12d2af90242a8956becaa39.png)
制造业上市公司信用风险实证研究——基于逻辑回归方法分析刘新文【摘要】通过搜集占比例大的制造业公司样本,以制造业为例,选取其各行业在2006年被ST企业作为研究样本;以净资产收益率作为配对样本选取依据,借助于SPSS10.0对2004年样本和配对数据进行了逻辑回归模型构建和实证研究,得出了行业逻辑回归模型较高的信用风险预测判另别能力.【期刊名称】《金融经济(理论版)》【年(卷),期】2016(000)007【总页数】3页(P113-115)【关键词】信用风险;上市公司;回归分析;制造业【作者】刘新文【作者单位】陕西省公路局渭南路政执法支队,陕西渭南714000【正文语种】中文关于信用风险的定义,不同学者有不同的观点。
第一种观点认为,它是交易对手无力履约的风险,也即债务人未能如期偿还其债务造成违约而给经济主体经营带来的风险。
第二种观点认为,信用风险特指借款方由于种种原因,无力或不愿偿还贷款本息,导致放贷方损失的可能性。
信用风险是伴随着信用的出现的,是金融风险之一,也是企业所有者、经理人、投资者、商业银行等金融机构和政府面临的最重要的金融风险。
特别是对于银行等金融机构来说,其面临的信用风险是非常巨大和前所未有的。
因此,信用风险的度量一直都是金融机构及企业所面临的核心问题。
关于信用风险的研究最早可以追溯到上个世纪的30年代,研究对象大部分是企业破产和经营失败。
菲茨.帕特里克(Fitz Patrick, 1932)运用单个财务比率,比弗(Beaver, W.H,1966)提出了并运用单变量判定模型,奥特曼(Altman, 1968)提出并运用多元Z值判定模型。
我国的信用风险相关研究是从20世纪80年代末,吴世农和黄世忠(1986)曾介绍过企业的破产分析指标和预测模型。
陈静(1999)运用单变量判别分析和多变是判别分析。
吴世农、卢贤义(2001)应用Fisher线性判定分析、多元线性回归分析和Logistic回归分析三种方法分析。
基于KMV模型,我国上市公司信用风险的实证分析的开题报告
![基于KMV模型,我国上市公司信用风险的实证分析的开题报告](https://img.taocdn.com/s3/m/491f21ee81eb6294dd88d0d233d4b14e85243e1b.png)
基于KMV模型,我国上市公司信用风险的实证分析的开题报告一、研究背景随着市场经济的发展和金融创新的持续推进,我国资本市场投资者日益关注上市公司的信用风险,而上市公司的信用风险也成为了我国金融稳定和经济增长的重要因素之一。
目前,国内外学者对于上市公司信用风险的研究已有较多成果,其中基于KMV模型的研究成果也较为丰富。
但是,当前我国上市公司信用风险研究的不足之处,一是缺乏对于KMV模型在中国市场的实证检验,二是对于中小企业的信用风险研究还较少。
因此,本文旨在基于KMV模型对我国上市公司的信用风险进行实证分析,并重点关注中小企业的信用风险分析。
二、研究内容本文将采用文献分析和实证研究相结合的方法,对我国上市公司信用风险进行研究。
具体研究内容如下:1. KMV模型的概述和理论基础。
2. 国内外上市公司信用风险研究综述。
3. 基于KMV模型的我国上市公司信用风险实证研究。
4. 中小企业的信用风险分析。
5. 结论和建议。
三、研究方法本文将采用以下研究方法:1. 文献分析法:对相关文献进行查阅、综述和归纳,以掌握研究前沿和经验。
2. 实证分析法:利用我国上市公司的财务数据和市场数据,构建KMV模型并实证分析我国上市公司的信用风险。
3. 统计学方法:利用SPSS等软件对实证研究所得数据进行检验和分析,以获得可靠的统计结论。
四、研究意义本文的研究意义在于:1. 对于我国上市公司信用风险的实证研究填补了相关缺口。
2. 通过建立适合我国市场的信用风险预测模型,提高了上市公司的信用风险管理能力。
3. 为中小企业的信用风险研究提供了一定的思路和经验。
4. 对于投资者、银行、监管机构等金融市场参与者的决策具有参考意义。
五、论文结构本文将分为五个部分:绪论、文献综述、基于KMV模型的我国上市公司信用风险实证研究、中小企业的信用风险分析以及结论和建议。
其中,文献综述部分将对前人研究成果进行归纳总结,包括上市公司信用风险概念、影响因素、测量方法等方面。
制造业信用风险研究--基于上市公司的实证分析
![制造业信用风险研究--基于上市公司的实证分析](https://img.taocdn.com/s3/m/6c8f0b667ed5360cba1aa8114431b90d6c858917.png)
制造业信用风险研究--基于上市公司的实证分析宋华;殷明月【摘要】我国制造业面临的信用风险表现在:易受国际市场变化影响、风险分布以银行为主、具有传导性、评估机制尚不成熟等方面。
制造业产生信用风险的原因有国内外需求疲软、人民币汇率波动频繁、信贷规模收缩、成本上升等。
从我国制造业中选取具有代表性的上市公司的财务数据,运用“Z 评分模型”实证分析了制造业信用风险逐年递增的态势。
从政府、银行、企业三个角度提出了淘汰落后产能、创建自主品牌、维护汇率稳定、调整贷款结构、开源节流、产业转型升级、开拓新市场等应对策略。
【期刊名称】《宿州学院学报》【年(卷),期】2015(000)006【总页数】4页(P26-29)【关键词】制造业;信用风险;Z评分模型【作者】宋华;殷明月【作者单位】安徽大学经济学院,安徽合肥,230601;安徽大学经济学院,安徽合肥,230601【正文语种】中文【中图分类】F83.42制造业对社会进步和经济发展起着重要的作用。
