基于Logit模型的我国上市公司信用风险实证研究

发布时间：2017-08-03 02:17

  本文关键词：基于Logit模型的我国上市公司信用风险实证研究

  更多相关文章： 信用风险 Logit回归 因子分析 逐步回归

【摘要】：2007年,美国的次级贷款引发了全球性的金融危机,随后各国金融机构都日趋重视对信用风险的管理。国际金融研究所和安永会计师事务所(2012)认为信用风险在2008年金融危机后逐渐成为首席风险官最为关注的风险。近年来,我国信用债年度发行规模从2010年的1.59万亿增加到2015年的14.6万亿,年均增长速度为51.6%。随着经济增长速度持续放缓,企业债务压力日趋增大。根据海通证券的统计数据显示,2014年我国有6只信用债违约,而2015年信用债违约数量上升到了24只。信用债违约事件频发,更加剧了我国企业信用风险的暴露。因此,金融机构有必要加强对信用风险的管理,挖掘出应用更实际、预测更精准、操作更便捷的信用风险评估模型乃是当务之急。目前,西方国家的信用风险管理体系已较为完善,Logit模型、KMV模型及CDS价差模型等信用风险定量研究技术广泛使用。而我国的信用风险管理仍存在很多不完善的地方,特别是缺乏企业历史违约数据的积累,使得前沿的信用风险评估技术很难为我国金融机构所采用。论文在查阅大量研究文献基础上,采用二分类Logit回归模型和有序多分类Logit回归模型对上市公司进行信用风险评估。其中,分析数据来自于对沪、深证券交易所上市公司的抽样调查;二分类Logit回归分析时,采用逐步回归和主成分分析法分别对解释变量进行筛选和降维;有序多分类Logit回归分析时,先采用主成分分析法对财务指标进行加权汇总和信用评级,随后对模型进行极大似然估计。实证结果显示:(1)Logit回归模型的预测效果优于线性概率模型,能够有效评估上市公司的信用风险;(2)产权比率、净利润率、销售净利率、固定资产周转率、流动资产周转率和股东权益增长率等变量能够很好的用于上市公司信用风险预测;(3)主成分分析法对上市公司信用评级具有较强的适用性。论文认为,金融监管部门应该采用Logit回归分析法对上市公司进行信用评估,及时公布上市公司的信用等级和信用走势,这不仅有助于加强对上市公司的信用监管,也有助于维护金融机构和投资者的利益。
【关键词】：信用风险 Logit回归 因子分析 逐步回归
【学位授予单位】：山西财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.4
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第1章 引言11-16
• 1.1 研究背景和意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外文献综述12-14
• 1.2.1 国外文献综述12-13
• 1.2.2 国内文献综述13-14
• 1.3 研究方法与创新之处14-15
• 1.4 论文的基本框架15-16
• 第2章 信用风险概述16-20
• 2.1 信用风险内涵16-17
• 2.1.1 信用风险概念16
• 2.1.2 信用风险分类16-17
• 2.2 信用风险度量17-19
• 2.2.1 线性概率模型17
• 2.2.2 Z评分模型和ZETA评分模型17-18
• 2.2.3 KMV模型18-19
• 2.2.4 Logit回归模型19
• 2.3 小结19-20
• 第3章 Logit回归模型概述20-25
• 3.1 Logit回归模型一般形式20-22
• 3.1.1 离散变量20-21
• 3.1.2 Logit回归模型一般形式21-22
• 3.2 logit回归模型估计方法22-23
• 3.2.1 二分类Logit回归模型估计22
• 3.2.2 有序多分类Logit回归模型估计22-23
• 3.3 Logit回归模型评价23
• 3.4 Logit 回归模型显著性检验23-24
• 3.4.1 参数显著性检验23-24
• 3.4.2 模型显著性检验24
• 3.5 小结24-25
• 第4章 基于二分类Logit模型的上市公司信用风险度量25-35
• 4.1 模型构建25
• 4.2 样本、指标及描述性统计25-28
• 4.2.1 样本选择25-26
• 4.2.2 指标及描述性统计26-28
• 4.3 Logit模型逐步回归分析28-30
• 4.3.1 逐步回归步骤28
• 4.3.2 逐步回归分析28-30
• 4.4 Logit模型主成分回归分析30-34
• 4.4.1 主成分回归思想30-31
• 4.4.2 主成分因子提取31-32
• 4.4.3 主成分解释32-33
• 4.4.4 Logit主成分回归分析33-34
• 4.5 小结34-35
• 第5章 基于有序Logit模型的上市公司信用风险度量35-39
• 5.1 上市公司评级35-37
• 5.1.1 加权方法确定35-36
• 5.1.2 上市公司评级36-37
• 5.2 有序Logit回归模型分析37-38
• 5.2.1 模型构建和估计37-38
• 5.2.2 模型预测38
• 5.3 小结38-39
• 第6章结论、建议与展望39-41
• 6.1 主要结论39
• 6.2 政策建议39
• 6.3 展望39-41
• 附录41-43
• 附录1 上市公司名单41-42
• 附录2 财务指标相关系数矩阵42-43
• 参考文献43-46
• 致谢46-47
• 攻读硕士学位期间发表的论文和其它科研情况47-48

