信用风险度量模型及KMV模型在我国上市公司的应用研究
发布时间:2020-09-01 17:44
信用风险始终是金融机构承担的主要风险之一,一个金融机构经营的成败与其对信用风险的测定与管理水平有着密切的联系。在金融环境复杂多变的今天,随着中国金融业的对外开放,如何完善对信用风险的管理,开发适合我国实际的信用风险度量和管理模型,提高我国风险管理水平,是金融机构面临的最大挑战之一。 本文主要对信用风险的特点、测定与管理的模型进行了全面研究,力求通过研究找到适合我国实际情况的上市公司信用风险度量模型,从而增强我国信用风险测定与管理的能力。 论文首先分析了信用风险概念和特征,并对我国信用风险的特点进行了研究。在此基础上,着重研究了信用风险的度量方法。先是简单介绍了传统的“5C”专家法、信用评分和信用评级法等传统的信用风险度量方法,并对其代表性的Z计分模型和ZETA模型进行了较详细的介绍;接着着重研究了现代信用风险度量模型,主要有J.P.摩根的CreditMetrics模型,KMV公司研发的KMV模型,CSFP的CreditMetric+模型,还有CreditPortfolioview模型。文章重点对KMV模型的理论基础,计算框架,优缺点及在我国的适用性进行了研究,鉴于其特别适合对上市公司的信用风险进行评价和在我国的适用性,文章选取了20家上市公司对其进行了实证研究,研究结果表明KMV模型能够在一定程度上为我所用,具有一定的区分度,可以用于度量我国上市公司的信用风险。最后指出了该模型在我国应用的困难之处和不足,并提出了政策建议。 本文在研究中采取了定性与定量分析相结合的方法,研究的结果具有一定的理论意义和实践意义。
【学位单位】:武汉理工大学
【学位级别】:硕士
【学位年份】:2007
【中图分类】:F832.5;F224
【部分图文】:
6660071777149854787111430000000001713547871112.4072220.00000000000004441810690411180000000181469041111.0333330.1690000000000888512446222000512446222l,6427770.05733300000035551894637667771250000000190088766777一1.7814440.960888666008900023977313444000239773134440.7986660.251444666002344481299842999OOO81299842999一0.8161110.90499966600248885164722700012190476665025675088802312220.691555666003388831399366111000313993661110.8577770.2105556660075888558610890001739422225294806011107252220.15622266600763337661522220007861522221.0223330.168666666007677726504663000000265046630000,9910000.170999为了便于比较,我们把所得的违约距离违约概率用下图直观的表示出来:
666007677726504663000000265046630000, 9910000.170999为了便于比较,我们把所得的违约距离违约概率用下图直观的表示出来:;;;__…牛才…;爵凌般 般两 两类上市公司违约距离比较较图4一3两类上市公司违约距离比较46
本文编号:2810052
【学位单位】:武汉理工大学
【学位级别】:硕士
【学位年份】:2007
【中图分类】:F832.5;F224
【部分图文】:
6660071777149854787111430000000001713547871112.4072220.00000000000004441810690411180000000181469041111.0333330.1690000000000888512446222000512446222l,6427770.05733300000035551894637667771250000000190088766777一1.7814440.960888666008900023977313444000239773134440.7986660.251444666002344481299842999OOO81299842999一0.8161110.90499966600248885164722700012190476665025675088802312220.691555666003388831399366111000313993661110.8577770.2105556660075888558610890001739422225294806011107252220.15622266600763337661522220007861522221.0223330.168666666007677726504663000000265046630000,9910000.170999为了便于比较,我们把所得的违约距离违约概率用下图直观的表示出来:
666007677726504663000000265046630000, 9910000.170999为了便于比较,我们把所得的违约距离违约概率用下图直观的表示出来:;;;__…牛才…;爵凌般 般两 两类上市公司违约距离比较较图4一3两类上市公司违约距离比较46
【引证文献】
相关期刊论文 前1条
1 刘利文;王吉恒;王国荣;;KMV模型在我国商业银行信贷风险管理中的应用研究[J];商业经济;2010年10期
相关博士学位论文 前1条
1 高珊珊;农村消费信贷信用风险评估[D];中国矿业大学(北京);2010年
相关硕士学位论文 前3条
1 高华;基于KMV模型的我国房地产上市公司信用状况分析[D];天津财经大学;2011年
2 高勇标;中国上市公司信用风险研究[D];西南财经大学;2009年
3 赵爽;非完全信息模型在预测违约风险中的应用[D];吉林大学;2010年
本文编号:2810052
本文链接:https://www.wllwen.com/guanlilunwen/zhqtouz/2810052.html
最近更新
教材专著