商业银行信用风险的影响因素及实证研究

发布时间：2021-10-07 11:03

　　改革开放以来,我国金融风险机构和监督管理部门防范的最主要的风险就是商业银行信用风险。随着经济的发展,社会分工的进一步的细化,我国发展已经进入到了一个崭新时期。我国经济的发展呈现一种常态化的态势,主要的特征包含:经济增长的速度趋于缓慢、产业结构处在升级转化的关键时期、推动经济增长的方式发生着变化。在国家宏观政策的引导下,促进经济的平稳健康增长、进一步的加快产业结构的优化升级,促进我国经济的进一步的改革和发展,这些是我国在当前发展阶段面临的主要任务和发展目标,在这个过程中侧重推动我国产业结结构调整进程,解决我国产能出现过剩的问题。我国的商业银行在金融市场中占据着主导地位,在经营过程中面临着各种风险,其中尤为突出的是主营业务的信用风险,这种风险也越来越复杂,出现的频率也更加的常态化,这样对于商业银行的风险管理来说压力就不断的增大。所以,银行采用比较稳健的货币政策,以此来保障商业银行资源的安全,降低信用风险发生的可能性,促进我国金融市场的平稳健康的发展,进而促进我国经济的持续循环发展。本文基于我国现今经济发展的“新常态”,通过对国内外商业银行信用风险的研究,对比国外商业银行信用风险情况得出我国... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：72 页

【学位级别】：硕士

【部分图文】：

007-2016我国不良贷款额与不良贷款率季度变化图

浙江大学硕士学位论文 KMV 模型在我国商业银行信用风险度量实证分析通过上面分析模型中的信息数据，在进行研究的过程中主要是使用 R 语言来进行编程，最终计算得出资产价值AV 以及其变化率率A ，再进一步的推算出企业的违约距离和违约率的数值。上述的具体实证过程在附录中有所显示。4.4 结果拟合验证为了正式 KMV 分析模型的合理性，本文把分析过程中所得出的所有的违约距离以及违约率进行了整理，并用以下的指数曲线来表示变化关系。为了验该模型推算结果的准确性，把样本对象的全部违约距离和违约率的数值进行了拟合，并且把独立的银行样本和总样本拟合，最终的而出下图 4-1 的拟合变化曲线。通过该曲线图可以很简明的看出违约距离和违约率之间的关系，这就意味着 KMV分析模型的计算结果是有效的。

表 4-5 上市商业银行与其违约率统计数据表最大值 最小值 平均值 标准差国有性质大型商业银行 0.01009 0.00000 0.00048 0.00143城市商业银行 0.02117 0.00000 0.00135 0.00374股份制商业银行 0.56231 0.00000 0.00741 0.04998数据来源：详情见附录 2本章主要把研究样本中的 16 家商业银行进行了性质划分，并对其违约距离按照其性质的不同，针对性的对其季度资产状况进行加权处理，从而推算出不同性质的银行违约距离的波动情况，下图 4-2 反应了三种不同性质的商业银行信用风险的变化趋势：


本文编号：3421921