【相似文献】

中国期刊全文数据库 前10条

1 邱醒杰;付明珍;宣洁;;基于二元logit模型的购房意愿分析——以济南为例[J];中国外资;2013年12期

2 丁友刚;宋献中;;基于多元logit模型的国有企业高管更换决策机理研究[J];统计研究;2011年06期

3 刘芳;;面板logit模型研究综述[J];现代商贸工业;2010年21期

4 卢永艳;王维国;;基于面板logit模型的上市公司财务困境预测[J];数学的实践与认识;2010年05期

5 周宇;雷汉云;;基于logit模型的信用担保风险研究[J];山东社会科学;2008年07期

6 刘芳;;基于面板logit模型的上市公司财务困境实证分析——以装备制造业为例[J];经济视角(下);2011年09期

7 朱广俊;;宏观经济因素对汇率制度选择的影响——基于多元离散排序logit模型的实证分析[J];现代经济信息;2013年21期

8 丁金平;;基于成本效益的Logit模型分析[J];商业会计;2014年11期

9 邹鑫;李莉莉;房琳;;基于Logit和KMV的我国上市公司信用风险的比较研究[J];青岛大学学报(自然科学版);2014年02期

10 刘梅;杜丽丽;张晓;;基于logit模型的农户有机肥施用意愿及影响因素分析——以山东为例[J];安徽农业科学;2010年09期

中国重要会议论文全文数据库 前5条

1 顾兆军;任振强;;应用Logit模型建模旅客航线选择行为[A];2009年研究生学术交流会通信与信息技术论文集[C];2009年

2 程海波;;股票投资价值的logit模型研究——对沪市A股制造行业的实证分析[A];中国会计学会财务管理专业委员会2009年学术年会论文集[C];2009年

3 黎志成;廖雪珍;胡斌;;运用logit回归方法进行组合定性预测[A];2001年中国管理科学学术会议论文集[C];2001年

4 Yunhui Miao;Jiafu Tang;Gang Qu;;Behavior Prediction of Telecom Consumers' Choice with Packages Based on Improved Nested Logit Model[A];第25届中国控制与决策会议论文集[C];2013年

5 王珏;张奇;胡蓝艺;汪寿阳;;基于Logit与SVM的银行业信用风险预警模型研究[A];中国系统工程学会第十八届学术年会论文集——A10系统工程方法在金融、投资、保险业等领域的研究[C];2014年

中国博士学位论文全文数据库 前1条

1 周博见;基于路径的Logit型随机用户均衡模型求解算法研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 白文娟;基于Logit与KMV模型的信用风险研究[D];东北财经大学;2015年

2 张亚宁;城市交通拥堵定价研究[D];东北财经大学;2016年

3 孙海云;Logit模型参数估计方法的研究[D];浙江大学;2016年

4 位刚;偏Logit模型及其应用研究[D];西北农林科技大学;2011年

5 褚冬琳;基于logit模型的制造业上市公司财务预警分析[D];福州大学;2011年

6 贾伟娜;Mixed logit模型及其应用研究[D];宁波大学;2011年

7 郭静;基于logit模型的全装修住房选择研究[D];西安建筑科技大学;2014年

8 张睿;Mixed Logit模型及其在农村居民就医地点选择分析中的应用[D];西南财经大学;2014年

9 任汉;基于面板数据Logit模型的美国系统性风险研究[D];中国科学技术大学;2015年

10 曹胜杰;基于logit模型的商业银行信用风险量化管理[D];西南财经大学;2011年

，

本文编号：612235