南京银行信用违约风险研究
发布时间：2021-09-08 19:27
根据最新的国家统计局数据,2019年中国大陆GDP突破99万亿,金融业增加值为77,077亿元,较上年增长7.2%,占GDP比重为7.8%。金融业已经成为国民经济重要的组成部分,在服务实体经济中得以高速发展。在我国当下的金融体系中,商业银行占据了核心的位置。城市商业银行近年来发展迅速,成为银行体系乃至金融体系中越来越重要的一部分。商业银行作为经营风险的特殊企业,其业务的开展也往往伴随着风险的发生。其中,信用风险是指交易对方未按约定条款履行其相关义务,商业银行将遭受损失的风险,在几大类风险中属于商业银行日常经营所面临的最普遍风险,也成为我国商业银行面临的最主要的金融风险。由于我国证券市场尚未成熟,我国企业尤其是中小型企业融资渠道相对单一,多依赖银行的间接融资方式,商业银行的资产也主要以贷款形式存在。当中小企业经营出现资金链问题,更多的采用商业银行的间接融资方式,而城市商业银行正是服务于地方经济和当地中小企业和居民的,因此面临的信用风险大幅提升。国内外学者对于商业银行信用风险的研究经历了从定性到定量的发展过程,2008年金融危机后,对商业银行信用风险的定量研究更成为研究商业银行的重点。南京...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
南京银行不良贷款情况
第1章绪论2降低，但最近的几年的一个变化是不良贷款余额有一定的增加趋势。根据中国银监会（现银保监会）公布的数据，截至2017年江苏省不良贷款余额高达1,148.60亿元，不良贷款率1.3%。南京银行同年的数据则分别为33.45亿元和0.86%，2019年三季度数据分别为50.12亿元和0.89%，可以看出在不良贷款率这一指标下南京银行远低于江苏省的水平。同时，南京银行和江苏省内的无锡银行、江苏银行和苏农银行等比较，不良贷款率也处在较低的水平，这显示出南京银行较好的风险控制能力，这也得益于南京银行的风险限额管理及缓解措施，南京银行的成功经验也给国内同类型的城市商业银行提供了良好借鉴。但同时也应看到，南京银行2017、2018和2019三季度不良贷款余额分别为33.45、42.72和50.12亿元，不良贷款率分别为0.86%、0.89%和0.89%。不良贷款余额和不良贷款率有一定上升的压力，这和当前我国经济下行压力和产业结构调整的新时代特性也不无关系。因此，在新的时代背景下的城市商业银行信用风险研究，以及南京银行等城市商业银行如何提高自身经营管理水平，如何更好地识别、经营和管理自身所面临的风险也具有重要意义。图1.1南京银行不良贷款情况图1.2江苏省不良贷款情况
第1章绪论3图1.3南京银行与江苏省内银行不良贷款率对比南京银行成立于1996年2月6日，同年完成股份制改造。在改革开放、中国经济飞速发展以及中国金融体制改革和资本市场的蓬勃发展中，南京银行不断成长并壮大。南京分别于2001年和2015年引入境外战略投资者IFC（InternationalFinanceCorporation）、BNP（法国巴黎银行），于2007年在上海证券交易所上市，成为了一家混合所有制商业银行，股东除了国有法人股份和中资法人股份，还有外资股份和自然人股份，也是我国最早上市的城市商业银行之一。南京银行2007年于上海证券交易所上市，是我国最早上市的城市商业银行之一，也是较早上市的商业银行之一。经过自身多年的发展，南京银行也有一套从贷前到贷中和贷后全流程的信用风险管理办法，采用贯穿贷款发生前、进行中和发生后的全流程管理方式，贷款发生前进行专业信用评估，贷款进行中进行集中监控，贷款发生后进行集中操作和问题资产收龋在授信额度上，采取总行统一计划，风险管理部重点把控的经营模式，贷款进行中，会严格审查客户的资质和潜在风险，贷款后存续中，细致管理资产，在《贷款风险分类指引》的框架下进一步细化了贷款的分类，对金融风险采取审慎的态度，对债券、信托和票据等资产采取额度和动态分类的信用管理办法，有效降低了自身的信用风险，在城市商业银行中的信用风险管理能力也有出色的表现。但通过研究可以发现，南京银行的信用管理在定性上做的比较多，而定量上比较欠缺，这也是当前我国城商行普遍的特点，因此使用KMV模型对南京银行信用风险管理，也有很大的价值。根据最新的国家统计局数据，2019年中国大陆GDP突破99万亿，金融业增加值为77077亿元，较上年增长7.2%，占GDP比重为7.8%。金融业在我国国民经济已经占有非常
【参考文献】：
期刊论文
[1]银行信贷资产证券化信用风险度量及传染研究——基于修正KMV模型和MST算法的实证[J]. 谢赤,凌毓秀. 财经理论与实践. 2018(03)
[2]基于KMV动态违约距离的商业银行信用风险研究[J]. 蒋书彬. 金融与经济. 2016(05)
[3]现代信用风险管理模型比较分析[J]. 李文. 金融经济. 2016(04)
[4]我国商业银行信用风险管理研究[J]. 汤启蓉. 合作经济与科技. 2016(01)
[5]中国金融自由化、金融发展与投资水平差异[J]. 魏彦杰,钟娟,沙文兵. 财贸经济. 2015(03)
[6]基于KMV模型的我国农村商业银行信用风险管理实证研究[J]. 王海荣,钱哲,汪宁霞. 财务与金融. 2015(01)