2014年,由于经济下行,我国制造业发展并不景气,随之而来的是我国制造业信用风险增加,违约概率增大。
制造业的信用风险程度将直接关乎商业银行的贷款质量,利用“Z评分模型”计算分析我国制造业部分上市企业的信用风险,了解我国制造业信用风险的特征,具有较大的现实意义。
关于信用风险计量模型的研究,国外一直是金融学发展的前沿,阿尔特曼的“Z评分模型”被业内广泛应用。
在国内,吴军等[1]系统地介绍了测度信用风险的基本原理和基本评估模型;胡红菊等[2]也分析了我国运用“Z 评分模型”计量信用风险的可行性。
而关于我国制造业信用风险的研究中,褚立国[3]对我国制造业企业中所存在的信用风险高低问题进行了论述;万晏伶[4]和李瑞军[5]则利用相关模型对制造业信用风险进行了量化识别,并分析其成因。
在经济“新常态”下,我国经济发展趋缓,国内需求疲软,外需整体低迷,2014年12月我国制造业PMI达到50.1%[6],下跌直逼荣枯线,成为年度制造业PMI 的最低值。
KMV模型视角下我国上市公司信用风险研究的开题报告
![KMV模型视角下我国上市公司信用风险研究的开题报告](https://img.taocdn.com/s3/m/7fe04b61dc36a32d7375a417866fb84ae45cc3f1.png)
KMV模型视角下我国上市公司信用风险研究的开题报告一、研究背景和意义作为金融市场中的重要参与者,上市公司的信用风险一直是投资者和金融机构重点关注的问题。
如何评估上市公司的信用风险,是保障金融市场安全和稳定的关键环节之一。
KMV模型是一种常见的量化金融模型,适用于评估企业信用风险,并且已经被广泛应用于国际金融市场。
本研究将从KMV模型的视角出发,对我国上市公司信用风险进行研究,具有一定的现实意义。
二、研究目的和内容本研究旨在通过KMV模型对我国上市公司信用风险进行分析和评估,具体目的包括:1. 探究KMV模型的理论基础和应用价值;2. 系统分析我国上市公司信用风险的特点和影响因素;3. 构建适合我国上市公司信用风险评估的KMV模型,并验证其有效性;4. 提出针对我国上市公司信用风险的改善措施和建议。
具体研究内容包括:首先,对KMV模型进行简要介绍,分析其在企业信用风险评估中的应用优势。
其次,通过实证研究,分析我国上市公司信用风险的特点,包括经营业绩、财务状况、行业环境等因素的影响,并引入宏观经济因素对信用风险的影响进行分析。
然后,基于我国上市公司的实际情况,构建适合其信用风险评估的KMV模型,并以历史数据进行验证。
最后,对研究结果进行讨论和总结,并提出相应的改善措施和建议。
三、研究方法和技术路线本研究采用的主要方法为实证研究和计量分析。
在数据处理方面,首先采集相关财务信息与宏观经济数据,并进行数据清洗和处理;然后,对分析结果进行可视化展示和统计分析;最后,使用EViews等数据分析软件搭建KMV信用风险模型,对模型进行验证和评估。
技术路线:数据采集→数据清洗和处理→统计分析→构建KMV模型→模型评估。
四、研究预期成果和创新点本研究的预期成果包括:构建适合我国上市公司信用风险评估的KMV模型,并验证其有效性;分析我国上市公司信用风险的特点和影响因素;提出针对我国上市公司信用风险的改善措施和建议。
本研究的创新点主要表现在:从KMV模型的视角对我国上市公司信用风险进行研究;引入宏观经济因素对信用风险的影响进行分析;构建适合我国上市公司信用风险评估的KMV模型,并进行纵向和横向的验证。
2019-2021 年我国上市银行信用风险度量研究——基于KMV 模型
![2019-2021 年我国上市银行信用风险度量研究——基于KMV 模型](https://img.taocdn.com/s3/m/d86d6c29f68a6529647d27284b73f242336c31e9.png)
2019-2021年我国上市银行信用风险度量研究基于KMV模型瞿山川(对外经济贸易大学ꎬ北京㊀100029)摘㊀要:近年来ꎬ中国面临着 供给冲击 需求收缩 预期转弱 的三重压力ꎬ这将进一步加大商业银行的信用风险ꎮ信用风险的产生会增加交易成本㊁降低投资者投资意愿ꎬ从而影响经济的发展ꎮ公司通常会采用信用风险度量方法及时预测信用违约情况ꎬ以提高商业银行的风险控制能力ꎬ保证信用交易的正常运行ꎮ而KMV模型具有良好的风险预测能力ꎬ可以为银行违约风险监管提供参考ꎮ关键词:KMV模型ꎻ信用风险ꎻ上市银行中图分类号:F830.4㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀文章编号:1671-6728(2022)18-0083-04㊀㊀随着经济增速放缓ꎬ银行增量市场减小ꎬ存量竞争激烈ꎬ银行面临净息差收窄㊁信用风险持续暴露等经营压力ꎬ净利润增速也处于低位ꎮ银行作为间接融资体系下的主要融资渠道也因此遭受了巨大冲击ꎮ因此ꎬ及时评估影响和风险并采取良好的风控措施ꎬ是银行业赢得这场金融风暴的关键ꎮ信用风险是商业银行面临的首要风险ꎮ银行业能否抵御新冠疫情对产业链与居民生活的冲击ꎬ其风险抵御能力是否会受到影响ꎬ其信用风险状况是否仍然可控ꎮ以上问题的顺利解决ꎬ在后疫情时期各地疫情持续反复的大环境下十分重要ꎮ因此ꎬ研究银行业在疫情暴发前后的信用风险变化ꎬ能使商业银行未来在应对类似突发事件时及时采取相应风控措施ꎬ有针对性地加强信用风险管理ꎬ这对银行业的未来健康㊁持续发展具有重要意义ꎮ在相关定性分析中ꎬ钟震ꎬ郭立探讨了新冠肺炎疫情对中小银行的影响及对策ꎮ陆岷峰分析了疫情危机与信用风险叠加背景下中小商业银行的防范对策ꎮ在运用KMV模型对企业进行信用风险的研究中ꎬ王灏威ꎬ许嘉文利用KMV模型对新冠疫情前后上市房地产企业信用风险进行了研究并指出疫情使中小房地产企业违约概率显著增