基于修正KMV模型下我国商业银行信用风险度量研究及实证分析

发布时间：2017-09-21 18:42

  本文关键词：基于修正KMV模型下我国商业银行信用风险度量研究及实证分析

  更多相关文章： 我国商业银行 信用风险 因子分析 修正KMV模型 实证分析

【摘要】：对我国商业银行信用风险现状分析主要从纵向和横向两个方面进行。首先,根据2009-2014年17家银行相关数据,纵向分析我国商业银行的信用风险现状。通过数据整理,用Excel或Spss19.0画出图表,从图表可以看出,目前我国商业银行信用风险现状:不良贷款率在2009-2014年间先降后升,拨备覆盖率在2009-2014年间先升后降;贷款客户集中度2009-2014年逐年降低,但行业集中程度还比较高;资本充足率和核心资本充足率均满足监管要求,但有些波动难以长期维持。其次,根据2014年20家商业银行的年报数据,横向探究我国商业银行的竞争力,选取反映银行竞争力的16项数据指标,采用因子分析法对数据进行处理,通过分析可以发现中国工商银行、中国建设银行、中国银行、中国农业银行排名比较靠前,但作为五大国有商业银行之一的交通银行排名却比较靠后,交通银行在盈利能力指标和资产质量指标方面排名比较落后,因此它应相应在这两方面提高竞争力,类似地,各个银行可根据自身各个公共因子排名的先后找出银行本身的优劣以提高自身的竞争力。最后,根据纵向和横向分析的结果提出对我国商业银行信用风险管理策略的建议以便有效地去评估和监管信用风险。对于修正KMV模型下信用风险度量研究的方面,首先,对主要的信用风险度量模型进行简单的介绍;其次,对KMV模型的基本原理和假设进行分析找出模型的优缺点,进而对模型进行修正;再次,对KMV模型在计算股权市场价值和股权市场价值波动方面进行修正,确定用t检验法确定最佳违约点;最后,选取沪深主板市场14家ST上市公司和对应的14家非ST上市公司,利用28家上市公司2012-2014年的年度报表中的有关数据和2012年1月1日-2014年12月31日每日的股票收盘价进行实证分析。实证分析结果如下:(1)修正的KMV模型对我国上市的ST公司和非ST公司的信用风险状况具有较好的识别效果。(2)通过计算得出28家上市公司违约距离和违约概率,可以发现违约距离越大,违约概率就越小,公司发生违约风险也越小。2012-2014年28家上市公司的平均违约距离和平均违约概率也有一定的波动性。(3)通过取17个不同的a值,运用Matlab计算出不同的违约距离和违约概率,再利用t:检验-平均值的成对二样本分析法确定公司的最佳违约点a的值为0.65。
【关键词】：我国商业银行 信用风险 因子分析 修正KMV模型 实证分析
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.33
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-14
• 1.1 研究背景及意义9-10
• 1.2 国内外文献简要综述10-12
• 1.2.1 国外文献简述10-11
• 1.2.2 国内文献简述11-12
• 1.3 研究方法思路及内容12-14
• 1.3.1 研究方法思路12-13
• 1.3.2 研究内容13-14
• 第2章 我国商业银行信用风险分析14-23
• 2.1 我国商业银行信用风险的成因分析14
• 2.2 我国商业银行信用风险的特征分析14-15
• 2.3 我国商业银行信用风险的现状分析15-23
• 2.3.1 我国商业银行信用风险纵向现状分析15-18
• 2.3.2 我国商业银行信用风险横向现状分析18-23
• 第3章 信用风险度量模型的发展23-27
• 3.1 信用风险和信用风险度量模型的发展23
• 3.2 KMV模型的基本原理及优缺点23-27
• 3.2.1 KMV模型基本原理23-26
• 3.2.2 KMV模型优缺点26-27
• 第4章 修正KMV模型及基本参数的假设和计算27-30
• 4.1 股权市场价值的计算27
• 4.2 时间参数的确定和无风险利率的计算27-28
• 4.3 股权市场价值波动率的计算28-29
• 4.4 修正的KMV模型及最佳违约点确定方法29-30
• 第5章 修正KMV的实证分析30-35
• 5.1 样本的选取30-31
• 5.2 计算过程和输出结果31-35
• 5.2.1 股权市场价值计算结果31-32
• 5.2.2 股权市场价值波动率计算结果32-33
• 5.2.3 最佳违约点的确定33-35
• 第6章 结论35-37
• 6.1 实证结论分析35
• 6.2 研究的局限性35-36
• 6.3 后续研究方向和政策建议36-37
• 致谢37-38
• 参考文献38-40
• 附录A 2009-2014年各样本银行原始数据40-43
• 附录B KMV模型计算Matlab代码43-44
• 附录C 2012-2014年沪深主板市场28家上市公司流动负债和长期负债44-47
• 附录D 2012-2014年沪深主板市场28家上市公司部分违约距离和违约概率47-51
• 附录E 2012-2014年沪深主板市场28家上市公司部分公司资产价值和公司资产价值波动率51-57
• 攻读学位期间的研究成果57

【参考文献】

中国期刊全文数据库 前10条

1 杨秀云;蒋园园;段珍珍;;KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验[J];财经理论与实践;2016年01期

2 孙凯迪;;基于因子分析法的我国商业银行竞争力探究[J];洛阳理工学院学报(社会科学版);2015年05期

3 彭伟;;基于KMV模型的上市中小企业信贷风险研究[J];南方金融;2012年03期

4 彭大衡;张聪宇;;市场分割条件下KMV模型的改进与实证分析[J];统计与信息论坛;2011年05期

5 陈东平;孙明;;KMV模型的修正及应用研究[J];经济研究导刊;2007年01期

6 曹道胜;何明升;;商业银行信用风险模型的比较及其借鉴[J];金融研究;2006年10期

7 张智梅;章仁俊;;KMV模型的改进及对上市公司信用风险的度量[J];统计与决策;2006年18期

8 董颖颖,薛锋,关伟;KMV模型在我国证券市场的适用性分析及其改进[J];生产力研究;2004年08期

9 鲁炜,赵恒珩,方兆本,刘冀云;KMV模型在公司价值评估中的应用[J];管理科学;2003年03期

10 韩立岩,郑承利;基于模糊随机方法的公司违约风险预测研究[J];金融研究;2002年08期

，

本文编号：896245