基于修正KMV模型对汽车类上市公司供应链金融信用风险研究

发布时间：2020-08-02 12:39

【摘要】：近年来,我国的汽车行业取得了飞速的发展,形成了相对完善的行业产业链。在产业链上的中小企业还存在规模小、经营不稳定等问题,使得这类企业向银行等金融机构进行融资贷款时会受到一定阻力。所以为了解决供应链上一些中小企业融资难的问题,形成了一种新的融资模式,即供应链金融业务。供应链金融模式通过引入第三方物流公司对抵押物进行监管和运送,可以为银行等金融机构带来更多的信用保障。但是在我国对于供应链金融风险的量化识别以及有效的防范管理体系,还不够完善健全。因此,供应链企业的信用风险识别量化是供应链金融发展所面临的重大问题之一。本文以汽车行业供应链金融为例,通过文献评述厘清供应链金融风险相关的理论概念,并对现有的信用风险模型进行比较分析,选取适合我国金融市场的风险量化模型。首先,根据本文的研究内容及数据的可获取性,选择了16家汽车行业供应链中的上市公司作为测试集样本,并对数据进行了处理和验证。利用R语言软件对这些企业的对数收益率数据构建了GARCH(1,1)模型,求得了各企业的股权价值波动数据。再对经典KMV模型的违约点以及违约概率计算进行修正后得到修正的KMV模型,并运用该模型求得了各企业的违约距离。由于我国并没有完整的企业信用风险映射数据库,所以本文借鉴穆迪公司提出的企业价值服从几何布朗分布的概念,求得了各企业的违约概率。得到了汽车行业供应链金融中三类企业的违约风险排序依次是:汽车经销企业零部件供应企业汽车核心制造企业,并且不同类型企业中信用风险差异较为明显。然后随机抽取了未通过GARCH检验的12家企业作为对比集样本,构建了经典的KMV模型。对修正后的KMV模型风险量化结果与经典KMV模型所获得的风险量化结果进行对比分析,以此得到修正的KMV模型能更有效的识别信用风险并且更适用于我国汽车行业供应链金融中企业的信用风险分析。并据此对我国汽车行业供应链中的不同位置的企业依据违约距离和信用风险发生概率提出相应建议。最后,为降低供应链金融风险,建立完善的信用风险管理体系提出了相对应的策略。
【学位授予单位】：江西财经大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：C81
【图文】：

中国汽车销量数据图

应收账款模式流程图

汽车行业应收账款数据图

【参考文献】

相关期刊论文 前10条

1 吴t

本文编号：2778521