加ꎮ余钊研究了疫情对信托行业的信用风险的影响并分析疫情影响信托业信用风险的原因ꎬ分析得出有92.86%的信托公司的信用风险在疫情发生后上升ꎮ综合上述文献可以看出ꎬ利用KMV模型分析疫情对整个银行业信用风险影响的相关研究较少ꎮ基于此ꎬ文章将采用KMV模型对银行业在疫情前后所面临的信用风险进行实证分析ꎬ为银行业在后疫情时期如何进一步加强信用风险管理提供量化基础ꎮ一㊁理论模型KMV模型将企业的股权看作一种看涨期权ꎬ执行价格是企业的负债ꎬ标的物为企业资产价值ꎮ当企业的资产价值小于负债时ꎬ企业将选择违约ꎬ否则不违约ꎮ根据Black-Scholes-Merton期权定价模型ꎬ企业资产价值和股权价值的关系为:E=VN(d1)-De-r(T-t)N(d2)其中ꎬ企业的股权价值波动率与资产价值波动率的关系为:d1=ln(V/D)+(r+σ2v/2)(T-t)σvT-td2=d1-σvT-tìîíïïïï股权价值波动率(σE)和公司资产价值波动率(σv)之间的关系式为:σEσv=VE N(d1)式中ꎬD为负债的账面价值ꎬT为到期时间ꎬt为现在时间ꎬr为无风险利率ꎬV为资产市场价值ꎮσv为资产价值波动率ꎬE为股权市场价值ꎬσE为企业股权市场价值波动率ꎮKMV模型假设公司的资产价值38作者简介:瞿山川(2001—㊀)ꎬ男ꎬ汉族ꎬ四川成都人ꎮ主要研究方向:保险学ꎮ服从正态分布ꎬN(d)为标准累积正态分布函数ꎬ由股权市场价值E及其波动率σE以及负债账面价值Dꎬ利用BSM期权定价模型求出公司资产市场价值V及其波动率σvꎮ违约距离是企业的资产价值在风险期限内由当前水平降至违约点的相对距离ꎬ可表示为:DD=E(V)-DPE(V)σv其中ꎬE(V)是预期资产价值ꎬDP是公司的违约点ꎮ二㊁实证分析(一)样本选择根据KMV模型的计算原理及特点ꎬ研究对象数据应满足有较高公开性和时效性的特征ꎮ因此文章从choice金融终端选取18家于2019年1月1日前上市的商业银行为样本ꎬ包括中国银行㊁农业银行㊁工商银行㊁建设银行㊁交通银行共5家国有控股银行ꎬ中信银行㊁光大银行㊁招商银行㊁浦发银行㊁民生银行㊁华夏银行㊁平安银行㊁兴业银行共8家全国性股份制银行ꎬ北京银行㊁江苏银行㊁上海银行㊁宁波银行㊁南京银行共5家2021年资产规模1.5万亿元以上的城市商业银行ꎮ文章以其2019-2021年相关财务数据为基础ꎬ结合KMV模型对上市商业银行进行信用风险研究ꎬ详见表1ꎮ表1㊀样本银行股票代码及财务数据统计表股票代码名称股票代码名称SH.601988/03988.HK中国银行SH.600016/01988.HK民生银行SH.601288/01288.HK农业银行SH.600015华夏银行SH.601398/01398.HK工商银行SZ.000001平安银行SH.601939/00939.HK建设银行SH.601166兴业银行SH.601328/03328.HK交通银行SH.601169北京银行SH.601998/00998.HK中信银行SH.600919江苏银行SH.601818/06818.HK光大银行SH.601229上海银行SH.600036/03968.HK招商银行SZ.002142宁波银行SH.600000浦发银行SH.601009南京银行(二)参数设定违约点值(DP):DP为商业银行短期负债与长期负债一半的和ꎮ无风险利率r:选取中国银行2019-2021年公布的一年期整存整取基准利率ꎬ即r=1.5%ꎮ时间范围T:设定为2019-2021年ꎮ负债面值D:根据上市银行2019-2021年财务报表中的负债总额分别进行估计ꎬ债务期限设定为一年ꎮ股权价值=流通股数ˑ日收盘价+非流通股数(限售股)ˑ每股净资产(公司若两地(A+H)上市ꎬ则两者相加)ꎮ(三)计算过程1.计算股权价值波动率σE假定股票价格服从标准正态分布ꎬ则股票日对数收益率为:μi=ln(Si+1Si)其中ꎬSi为第i天的收盘价ꎬμi为第i天的收益率ꎬ股票日收益率的波动率通过计算日均标准差得到:σn=1n-1ðni=1(μi-E(μ))2其中E(μ)=1nðni=1μi将股票价格数据代入上述公式ꎬ并根据当年实际股票交易日获取N的数据可得出日收益波动率ꎮ日收益波动率与年收益波动率关系为:σE=σnˑN2.计算资产价值和资产价值波动率通过B-S-M模型得到样本银行2019-2021年年的资产价值和资产价值波动率ꎬMatlab计算结果详见表2ꎮ表2㊀2019-2021年年样本银行股权价值与股权波动率ꎬ资产价值与资产价值波动率名称2019年2020年2021年A+H的权重波动率资产价值波动率A+H的权重波动率资产价值波动率A+H的权重波动率资产价值波动率南京银行0.2473230.0140320.2641030.0149560.3185660.01743江苏银行0.190340.008050.2261340.0083140.2882150.010089北京银行0.156080.0077190.1797390.006710.0982010.003275上海银行0.1869640.0117660.1861940.0089870.1515440.006245宁波银行0.2866690.033450.3675290.0457740.375810.045314华夏银行0.1661560.0077690.1871230.0068630.1216990.003949光大银行0.2230010.0109650.2949660.0118430.1970060.006161民生银行0.1521310.0065530.1864430.006310.1412490.00358中信银行0.2026480.0090290.2288710.0075150.1488160.004