[7]我国经济增长率动态波动机制——基于TVP-VAR模型的实证研究[J]. 刘金全,付卫艳,刘达禹. 上海经济研究. 2014(05)
[8]基于BP神经网络的商业银行信用风险预警研究[J]. 江训艳. 财经问题研究. 2014(S1)
[9]非正态数据下商业银行信用风险和经济资本度量[J]. 慕文涛,陈典发,陈冀. 系统工程理论与实践. 2013(06)
[10]金融发展、金融市场冲击与经济波动——基于动态随机一般均衡模型的分析[J]. 鄢莉莉,王一鸣. 金融研究. 2012(12)
本文编号：3391349
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
南京银行不良贷款情况
第1章绪论2降低，但最近的几年的一个变化是不良贷款余额有一定的增加趋势。根据中国银监会（现银保监会）公布的数据，截至2017年江苏省不良贷款余额高达1,148.60亿元，不良贷款率1.3%。南京银行同年的数据则分别为33.45亿元和0.86%，2019年三季度数据分别为50.12亿元和0.89%，可以看出在不良贷款率这一指标下南京银行远低于江苏省的水平。同时，南京银行和江苏省内的无锡银行、江苏银行和苏农银行等比较，不良贷款率也处在较低的水平，这显示出南京银行较好的风险控制能力，这也得益于南京银行的风险限额管理及缓解措施，南京银行的成功经验也给国内同类型的城市商业银行提供了良好借鉴。但同时也应看到，南京银行2017、2018和2019三季度不良贷款余额分别为33.45、42.72和50.12亿元，不良贷款率分别为0.86%、0.89%和0.89%。不良贷款余额和不良贷款率有一定上升的压力，这和当前我国经济下行压力和产业结构调整的新时代特性也不无关系。因此，在新的时代背景下的城市商业银行信用风险研究，以及南京银行等城市商业银行如何提高自身经营管理水平，如何更好地识别、经营和管理自身所面临的风险也具有重要意义。图1.1南京银行不良贷款情况图1.2江苏省不良贷款情况
第1章绪论3图1.3南京银行与江苏省内银行不良贷款率对比南京银行成立于1996年2月6日，同年完成股份制改造。在改革开放、中国经济飞速发展以及中国金融体制改革和资本市场的蓬勃发展中，南京银行不断成长并壮大。南京分别于2001年和2015年引入境外战略投资者IFC（InternationalFinanceCorporation）、BNP（法国巴黎银行），于2007年在上海证券交易所上市，成为了一家混合所有制商业银行，股东除了国有法人股份和中资法人股份，还有外资股份和自然人股份，也是我国最早上市的城市商业银行之一。南京银行2007年于上海证券交易所上市，是我国最早上市的城市商业银行之一，也是较早上市的商业银行之一。经过自身多年的发展，南京银行也有一套从贷前到贷中和贷后全流程的信用风险管理办法，采用贯穿贷款发生前、进行中和发生后的全流程管理方式，贷款发生前进行专业信用评估，贷款进行中进行集中监控，贷款发生后进行集中操作和问题资产收龋在授信额度上，采取总行统一计划，风险管理部重点把控的经营模式，贷款进行中，会严格审查客户的资质和潜在风险，贷款后存续中，细致管理资产，在《贷款风险分类指引》的框架下进一步细化了贷款的分类，对金融风险采取审慎的态度，对债券、信托和票据等资产采取额度和动态分类的信用管理办法，有效降低了自身的信用风险，在城市商业银行中的信用风险管理能力也有出色的表现。但通过研究可以发现，南京银行的信用管理在定性上做的比较多，而定量上比较欠缺，这也是当前我国城商行普遍的特点，因此使用KMV模型对南京银行信用风险管理，也有很大的价值。根据最新的国家统计局数据，2019年中国大陆GDP突破99万亿，金融业增加值为77077亿元，较上年增长7.2%，占GDP比重为7.8%。金融业在我国国民经济已经占有非常
【参考文献】：
期刊论文
[1]银行信贷资产证券化信用风险度量及传染研究——基于修正KMV模型和MST算法的实证[J]. 谢赤,凌毓秀. 财经理论与实践. 2018(03)
[2]基于KMV动态违约距离的商业银行信用风险研究[J]. 蒋书彬. 金融与经济. 2016(05)
[3]现代信用风险管理模型比较分析[J]. 李文. 金融经济. 2016(04)
[4]我国商业银行信用风险管理研究[J]. 汤启蓉. 合作经济与科技. 2016(01)
[5]中国金融自由化、金融发展与投资水平差异[J]. 魏彦杰,钟娟,沙文兵. 财贸经济. 2015(03)
[6]基于KMV模型的我国农村商业银行信用风险管理实证研究[J]. 王海荣,钱哲,汪宁霞. 财务与金融. 2015(01)
[7]我国经济增长率动态波动机制——基于TVP-VAR模型的实证研究[J]. 刘金全,付卫艳,刘达禹. 上海经济研究. 2014(05)
[8]基于BP神经网络的商业银行信用风险预警研究[J]. 江训艳. 财经问题研究. 2014(S1)
[9]非正态数据下商业银行信用风险和经济资本度量[J]. 慕文涛,陈典发,陈冀. 系统工程理论与实践. 2013(06)
[10]金融发展、金融市场冲击与经济波动——基于动态随机一般均衡模型的分析[J]. 鄢莉莉,王一鸣. 金融研究. 2012(12)
本文编号：3391349
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/3391349.html
