基于KMV-随机森林模型信用债券违约风险度量

发布时间：2020-04-25 11:06

【摘要】：改革开放40年以来,我国的经济发展取得了世界瞩目的成就。金融市场作为国民经济不可或缺的一部分,为我国的企业和投资者提供了资金融通的渠道。近几年我国金融市场发展过快的弊端开始暴露出来,公司债券违约事件频发,我国的企业信用风险愈发受到市场以及监管层的持续关注。作为企业重要的融资工具,我国信用债券的研究对于公司良性竞争,市场规范化发展,投资者理性投资都有实际的参考作用。第一部分对我国债券市场发生的信用债违约现象进行了分析,研究了国内外关于信用债券违约风险的文献,通过阶段性的发展脉络梳理,发现KMV模型违约距离和随机森林模型在我国上市公司债券信用风险量化上有很强的实用价值,因此创造性的将两者结合。第二部分,本文从沪深交易所上市公司中筛选39家ST、*ST公司和78家正常公司的2015-2017年三年数据组成研究样本,并分行业对数据进行了标准化。首先根据KMV模型计算违约距离,发现违约距离在不良组与对照组中存在着显著的差距,说明KMV违约距离在正常公司与不良公司分类中能发挥显著作用。第三部分,通过随机森林模型将传统财务指标与代表市场信息的违约距离进行变量筛选,得到随机森林模型评价指标体系:净资产收益率ROE、销售净利率、总资产报酬率ROA、经营型现金净流量、销售毛利率、总资产增长率、净利润增长率、流动资产周转率、违约距离。观察混合模型对上市公司债券违约风险的评估效果,并通过与LOGIT模型进行对比,证实随机森林模型在违约风险量化中有更好的效果。另外在实证最后也通过删减KMV违约距离指标观察到:不管是随机森林模型还是LOGIT模型预测效果显著下降。说明KMV模型与随机森林模型的结合具有理论与实际意义。最后,本文从监管层、上市公司、市场参与者角度就上市公司债券违约风险的规避提出了相应的建议与对策。
【图文】：

债券投资,债券,数量统计,金额

我国信用债券违约进入了频繁发生的时期。逡逑２０１４年上海超日太阳能公司宣布公司债券无法按时兑付，这一时间如同平逡逑地惊雷，博得各方面关注，我国债券市场的所有参与者心头都敲下了一记重锤，逡逑债券违约终于来了。从那时起，踩雷事件频频发生，我国债券市场终于打破了刚逡逑性兑付，投资者和上市公司纷纷认识到了信用风险这个概念的重要性。截止２０１８逡逑年底，我国总共发生的违约信用债２４６支，总违约金额达到２０９７．邋１６亿元。从趋逡逑势看，２０１４年发生违约信用债６支，违约金额为１３．邋４亿元；２０１５年发生违约信逡逑用债２５支，违约金额为１１５．１９亿元；２０１６年发生违约信用债５６支，违约金额逡逑为３９３．邋７７亿元；２０１７年发生违约信用债３５支，违约金额为３３７．邋４９亿元；２０１８逡逑年发生违约信用债１２４支，违约金额为１２０５．邋６１亿元。从趋势中我们可以看到，，逡逑自２０１４年以来，我国信用债违约规模有所增加，２０１８年更是超过了先前违约金逡逑额的总和，这表明在经济下行的压力之下，我国信用债券也面临着前所未有的挑逡逑战。逡逑

决策树,错判率,森林,纵坐标

图４．邋４决策树个数选取逡逑以上横坐标表示决策树的棵树，纵坐标表示随机森林模型的错判率。能够看逡逑出，决策树个数低于２００时０ＢＢ误差率比较高，因此我们考虑数个数超过２００逡逑的情况，决策树的棵数是６００时，基本趋于平稳，且个数适中。故本文选择逡逑ｎｔｒｅｅ＝６００。逡逑在任何评价模型中，变量的选取都尤为重要，在随机森林模型中也是如此。逡逑直观上指标变量数量的个数变化会导致模型预测误差波动，过多过少都对模型有逡逑负面的影响，我们希望找到一个能释放模型性能的最佳指标个数。经过文献学习，逡逑决定选择使０ＢＢ误差率最小的指标个数作为本文随机森林模型指标体系的最佳逡逑个数。逡逑
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F832.51

【相似文献】