121平安银行0.3150090.0258530.343240.0291870.3910690.026281浦发银行0.2046010.0112250.219120.0083240.1779750.005865兴业银行0.2509050.0151470.2741730.0158360.3457140.017176招商银行0.2487020.0311510.3087550.0404060.340180.045771交通银行0.1669880.0073840.2026650.0064780.1502370.004778中国银行0.1389690.0068140.1624380.0063540.092970.00327948续表名称2019年2020年2021年A+H的权重波动率资产价值波动率A+H的权重波动率资产价值波动率A+H的权重波动率资产价值波动率农业银行0.1352790.0074530.1532380.0068170.1023180.004041建设银行0.1735220.011930.2491770.0137080.1872280.008872工商银行0.1585370.0114680.1963370.0110140.1417230.00699㊀㊀3.计算违约距离与EDF在此模型下ꎬ决定公司预期违约概率的是违约距离DDꎮ违约距离与企业违约的可能性呈负相关关系ꎬ即当违约距离减小ꎬ违约概率就相对越高ꎮ2019-2021年样本银行数据详见表3ꎮ表3㊀2019-2021年样本银行的违约距离与EDF类型名称2019年2020年2021年违约距离EDF违约距离EDF违约距离EDF城市商业银行南京银行3.0270.0012342.8330.0023062.3170.010243江苏银行3.4560.0002742.6710.0037782.0230.021517北京银行4.5460.0000033.3950.0003435.7230.000000上海银行4.1450.0000173.770.0000824.2780.000009宁波银行3.0890.0010052.4270.0076222.3610.009111股份制商业银行华夏银行4.1640.0000163.2230.0006354.5140.000003光大银行3.1740.0007532.1640.0152182.70.003472民生银行4.3660.0000063.050.0011452.9650.001511中信银行3.3350.0004262.4240.0076713.1540.000805平安银行2.6360.0041902.4360.0074252.0090.022275浦发银行3.6150.0001502.8170.0024243.1270.000884兴业银行3.0480.0011522.7480.0030002.0520.020104招商银行3.5960.0001612.9130.0017912.6510.004008国有控股商业银行交通银行4.0320.0000282.6760.0037273.5940.000163中国银行5.0870.0000003.8710.0000546.310.000000农业银行5.4760.0000004.4070.0000056.1810.000000建设银行4.5830.0000022.9710.0014833.7180.000100工商银行5.0850.0000003.7980.0000735.0010.000000(四)结果分析8家样本银行在2019年疫情暴发前的资产价值波动率ꎬ如图1所示ꎬ平均为0.01321ꎬ2020年疫情暴发期为0.01419ꎬ2021年后疫情时期为0.01240ꎮ2019-2021年ꎬ样本银行资产价值波动率先上升后下降的趋势一定程度表明疫情的发生对银行业的资产端有一定的影响ꎮ其中零售业务占比较大的宁波银行㊁招商银行在疫情暴发的2020年波动幅度最大ꎮ这可能是由于零售类消费类贷款和以批发零售㊁住宿餐饮㊁旅游为代表的对公贷款不良率抬升明显所致ꎮ图1㊀2019-2021年样本银行资产价值波动率情况通过计算违约距离(如图2所示)可以发现ꎬ疫情暴发前样本银行的平均违约距离为3.915ꎬ疫情暴发时期的平均违约率为3.033ꎬ后疫情时期为3.593ꎮ该数据普遍高于巴曙松ꎬ蒋峰针对我国所有上市A股企业提出的违约预警线2.2的水平ꎬ一方面说明我国商业银行整体风险可控ꎻ另一方面说明疫情的暴发显著降低了银行的违约距离ꎬ加剧了信用风险ꎮ但随着新冠疫情于2021年得到缓和ꎬ各行各业有序复工复产ꎬ后疫情时期银行业整体违约距离有所降低ꎬ信用风险控制水平得到提升ꎮ这可能是由于前期行业拨备计提力度较大ꎬ风险抵补充足ꎬ使得上市银行具备良好的风险承受能力所致ꎮ图2㊀2019-2021年样本银行违约距离变化情况通过计算EDF(图3)可以发现ꎬ样本银行的违约距离与期望违约率成反比关系ꎮ绝大部分样本银行在疫情暴发时期的期望违约率均有一定程度的上升ꎬ其中国有控股商业银行由于其资本更为充足ꎬ在样本银行中的表现最为稳健ꎮ图3㊀2019-2021年样本银行EDF变动情况三㊁疫情对银行信贷风险的影响(一)信贷资产质量下滑由于新冠疫情导致的停工停产负面影响波及面广ꎬ既极大冲击了制造业产业链上下游ꎬ也显著降低了餐饮㊁旅游㊁交运等行业的经济效益ꎬ对小微企业的经营能力和盈利能力产生了明显的负面冲击ꎮ因此ꎬ商业银行的信贷投放及资产驱动型负债规模与匹配58受到影响ꎬ导致信用风险和流动性风险在一定程度上有所增加ꎮ此外ꎬ由于新冠疫情后商业银行不断加大金融信贷支持力度ꎬ多措并举提升普惠金融服务质效ꎻ同时企业信用风险存在滞后性ꎬ疫情对企业的偿付能力影响存在时滞ꎬ因此疫情