基于分位数回归的上市公司信用风险研究

发布时间：2020-06-28 09:08

【摘要】：随着国内外信用风险领域中研究方法的不断深入,国内资本市场的大幅波动再一次引起了商业银行、投资者和政府监管部门等对上市公司信用风险问题的高度重视。因此,在总结国内外的研究方法的基础上,将二元贝叶斯分位数回归模型运用到信用风险领域进行识别与测量,并与二元均值Logit回归模型、KMV模型分别进行对比研究。选取2014年——2016年间所有被公示特别处理ST或*ST的上市A股企业作为高信用风险组,根据违约公司的行业以及市值等因素,选择与其相对应的上市A股公司作为低信用风险组,设置预测时间均为1年,所有参与模型回归的数据,不论是财务信息数据还是资本信息数据均选择T-2(T为特殊处理公示年份)时间点上的数据。在基于上述样本与指标的基础上,对二元贝叶斯分位数回归模型、二元均值Logit回归模型、KMV模型进行实证分析与结果阐述。其中,对二元贝叶斯分位数回归模型的在不同分位数水平下的结果做一详细分析,基于KMV模型的不同分组对违约距离等指标进行双样本非参数检验。最后,引入一系列评价指标和评价曲线如正确率、召回率、ROC曲线和PR曲线等,将二元贝叶斯分位数回归模型分别与二元均值Logit回归模型和KMV模型进行双模型与三模型的对比研究。通过实证分析和对比研究综合表明:二元贝叶斯分位数回归模型可以有效地改进二元均值Logit模型仅针对平均风险与各财务指标的关系这一缺陷,得出在不同信用风险的条件下,各个财务指标的影响水平的变化趋势,同时经过三模型的对比研究后,可以得出,二元贝叶斯回归模型的预测违约公司的综合水平最高。
【学位授予单位】：青岛大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：F272.3;F832.51
【图文】：

青岛大学硕士学位论文总资产增长率参数估计值 -12.3810 -5.6230 -9.1780标准差 4.5918 2.0318 3.4686置信区间 -20.6923 -5.6290 -9.1505 -2.4412 -14.5996 -3.5952注 a：表中 Beta2~Bata18 的定义在表 3.1 指标概述中列出同时还获得各指标在不同分位点下的轨迹图，与 MCMC 抽样的轨迹图，由于篇幅限制，这里仅列出 0.1，0.5，0.9 分位点处的轨迹图，如下图 3.1、3.2 和 3.3 所示：

同时还获得各指标在不同分位点下的轨迹图，与 MCMC 抽样的轨迹图，由于篇幅限制，这里仅列出 0.1，0.5，0.9 分位点处的轨迹图，如下图 3.1、3.2 和 3.3 所示：图 3.1 0.1 分位点处的抽样轨迹

【参考文献】

相关期刊论文 前10条

1 赵为华;张日权;;基于贝叶斯方法的比例数据分位数推断及其应用[J];统计与信息论坛;2016年08期

2 蒋书彬;;基于KMV动态违约距离的商业银行信用风险研究[J];金融与经济;2016年05期

3 柳向东;李凤;;大数据背景下网络借贷的信用风险评估——以人人贷为例[J];统计与信息论坛;2016年05期

4 吴永求;赵静;;转移支付结构与地方财政效率——基于面板数据的分位数回归分析[J];财贸经济;2016年02期

5 姬中洋;;我国交通基础设施对居民消费需求的影响——基于分位数视角[J];物流技术;2016年01期

6 张莉;;贷款风险信用等级的多阶Markov转移概率估计[J];统计与决策;2015年23期

7 蒋_g;高瑜;;基于KMV模型的中国上市公司信用风险评估研究[J];中央财经大学学报;2015年09期

8 王鹏;;交通运输业能源消耗强度变化及影响因素分析[J];现代管理科学;2015年06期

9 张奇;胡蓝艺;王珏;;基于Logit与SVM的银行业信用风险预警模型研究[J];系统工程理论与实践;2015年07期

10 邓晓卫;郑邦贵;张洋;;分位数回归中的样本约束——基于蒙特卡洛方法[J];统计与决策;2014年24期

相关硕士学位论文 前2条

1 顾茜茜;基于分位数回归的信用风险预测模型研究[D];山西财经大学;2012年

2 夏佑涛;我国上市公司信用风险识别方法的研究[D];西南财经大学;2011年

本文编号：2732834