基于KMV模型的商业银行信用风险评价的实证研究
发布时间：2021-07-07 11:01
一直以来,商业银行在经营发展过程中,信用风险当属其最重要的风险之一,那么对信用风险的准确测算和有效经管,将非常有益于商业银行安全、稳定发展,也有益于整个金融市场的稳固和国民经济的健康发展。传统的信用风险测量与经管的技术和理念已不能满足当今市场发生的新问题,也不能满足经营主体对信用风险进行科学测量和有效防范的需求。因此我国商业银行须在借鉴国外先进的信用风险测量技术和经验基础上,结合我国行业经营环境,在引入国外信用风险测量模型时须进行修正,以适用于准确量化我国商业银行面临的信用风险,不断提高商业银行信用风险管理的能力。本文以我国商业银行信用风险测量和评价问题为研究方向来展开论述。前两章说明了选题的意义、具体研究内容和商业银行信用风险的涵义等内容,着重在对国内外关于商业银行信用风险度量和评价的文献进行综述、对现代信用风险度量方法进行比较分析的基础上,得出在新巴塞尔协议的指导框架下,我国商业银行可以考虑将KMV模型加入到其信用风险度量模型的研究范围内。本文第三章在借鉴已有文献的基础上,结合我国行业自身发展状况,针对公司股权价值、违约点、资产价值增长率三个参数进行修正。第四章运用修正的模型对选取...
【文章来源】：对外经济贸易大学北京市 211工程院校 教育部直属院校
【文章页数】：42 页
【学位级别】：硕士
【部分图文】：
预期违约率原理图
5 126 9.191 13.615 1.213 1.919 125.5196 53 2.008 1.127 0.155 0.198 5.774总数 1378 11.144 39.228 1.057 0.198 529.441DD2 1 40 4.152 1.362 0.215 0.233 7.3902 914 3.961 5.901 0.195 1.197 140.0713 87 5.866 4.644 0.498 1.170 27.3414 158 6.280 9.632 0.766 1.473 94.9405 126 10.101 15.583 1.388 1.940 142.5976 53 4.385 3.574 0.491 1.640 23.492总数 1378 4.931 7.807 0.210 0.233 142.597DD3 1 40 4.212 1.414 0.224 0.104 7.6812 914 4.030 6.197 0.205 1.197 149.2813 87 6.075 4.941 0.529 1.126 28.8664 158 6.459 10.204 0.812 1.471 98.9245 126 10.999 17.469 1.556 1.961 158.9236 53 4.446 3.62 0.497 1.640 23.491总数 1378 5.097 8.448 0.228 0.104 158.923其分布图如下所示：
图 4.2 各组均值标准差的误差线由输出结果可以看出：样本中分组变量编号为 1 的组即农林牧渔业上市公司共有 40 个样本，其不同违约点计算出的违约距离的均值分别为 4.091、4.152、4.212，标准差分别为1.314、1.362、1.414，均值的标准误差分别为 0.208、0.215、0.224。样本中分组变量编号为 2 的组即制造业上市公司共有 914 个样本，其不同违约点计算出的违约距离的均值分别为 3.892、3.961、4.03，标准差分别为 5.6255.901、6.197，均值的标准误差分别为 0.186、0.195、0.205。样本中分组变量编号为 3 的组即建筑业上市公司共有 87 个样本，其不同违约点计算出的违约距离的均值分别为 5.566、5.866、6.075，标准差分别为 8.6354.644、4.941，均值的标准误差分别为 0.256、0.498、0.529。样本中分组变量编号为 4 的组即批发零售业上市公司共有 158 个样本，其不同违约点计算出的违约距离的均值分别为 6.097、6.280、6.459，标准差分别为9.020、9.632、10.204，均值的标准误差分别为 0.718、0.766、0.812。样本中分组变量编号为 5 的组即房地产业上市公司共有 126 个样本，其不同
【参考文献】：
期刊论文
[1]现金贷风险、影响及对策研究[J]. 杨颖. 商业经济. 2018(07)
[2]互联网+时代小微企业信用风险评估体系的研究[J]. 谭新莹,姜林枫. 时代金融. 2018(18)
[3]偿债能力与地方政府债务违约风险——基于KMV修正模型的实证研究[J]. 洪源,胡争荣. 财贸经济. 2018(05)
[4]商业银行信用风险评估模型研究——基于线上供应链金融的实证[J]. 戴昕琦. 软科学. 2018(05)
[5]Design and validation on a multiple sound source fast-measurement system of near-field head-related transfer functions[J]. YU Guangzheng,LIU Yu,XIE Bosun. Chinese Journal of Acoustics. 2018(02)
[6]高职院校专业设置与第三产业适应性研究——以厦门市为例[J]. 许温洁,武毅英. 集美大学学报(教育科学版). 2018(01)
[7]线上供应链金融信用风险评估实证研究——基于C-SMOTE-RF模型[J]. 蒋先玲,张庆波. 广西大学学报(哲学社会科学版). 2018(01)
[8]论新时期中国实体经济的发展[J]. 黄群慧. 中国工业经济. 2017(09)
[9]严调控趋势下房企信用风险分析[J]. 高国华. 债券. 2017(07)
[10]振兴实体经济要着力推进制造业转型[J]. 南阳市人民政府公报. 2017(02)
硕士论文
[1]基于供应链理论的群体工程项目成本管理研究[D]. 甘庆芬.湖南大学 2016
[2]基于KMV模型的城投债信用风险控制实证研究[D]. 李俊文.西南财经大学 2012
[3]商业银行信用风险管理的KMV模型及其修正[D]. 陈昕.浙江工商大学 2010
[4]基于KMV模型的行业信用评价研究[D]. 陆音.北京交通大学 2010