防控期间的大量增量贷款的潜在风险也不容忽视ꎮ根据样本银行历年年报可知ꎬ过半数以上的样本银行不良贷款率在2020年呈现出较明显的上升趋势ꎬ如图4所示ꎮ图4㊀2019-2021年样本银行不良贷款率情况(二)未来投资偏好将趋向保守2020年ꎬ在旧挑战(全球经济减速)和新冲击(疫情全球蔓延㊁油价暴跌和外围证券市场暴跌)的共同夹击之下ꎬ2020年一季度GDP增速创改革开放以来的新低ꎮ新冠疫情的出现将长期影响企业和居民部门的心理预期ꎬ未来宏观经济下行压力也将压制投资者的风险偏好ꎬ观望情绪加重ꎬ将最终影响金融服务有效需求和供给ꎬ从而对银行信用风险产生一定的负面影响ꎮ(三)银行盈利指标下降总资产收益率(ROA)和净资产收益率(ROE)方面ꎬ受利率下行与拨备增提的影响ꎬ大部分上市银行的ROA与ROE指标均有所下行ꎮ净息差方面ꎬ受存款成本刚性㊁贷款基础利率(LPR)下行和金融普惠背景下利率优惠等因素影响ꎬ股份制与国有银行将面临较大的净息差收窄压力ꎮ近年来ꎬ商业银行持续加大减费让利的力度ꎬLPR也经历多次下调ꎬ银行贷款利率呈现持续下行态势ꎬ而负债端成本仍较高ꎬ在多重因素影响下银行净息差普遍收窄ꎮ银保监会披露的数据也显示出净息差收窄的趋势ꎬ商业银行2021年末净息差为2.08%ꎬ较2020年末下降0.02个百分点ꎮ盈利指标的下降将直接影响银行业的资产与拨备情况ꎬ一定程度上加剧信用风险ꎮ四㊁疫情反复背景下银行业信用风险防范对策(一)宏观层面财政政策方面ꎬ中央银行应实行宽松的货币政策ꎬ适时调低法定存款准备率ꎬ既要扶持小微企业发展ꎬ稳定市场信心ꎬ也要保证商业银行拥有充足的资金与超额准备ꎮ监管方面ꎬ相关部门需加强信贷部门流动性监管ꎬ利用压力测试评估信贷资产恶化程度并督促银行完善流动性风险预警机制ꎬ防止包商银行破产事件再次重现ꎮ此外ꎬ相关部门应建立逆周期动态调节机制和差异化管理机制ꎬ在经济下行时期有序调降拨备覆盖率ꎬ提高贷款风险容忍度ꎬ缓解银行存款压力ꎮ(二)微观层面业务流程方面ꎬ商业银行应当加强服务流程线上化建设ꎬ既提升金融服务便捷性与可得性ꎬ也具有良好的可追溯性ꎬ易于后续对风险资产开展数据分析ꎮ业务结构方面ꎬ商业银行应当拓展中间业务收入规模ꎬ构筑第二增长曲线以实现轻资本及内生增长的目标ꎬ在保证收益的同时从根本上减少信用风险ꎮ资本补充渠道方面ꎬ商业银行应采用多元化方式如发行二级资本债㊁永续债与非公开定向增发方式补充核心资本ꎬ提高资本充足率ꎬ有效应对权益端的冲击ꎮ此外ꎬ还应当合理利用衍生金融工具化解银行的不良资产ꎮ风控方面ꎬ商业银行应当加大金融科技投入ꎬ依托大数据和模型进行风险评估从而实现科技赋能银行风控管理ꎬ利用大数据等技术手段改进风险监测体系ꎬ实现降本增效ꎬ达到对困难企业和个人的精准识别与贷后的精确追踪与管理ꎬ遏制可能出现的不良现象ꎮ五㊁结语综上所述ꎬ商业银行应做好中长期资本规划ꎬ密切持续关注资产质量变迁ꎬ积极应对和化解在中长期可能面临的不良压力ꎮ参考文献:[1]钟震ꎬ郭立.新冠肺炎疫情对中小银行的影响及对策研究[J].武汉金融ꎬ2020(3):37-41ꎬ59.[2]陆岷峰.中小商业银行:疫情危机㊁信用风险叠加与防范对策[J].华北金融ꎬ2020(6):69-77.68。
我国上市公司信用风险度量及其影响因素的实证研究
![我国上市公司信用风险度量及其影响因素的实证研究](https://img.taocdn.com/s3/m/5bb9ad17650e52ea54189807.png)
( 江财经 学 院, 浙 浙江 杭 州 3 0 0 ) 10 0
摘要 : K V模型度量我国上市公 司信用风险方法的有效性进 行 了实证研 究。同时对影响 对 M 上市公 司信用风险的内在 因素进行 了 索。实证研究结果表 明,M 探 K V模型对我 国上 市公司信用风 险度量 具有 良好 的适 用性 。对信 用风险影 响 因素 的 实证 结 果说 明 , 国上 市公 司的 规模 对 其 信 用 我
第l 期
陈
浩 , 我 国上 市公 司信用风 险度量及其影 响因素的实证研究 等
2 9
经 验 的主观 判断 。 ( ) 用风 险量化 模型 二 信
现代信用风险量化模型与古典信用风险方法一脉相承。国际信用评级发展先后经历 了专家判断法、 信 用评分法和组合信用风险模型法等阶段 。2 0世纪 7 O年代 以后 , 随着金融市场 的不断变化和金融创新 日 新 月异 , 传统的信用风险度量方法越来越不能适应现代银行风险管理的要求 , 它们的固有缺陷使风险管理效果 大打折扣 。于是一些新的更加准确 、 客观的模型应运而生。信用风险量化管理模型近年来在实务界得到了 很大的重视和发展。有 四种信用风险量化和管理模型在跨 国银行风险管理中得到了广泛的应用。它们是 : JP Meo 型在 19 . . r n模 t 9 7年开 发并外 公 布 的一 种信 用 风险 价值 模 型 Cei tc . MV公 司 已莫顿 模 型 为 rdt r s K Me i 基础推出的 K V模型。瑞士银行金融产品开发部( sP 于 19 M c r ) 96年开发 的信用风险管理模型 Cei i r ts . dR k 以及 由 Tm Wio 提出 , o ln s 麦肯锡公 司. 19 年开发的有条件信用等级迁移概率模型 Cei— of i Ve 与 98 r t Proo i d tl w
KMV模型对中国上市公司信用风险识别能力的实证研究
![KMV模型对中国上市公司信用风险识别能力的实证研究](https://img.taocdn.com/s3/m/95602010964bcf84b9d57b33.png)
二、 理论 模 型
1 模 型 的 核 心 思 想 、
a: r E
VE
1 r .2
