基于KMV模型的苏州上市公司信用风险评估研究
发布时间：2021-06-09 23:08
信用风险问题在企业交往中扮演重要角色,是众多企业在经济活动中所关注的重要问题。为评估苏州市上市公司信用风险现状和分析信用风险影响因素,讨论了信用风险特征、内涵及其评估方法,在阐述KMV模型理论、优缺点及其适用性后,对该模型进行了修正,并应用于苏州市上市公司。基于以上研究,本文的主要成果如下:（1）KMV模型参数的修正。以ST公司和非ST公司的信用风险差异程度为判断依据,基于20家ST公司和20家非ST公司数据,修正了KMV模型中违约点的计算方式。结果显示在k值取1时区分效果最为理想,且修正后的KMV模型准确地识别出了所涉及苏州市公司信用风险水平,识别结果与公司实际情况较为符合。（2）苏州市上市公司信用风险形势的评估。基于修正后的KMV模型,依托苏州市70余家上市公司2017年上半年实际数据度量了所涉公司信用风险现状,并运用近7个半年度的53家上市公司数据分析了整体信用风险的变化趋势。结果显示,现阶段,从整体上而言,苏州市上市公司信用良好,信用风险的波动并不显著。（3）苏州市上市公司信用风险影响因素的讨论。结合近7个半年度的53家上市公司信用风险数据和GDP等宏观数据的spearman相...
【文章来源】：苏州大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
研究框架
KMV 模型的基础理论及模型的修正 基于 KMV 模型的苏州上市公司信用风险本文中，将非 ST 公司'kDD 与 ST 上市公司 的比值 Qk的大小作为司的依据，即 Qk越大，能够将两类别公司进行差异化的效果越显著。到的数值变化曲线图如图 3.1 所示。图 3.1 中，Qk随着 k 的取值上升而逐步上升，即 k 值越大，ST 公司和分效果越明显。对此，本文中选择k等于1作为实证分析的违约点计算值得注意的是 k 等于 1 时，DP 值与 D 值相等。
第四章 苏州上市公司信用风险评估实证分析州市上市公司概况至 2017 年 12 月 31 日，苏州市共有上市公司 104 家，均为 A 股，总股4 960 股。其中，在上交所和深交所的上市公司分别有 32 和 72 家，且警示板。在此，文中将苏州市上市公司的整体情况概述如下：上市公司行业类别方面，苏州市上市公司覆盖了证监会行业类别中的 4.1），即制造业、信息技术业、房地产业、交通运输业与仓储业、社融与保险业、建筑业、批发和零售贸易、传播和文化产业，以及综合造业的占有率最高，为 65.38%，其次是信息技术业，为 13.46%，再者，其占比为 4.81%。苏州市上市公司的行业结构也在较高程度上反映结构特征。
【参考文献】：
期刊论文
[1]基于KMV模型的国有企业信用风险评估[J]. 孙晗. 经济研究导刊. 2017(31)
[2]基于GARCH-KMV模型的高科技企业实物期权波动率研究[J]. 任培民,赵树然,刘成义. 金融经济. 2017(18)
[3]引入违约距离的修正KMV模型在财务危机预警中的应用[J]. 王莉. 统计与决策. 2017(17)
[4]基于BP-KMV模型的非上市公司信用风险度量[J]. 曾玲玲,潘霄,叶曼. 财会月刊. 2017(18)
[5]基于KMV模型的地方政府债券信用风险研究[J]. 岳秀敏,刘娅. 财会通讯. 2017(14)
[6]基于KMV模型的非上市企业风险评估[J]. 项楠. 现代商业. 2017(11)
[7]基于BSM模型的房地产奇异期权研究[J]. 舒家先,吴航宇,金子杰. 中国海洋大学学报(社会科学版). 2017(03)
[8]KMV模型在上市公司信用风险管理中的应用研究[J]. 戴洪,丁广燕,吴小帅. 开发性金融研究. 2016(04)
[9]基于核密度的KMV模型对公司信用风险度量研究[J]. 王沁,易文德. 武汉理工大学学报(信息与管理工程版). 2016(02)
[10]基于遗传算法KMV模型的最优违约点确定[J]. 冯敬海,田婧. 大连理工大学学报. 2016(02)
博士论文
[1]基于KMV模型的商业银行信用风险测算研究[D]. 孙小丽.北京邮电大学 2013
硕士论文
[1]基于KMV模型的信息技术业上市公司信用风险度量研究[D]. 李言言.哈尔滨商业大学 2017
[2]基于KMV模型的科技型中小企业上市公司信用风险度量研究[D]. 耿佳莉.贵州财经大学 2017
[3]基于KMV模型的上市公司信用风险度量研究[D]. 张文波.北京外国语大学 2017
[4]我国互联网金融上市公司信用评价研究[D]. 郑小珊.安徽大学 2017
[5]基于SVM的上市公司信用风险判别研究[D]. 王俊朋.华北水利水电大学 2017