[5]基于KMV模型的银行信贷风险管理实证研究[D]. 林娟华.华东师范大学 2009
[6]我国上市公司信用风险度量实证研究[D]. 马雨生.华东师范大学 2008
[7]基于KMV模型的信用风险度量实证研究[D]. 熊健夫.重庆大学 2007
[8]中国上市公司信用风险度量实证研究[D]. 陈银忠.重庆大学 2006
[9]信用风险度量模型比较及KMV模型在中国的应用研究[D]. 方文进.东华大学 2005
本文编号：3269511
【文章来源】：对外经济贸易大学北京市 211工程院校 教育部直属院校
【文章页数】：42 页
【学位级别】：硕士
【部分图文】：
预期违约率原理图
5 126 9.191 13.615 1.213 1.919 125.5196 53 2.008 1.127 0.155 0.198 5.774总数 1378 11.144 39.228 1.057 0.198 529.441DD2 1 40 4.152 1.362 0.215 0.233 7.3902 914 3.961 5.901 0.195 1.197 140.0713 87 5.866 4.644 0.498 1.170 27.3414 158 6.280 9.632 0.766 1.473 94.9405 126 10.101 15.583 1.388 1.940 142.5976 53 4.385 3.574 0.491 1.640 23.492总数 1378 4.931 7.807 0.210 0.233 142.597DD3 1 40 4.212 1.414 0.224 0.104 7.6812 914 4.030 6.197 0.205 1.197 149.2813 87 6.075 4.941 0.529 1.126 28.8664 158 6.459 10.204 0.812 1.471 98.9245 126 10.999 17.469 1.556 1.961 158.9236 53 4.446 3.62 0.497 1.640 23.491总数 1378 5.097 8.448 0.228 0.104 158.923其分布图如下所示：
图 4.2 各组均值标准差的误差线由输出结果可以看出：样本中分组变量编号为 1 的组即农林牧渔业上市公司共有 40 个样本，其不同违约点计算出的违约距离的均值分别为 4.091、4.152、4.212，标准差分别为1.314、1.362、1.414，均值的标准误差分别为 0.208、0.215、0.224。样本中分组变量编号为 2 的组即制造业上市公司共有 914 个样本，其不同违约点计算出的违约距离的均值分别为 3.892、3.961、4.03，标准差分别为 5.6255.901、6.197，均值的标准误差分别为 0.186、0.195、0.205。样本中分组变量编号为 3 的组即建筑业上市公司共有 87 个样本，其不同违约点计算出的违约距离的均值分别为 5.566、5.866、6.075，标准差分别为 8.6354.644、4.941，均值的标准误差分别为 0.256、0.498、0.529。样本中分组变量编号为 4 的组即批发零售业上市公司共有 158 个样本，其不同违约点计算出的违约距离的均值分别为 6.097、6.280、6.459，标准差分别为9.020、9.632、10.204，均值的标准误差分别为 0.718、0.766、0.812。样本中分组变量编号为 5 的组即房地产业上市公司共有 126 个样本，其不同
【参考文献】：
期刊论文
[1]现金贷风险、影响及对策研究[J]. 杨颖. 商业经济. 2018(07)
[2]互联网+时代小微企业信用风险评估体系的研究[J]. 谭新莹,姜林枫. 时代金融. 2018(18)
[3]偿债能力与地方政府债务违约风险——基于KMV修正模型的实证研究[J]. 洪源,胡争荣. 财贸经济. 2018(05)
[4]商业银行信用风险评估模型研究——基于线上供应链金融的实证[J]. 戴昕琦. 软科学. 2018(05)
[5]Design and validation on a multiple sound source fast-measurement system of near-field head-related transfer functions[J]. YU Guangzheng,LIU Yu,XIE Bosun. Chinese Journal of Acoustics. 2018(02)
[6]高职院校专业设置与第三产业适应性研究——以厦门市为例[J]. 许温洁,武毅英. 集美大学学报(教育科学版). 2018(01)
[7]线上供应链金融信用风险评估实证研究——基于C-SMOTE-RF模型[J]. 蒋先玲,张庆波. 广西大学学报(哲学社会科学版). 2018(01)
[8]论新时期中国实体经济的发展[J]. 黄群慧. 中国工业经济. 2017(09)
[9]严调控趋势下房企信用风险分析[J]. 高国华. 债券. 2017(07)
[10]振兴实体经济要着力推进制造业转型[J]. 南阳市人民政府公报. 2017(02)
硕士论文
[1]基于供应链理论的群体工程项目成本管理研究[D]. 甘庆芬.湖南大学 2016
[2]基于KMV模型的城投债信用风险控制实证研究[D]. 李俊文.西南财经大学 2012
[3]商业银行信用风险管理的KMV模型及其修正[D]. 陈昕.浙江工商大学 2010
[4]基于KMV模型的行业信用评价研究[D]. 陆音.北京交通大学 2010
[5]基于KMV模型的银行信贷风险管理实证研究[D]. 林娟华.华东师范大学 2009
[6]我国上市公司信用风险度量实证研究[D]. 马雨生.华东师范大学 2008
[7]基于KMV模型的信用风险度量实证研究[D]. 熊健夫.重庆大学 2007
[8]中国上市公司信用风险度量实证研究[D]. 陈银忠.重庆大学 2006
[9]信用风险度量模型比较及KMV模型在中国的应用研究[D]. 方文进.东华大学 2005
本文编号：3269511
本文链接：https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/3269511.html