() 4
I( n ) (+旦 ) +r t d= — — — : 一 l—
r e AV t
() 5
d= ,e / :d r 一 A、
() 6
() 2 计算违约距离 D 企业 的资产价值及其波动 I D。 生计算出 来后 , 了计算违约距离 , 为 还需要先确定企业 的违约点。在现实
【 要 】K 摘 MV 模 型 作 为 一 种 结 构 化 信 用 风 险 度 量 和 预 测
工具 。 国外成 熟 市场 已被 广 泛采 用 。本 文 选取 了 6 在 6家 中 国的
上 市 企业 作 为 样 本 , 过 比 较 其 违 约 距 离 , 验 了 KMV 模 型 的 通 检
是 同构的 , 当贷款 到期时 , 借款公 司在利 息贴 现基础 上向银行 偿还数 额为 x的风险贷 款 ,此时借款 公司的 资产 市场价值为 v^在风 险贷款到期 日, , 如果 V &X, 则借款公 司有 动力偿还贷 款 x, 此时银 行会得到 一个固定 的贷款收 益 , 利息和 本金都能 够得到全部偿还 ; 如果 V < 借款 公司由于丧失偿还贷款的能 A X, 力, 迫于无奈会选择违约 , 此时银行将遭受损失 , 损失的大小取
在信用风 险的度量 中 , 最重要 也是最 困难的 , 一是 度量方
法的选择 , 二是信用状况数据的获取 。我 国 目前对于信用风险 的度量 , 主要还是采用一些传统 的度 量方法。然而这些方法 已
市场价值的波动率 , 是可 以直接观测到其股 票的价格 和股价 但 的波动率。因此 , 以通过期权定价公式来反 向求出前者 ,即 : 可
基于KMV模型的我国上市公司信用风险度量研究的开题报告
![基于KMV模型的我国上市公司信用风险度量研究的开题报告](https://img.taocdn.com/s3/m/cfd50c242379168884868762caaedd3383c4b51b.png)
基于KMV模型的我国上市公司信用风险度量研究的开题报告一、背景和研究意义:在中国,随着经济的发展和金融市场的深化,上市公司作为最具代表性、最受关注的企业之一,在社会、政治和经济方面都具有重要的地位和作用。
然而,由于我国上市公司股权结构、财务报告透明度、内部控制制度等存在一定的问题,导致其信用风险率先暴露和扩大,对金融市场和实体经济都产生了不良的影响。
因此,如何有效地评估和控制上市公司的信用风险,已成为当前金融领域中亟待解决的重要问题。
KMV模型,即Kreinin, Markowitz 和 Varian 模型,是一种用于评估公司信用风险的标准模型之一。
该模型基于公司股票价格和债券价格的变化,通过计算股票和债券的市场价值之间的差异来预测公司的违约概率。
此外,KMV模型比传统的财务分析方法更具有权威性和准确性,因此在证券市场上具有广泛的适用价值。
二、研究目标:本研究旨在探讨基于KMV模型的国内上市公司信用风险度量方法,研究其应用效果和可靠性,并利用该模型进行实证分析,以提高我国公司信用风险管理的水平。
三、研究内容:1. 了解KMV模型的基本理论和核心指标;2. 对比研究KMV模型与传统信用评级模型之间的差异和优劣;3. 构建我国上市公司信用风险度量模型,并进行实证分析;4. 基于模型结果,提出上市公司信用风险管理的建议。
四、研究方法:1. 文献综述法:对KMV模型的相关文献、国内外相关研究成果进行梳理和总结;2. 统计学方法:利用上市公司的财务和市场信息,计算出其股票和债券价格的变化速率,并以此预测公司的违约概率;3. 实证研究法:以我国上市公司为研究对象,运用构建的信用风险度量模型进行实证分析,探讨该模型在我国应用的效果和可靠性;4. 实证分析法:分析实测数据,总结上市公司信用风险管理的策略,为企业提供管理建议。
五、可能的研究贡献:1. 对我国上市公司信用风险管理现状进行分析,探索可行的风险评估和防控方式;2. 基于KMV模型,构建适用于我国上市公司的信用风险度量模型,提高评估和控制风险的准确性和实用性;3. 通过实证分析,为上市公司提供更有效的信用风险管理建议,为企业的可持续发展提供支持和保障。
民营上市公司信用风险评估实证研究
![民营上市公司信用风险评估实证研究](https://img.taocdn.com/s3/m/7abf9ab7c77da26925c5b084.png)
其是不少民营上市公 司的财务资料无从搜集 , 已公开的一些财务数据也存在失真现象 , 至使信用评估数据严重缺乏 ; , 同时 我国信用风 险评估起步较晚, 这些都造成了我国在运用模型进行计量时数据库的瓶颈制约。 信用风险评估指标体 系不规范 。 信用评估指标体系是评 估工作的依据 , 也是衡量评级结果是否客观公正的标尺 , 它直接关系到信用评估的严肃性 、 权威性 和科学性 。 前 , 国民营上市公 司的 目 我 信用评估指标体系大都借鉴国家权威部 门的企业绩效评价指标 , 咨询专家的意见 。 , 或 但是 企业绩效评价与企业信用评估相近确不相 同, 每个指标的重要性或权重并不一定相 同, 完全的套用不能保证评估的科学性 ; , 另外 咨询专家的意见有一定 的主观性 , 也不能保证评 估 的准确性 。 信用评估方法针对性不强。 国民营上市公司的信用风险评估 , 我 通常没有把国外先进 的评估方法和理论与 中国实际联系起 来, 形成一套有效 的风险评估体系。 各评估机构评级所依据的定性定量指标存在着差异 , 评估结果 的等级含义设置 , 等级认定标志不统 评估所用的方法也各不相 同。 每种方法都各有利弊 , 哪种才是 目前最适合我国民营上市公司的信用风险评估方法 , 本文将在之后 的
一
,