[6]上市公司信用债违约风险评估[D]. 卫萍.华东理工大学 2017
[7]基于KMV模型的我国在美上市公司信用风险实证研究[D]. 张雨龙.成都理工大学 2016
[8]KMV模型违约点修正[D]. 曹宇.苏州大学 2016
[9]基于修正KMV模型下我国商业银行信用风险度量研究及实证分析[D]. 孙凯迪.兰州交通大学 2016
[10]基于修正KMV模型的我国上市公司信用风险度量研究[D]. 孙江涛.江南大学 2013
本文编号：3221504
【文章来源】：苏州大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
研究框架
KMV 模型的基础理论及模型的修正 基于 KMV 模型的苏州上市公司信用风险本文中，将非 ST 公司'kDD 与 ST 上市公司 的比值 Qk的大小作为司的依据，即 Qk越大，能够将两类别公司进行差异化的效果越显著。到的数值变化曲线图如图 3.1 所示。图 3.1 中，Qk随着 k 的取值上升而逐步上升，即 k 值越大，ST 公司和分效果越明显。对此，本文中选择k等于1作为实证分析的违约点计算值得注意的是 k 等于 1 时，DP 值与 D 值相等。
第四章 苏州上市公司信用风险评估实证分析州市上市公司概况至 2017 年 12 月 31 日，苏州市共有上市公司 104 家，均为 A 股，总股4 960 股。其中，在上交所和深交所的上市公司分别有 32 和 72 家，且警示板。在此，文中将苏州市上市公司的整体情况概述如下：上市公司行业类别方面，苏州市上市公司覆盖了证监会行业类别中的 4.1），即制造业、信息技术业、房地产业、交通运输业与仓储业、社融与保险业、建筑业、批发和零售贸易、传播和文化产业，以及综合造业的占有率最高，为 65.38%，其次是信息技术业，为 13.46%，再者，其占比为 4.81%。苏州市上市公司的行业结构也在较高程度上反映结构特征。
【参考文献】：
期刊论文
[1]基于KMV模型的国有企业信用风险评估[J]. 孙晗. 经济研究导刊. 2017(31)
[2]基于GARCH-KMV模型的高科技企业实物期权波动率研究[J]. 任培民,赵树然,刘成义. 金融经济. 2017(18)
[3]引入违约距离的修正KMV模型在财务危机预警中的应用[J]. 王莉. 统计与决策. 2017(17)
[4]基于BP-KMV模型的非上市公司信用风险度量[J]. 曾玲玲,潘霄,叶曼. 财会月刊. 2017(18)
[5]基于KMV模型的地方政府债券信用风险研究[J]. 岳秀敏,刘娅. 财会通讯. 2017(14)
[6]基于KMV模型的非上市企业风险评估[J]. 项楠. 现代商业. 2017(11)
[7]基于BSM模型的房地产奇异期权研究[J]. 舒家先,吴航宇,金子杰. 中国海洋大学学报(社会科学版). 2017(03)
[8]KMV模型在上市公司信用风险管理中的应用研究[J]. 戴洪,丁广燕,吴小帅. 开发性金融研究. 2016(04)
[9]基于核密度的KMV模型对公司信用风险度量研究[J]. 王沁,易文德. 武汉理工大学学报(信息与管理工程版). 2016(02)
[10]基于遗传算法KMV模型的最优违约点确定[J]. 冯敬海,田婧. 大连理工大学学报. 2016(02)
博士论文
[1]基于KMV模型的商业银行信用风险测算研究[D]. 孙小丽.北京邮电大学 2013
硕士论文
[1]基于KMV模型的信息技术业上市公司信用风险度量研究[D]. 李言言.哈尔滨商业大学 2017
[2]基于KMV模型的科技型中小企业上市公司信用风险度量研究[D]. 耿佳莉.贵州财经大学 2017
[3]基于KMV模型的上市公司信用风险度量研究[D]. 张文波.北京外国语大学 2017
[4]我国互联网金融上市公司信用评价研究[D]. 郑小珊.安徽大学 2017
[5]基于SVM的上市公司信用风险判别研究[D]. 王俊朋.华北水利水电大学 2017
[6]上市公司信用债违约风险评估[D]. 卫萍.华东理工大学 2017
[7]基于KMV模型的我国在美上市公司信用风险实证研究[D]. 张雨龙.成都理工大学 2016
[8]KMV模型违约点修正[D]. 曹宇.苏州大学 2016
[9]基于修正KMV模型下我国商业银行信用风险度量研究及实证分析[D]. 孙凯迪.兰州交通大学 2016
[10]基于修正KMV模型的我国上市公司信用风险度量研究[D]. 孙江涛.江南大学 2013
本文编号：3221504
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3221504.html