研究过程中展开分析。 基于上述问题 , 本文拟选取民营上市公司的对外公开数据 , 建立全面 、 的指标体 系, 科学 以及引用针对我国民营上 市公 司特点 的信用风险评估方法 , 试图为研究并构建我 国民营上市公司的信用风险评估体系做出努力。
中小上市公司信用风险评估实证分析
![中小上市公司信用风险评估实证分析](https://img.taocdn.com/s3/m/d6e3739051e79b896802269a.png)
④债 务净 资产 比率 。
财 务 困境 。通 过 统计 , 文 发现 2 0 年 本 05
ห้องสมุดไป่ตู้
债务总额 / 资产 ×10 净 % 0
该指标越小 , 明公司资产 负债越 表 低, 营运 资金充 足 , 司抵御 外部 冲击 公 的能力越强 , 信用违约风险越低。 根据财务 比率法求评估 值公式 为 :
“ 中小企业科技金融创新” 专题之八
中小 上市公 司 信用风险评估实证分析
■ 唐 海艇
摘要 : 本文通过利用财务指 标比率法对 2 3家深 市中小上 市公 司 2 0- 0 8 7 0 5 2 0 年整体信用风 险水平进行评估 , 根据财务 指标数据对 目前中小上市公 司的信用风 险进行实效的研究, 实时地反映 中小上市公 司当前的信用状况。有 利于投 资者 、 信用风险管理者及 时地发现公 司信用风 险而进行规避或者降低信用风险所带来的损 失, 以及为监 管机构建立合理有效
法 , 是 信 用 评 级 方法 。 由 于 信 用 评 级 二
方法 是将企业 所有 信用要 素设 定不 同
权 重 , 量 化 各 要 素 特 性 , 根 据 综 合 并 再
展变化程度高等特点 ; 中小 上市公司 且 大 多是家族式 经营管 理模式 和治理 模 式, 而这种 治理结构不完善 , 不健全 , 在 规模运作方面存在较多问题 , 导致管理
本 全流通 , 股价容易被过度炒作而导致 的市场操纵风险 , 这一 系列的问题存在
使 得 现 金 融 危 机 下 的 中 小 上 市 公 司 整
基于统计判别方 法.不断开发出各种关
于信用风险评分度量的定量模型。这类 模型 主要包括单变量模型 、 多元线性判 别模型f 如著名 的 Z T E A模型等) 和多元
制造业企业信用风险研究——来自上市公司的实证研究
![制造业企业信用风险研究——来自上市公司的实证研究](https://img.taocdn.com/s3/m/28378df0c8d376eeaeaa310a.png)
能如期履约偿 还债务给经济 主体 带来 的风 险。信 用风险的大小 主要 色关联分析 法评 价企业信用风险 比较符合 实际情况 。肖北溟利用银 资产收益率 、 销售( 营业 ) 利 润率 、 总资产周转率 、 流动 资产周 转率 、 销 售 ( 营业 )增长率和资本积 累率 9 个 指标进行 ,并验证 了模型 的有效 性。 考虑到指标 的易获得性和银行数据 的较强解释能力 , 本文借鉴上 述 指标来构 建信 用评 价体 系 , 指标含义如下表 1 :
表 1所 选 财 务 指 标 及 其 具 体 含 义
财务指标 A- 体 含 义
制造业是 国民经济发展 中的支柱产业 ,是 推动经济增长 的发动
机 。我 国的制 造业多是传统 的制造业 , 由于技术 自给率低 、 创新 能力
低、 附加值低 、 能耗 高和依赖 出 口等特点 , 还处于技 术链 和价值链 的 低端 , 制造业企业抗 风险的能力还很 弱 , 这 一点在金融危机 中变 现的 最为 明显 。由于信用 风险具有传递性和社会性等特点 , 大量制造业企 业 的破产 给我国经济造成 了极大 的影响 , 实体经济滑坡严重 。 作为银 行 的最重要 客户之一 , 作为 国民经 济中 占比最大 的行业 , 制造业 企业 的大量违 约会给银行 的资产安 全和经济 的稳定 运行造 成不 良影响 , 因此对 我国制造业企业 的违约状况进行分 析评估对于商业银行 的风 险防范和国民经济的稳定运行具有重要意义 。 金融危机过后 , 制造业 企业 的贷 款需求和 资金 投入规模越来越 大 ,每年 的新增贷 款投 向也 有相 当一 部分投入 了制 造业 ,那么我 国制造业企业 的信用 风险究竟 如何 呢?本文试 图从制 造业企业 的信用状 况及其与其他行业 的横 向 对 比分析人手 , 采用实证研究 的方 法 , 就制造业企业 的信用 风险问题 给出可靠 的经验证据 。 二、 评价指标 的选 择 金融危机后 , 国内外学 者对信用 风险的研 究给予了高度关注。国
商业银行信用风险度量实证分析——以16家上市银行为例
![商业银行信用风险度量实证分析——以16家上市银行为例](https://img.taocdn.com/s3/m/e67fb78f8762caaedc33d404.png)
使得许多的监督机制无法发挥作用 。两职分离使得董事 长领导董
事会对股东 负责 , 总经理对董事 会负责 。 总经理无法胜任 的 , 董事
会 可 以解 除 总 经 理 的 职务 , 而 向 经 理 人市 场 寻 找 更 合 适 的 人 选 。 转 ( ) 化 上 市 公 司股 权 结 构 , 三 优 完善 股 东大 会 运 作 规 则 股 权
一
的集 中或分散本身并 不能判断股权结构 的合理与否。股权分散 的 英美模式和股权集中的 1德模式各有优点。有效的股权结构应 当 3 能够提高和稳定公司的绩效 , 调节非股权结构 因素 , 保障公 司战略
风 险管理 l i aae et s M ngm n Rk
商业银 行信 用风 险度量实证分 析
— —
以 1 6家上 市银 行 为 例
中国农 业银行 青 岛分行 万 言 四川省 中砝税务 师事务所 李俐 莎
一
、
文 献 用模 拟的方式对信用 风险的测量模 型进行 相
关 的研 究和总结 , od 和C oh (0 0 等对相 同时点 即静态 的资 G ry ruy 2 0 )
商业银行的信用风险主要是指债权人 因借款人由于各种原 因不 能还款或者不愿意还款而发生违约所产生损失的可能性 。随着金融
产组合进行 了相应 的评估测量认 为 ,通过不 同模型对数据分析结 果是接 近的。 同时 , i e ( 04 根据 对风险测 量模 型进行了 比较 Nc l20 ) kl 分 析研究 , 主要针对实际资产 的组合数据进行实证分析 , 但是结果
到发挥 , 因此其对于财务风险的防范功 能也未有得到有效发挥。
五 、 于公 司治 理 的财 务 风 险 防 范 策 略 基
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
中国上市公司信用风险分析方法实证研究
【摘要】:现代经济从本质上而言就是信用经济,信用在现代社会生活、生产的各个方面扮演着越来越重要的作用。
20世纪90年代以来,在全球经济、政治、技术快速变化的背景下,信用正以指数方式增长着。
随着信用的迅速发展,各种信用风险也越来越引起人们的注意。
从借款人个人不能按时还钱,到银行呆帐、坏帐的增多,一直到债务国不能偿还债务本息。
这一切已经影响到了社会的正常经济秩序。
上市公司是证券市场的基石,它的信誉度关系到证券市场的走势和成败。
历史经验证明:市场经济是法制经济也是信用经济。
一个成熟的证券市场需要有一个发达的信用支撑,没有科学完备的信用评价做基础,市场的正常秩序是建立不起来的。
中国作为新兴的证券市场,大力发展信用评价体系对于证券市场的健康发展、对于监管部门的市场管理、对于投资者的投资决策以及企业的经营管理都有有重要意义。
本文正是在这样的背景下,以中国上市公司信用风险分析为突破口,重点研究中国上市公司信用风险分析的方法和模型,进而希望为商业银行、有关监管机构以及广大投资者对信用风险的识别和评价提供有力的参考依据和方法。
本文首先分析了我国证券市场和上市公司的基本信用状况,接着考察了金融机构信用风险分析的历史沿革,分析它的现状及发展趋势,重点研究了信用风险分析的基于会计数据的多元判别分析方法中的两大方法,即Z-Score模型和Logit模型,构建了这两大模型在中国上市公司信用风险分析上的框架,并比较分析了它们各自的优缺
点。
在Z-Score模型的建立上,本文力求方法符合理论要求,对于样本和变量的选取以严格和科学的方法进行筛选,保证样本数据符合费歇判别法等协方差的要求,使组内方差最小化和组间方差的最大化,最后根据模型分别给出了判定公司违约的截断点;在分析了Z-Score模型的固定影响和线性补偿假设的缺陷后,在Logit模型的建立中引入了交叉项和其他对公司信用风险有重大影响却无法在Z-Score模型中引入的定类、定序变量,确立了符合中国上市公司信用风险分析的Logit 模型,并对其参数估计进行了统计检验,最后发现Logit模型的判断力确实比Z-Score模型有所提高。
论文最后分析了当前流行的信用风险度量模型在中国的适用性,主要包括基于会计数据的统计判别分析模型即Z-Score模型、Logit模型以及基于市场数据的KMV模型两大类方法,指出我国信用风险分析中的问题所在,并给出了政策建议,这些建议包括尽快建立中国上市公司信用信息的历史数据库,大力发展中国的信用评估机构,建立健全法律体系和监督机制,提高中介机构的整体素质和上市公司财务信息的真实性,加强金融机构的内部硬件建设,大力推广现代信用风险评估模型的应用促进各金融机构之间的网络互联、信息共享等。
【关键词】:信用风险上市公司多元判别分析Z-Score模型Logit模型
【学位授予单位】:山西财经大学
【学位级别】:硕士
【学位授予年份】:2006
【分类号】:F276.6;F224
【目录】:摘要6-8ABSTRACT8-13第1章绪论13-181.1选题背景与意义13-141.2文献综述14-171.3论文的研究方法及创新17-18第2章上市公司与信用风险18-232.1信用风险的含义18-202.2上市公司信用风险分析的意义20-23第3章信用风险分析方法综述23-313.1专家评分系统23-263.1.15C要素分析法和LAPP原则233.1.2财务比率综合分析法23-243.1.3现代的综合评价方法24-263.2统计判别方法26-293.2.1多元线性判别分析模型(MDA)273.2.2Logit模型27-283.2.3Probit模型28-293.3基于资本市场的方法——KMV29-31第4章线性判别模型的建立31-454.1可行性分析314.2样本和变量选取31-334.2.1评价指标体系31-334.2.2样本组的选取334.3模型的构建33-404.3.1单变量检验33-374.3.2模型的推导37-384.3.3断点的确定38-404.4绩效评估40-454.4.1样本外的测试效果40-434.4.2模型的局限性43-45第5章Logit模型的建立45-575.1基本原理45-475.2模型的推导47-525.2.1样本和变量的选择47-505.2.2参数估计50-525.3参数检验52-535.4模型的局限性53-545.5Logit模型与Z值模型的比较分析54-575.5.1框架比较54-555.5.2绩效比较55-57第6章总结与展望57-616.1中国信用风险度量研究中的主要问题576.2主要信用风险度量方法在中国的适用性研究57-596.2.1多元判别分析模型在中国的适用性分析57-586.2.2KMV模型在中国的适用性分析58-596.3政策。