当前位置:主页 > 经济论文 > 期货论文 >

基于KMV模型的我国上市公司信用风险研究

发布时间:2017-10-21 07:10

  本文关键词:基于KMV模型的我国上市公司信用风险研究


  更多相关文章: 信用风险 KMV模型 默顿模型 违约距离


【摘要】:本文是运用KMV模型度量我国上市公司信用风险的实证研究。 KMV模型是由KMV公司开发出来的计算预期违约率的方法,模型以经典的默顿结构化模型为理论依托,融合了Black—Scholes的标准欧式期权定价方法和企业的财务报表信息来进行计算。模型结果能够比较直观地说明企业的信用状况,在不同的公司之间进行比较,被广泛应用于对能够得到市场价格信息的上市公司进行评级。 二十世纪九十年代发生的墨西哥危机、欧洲货币危机和亚洲金融危机,为世界经济带来了巨大的影响和损失。进入21世纪,随着金融行业特别是金融衍生品的不断推陈出新,2008年爆发了美国次贷危机,这场金融风暴时至今日还未完全平息恢复。在全球风险的时代,没有国家能够幸免于难,这引起了世界金融业对金融风险特别是信用风险管理的高度重视。信用风险管理的重要性在国外一直受到高度的重视。经过几十年的发展,国外的信用风险理论经历了从传统的定性分析到现代的定量分析的深化,力求更为准确地量化公司的信用水平,灵敏地预测公司的未来信用能力,从而建立起信用风险的预警机制和管理方法,减少风险所带来的损失。在诸多的信用风险管理过程中,风险度量无疑是重中之重,从而,国内外学者对风险度量理论的发展也在不断深入和完善之中。信用风险度量技术正是源于对信用评级不断改进的需要而发展的,从最初的定性分析到结合各种相关学科的定量分析,从简约模型到结构化模型不断改进,力求达到风险度量的精确和独立,从而能够更为准确地对公司的信用状况进行分析把握,将信用风险的损失影响降到最低。公司信用风险度量的方法上,包括早期的传统度量模型和近些年流行的的现代度量模型。传统度量模型包括专家评定法、信用评级法、神经网络分析等方法,或具有较强的主观性,或过于依赖样本数据,在度量效果上有所欠缺。而Logistic回归分析模型、多元判别分析模型、邻近法和Altman的Z值模型以及ZETA模型等统计方法,因为过度依赖公司历史的财务指标而难以明确反映公司未来的信用情况。目前国际上流行的对于公司信用风险进行度量的模型主要有:KMV公司的信用监控模型(KMV),J.p摩根公司开发的信用矩阵模型(Credit Metrics)、CSFP公司的信用风险附加模型(Credit Risk+)、麦肯锡公司开发的信贷组合模型(Credit Portfolio View)等。这些模型是对于上市公司信用风险进行量化分析的主流模型,具有重要的借鉴意义。在现代信用风险度量模型中,Credit Metrics模型和Credit Portfolio View模型直接延伸自信用评级机制,由于我国在这方面的滞后,在短期内无法运用;Credit Risk+模型以债务人的违约率为风险驱动因子,这个参数目前在我国难以估计,因此也不适用于我国上市公司信用风险的度量。 我国的资本市场发展较为滞后,公司进行上市或再融资的门槛都比较高。上市公司要想快速增长,都往往依赖银行的贷款来获取资金支持,在公司快速成长的过程中,这些过度的负债也增加了公司的信用风险,使公司财务状况恶化乃至破产的可能性增加,从而为上市公司本身,公司的股东和投资者,以及作为公司贷款人的银行都会带来损失。因此,度量和管理上市公司的信用风险就成为尤为重要的问题。而在我国目前的经济环境中,很多上市公司对信用风险的防范意识比较淡薄,缺乏有效的信用预警机制和管理措施,信用风险管理水平比较低。总体上来看,我国上市公司存在着信用活动的总规模很大,而存量质量不高,信用结构不合理,信用功能低效运行,缺乏有效的信用保障机制等方面问题,这些问题都是产生信用风险损失的隐患。 上市公司信用风险的度量和管理水平较低的问题,一方面由于我国市场经济环境不够健全,起步较晚,还未在全社会上形成完善的信用机制,另一方面也由于理论上存在着空缺。随着西方经济发达国家金融产业的发展,金融产品的多元化和信用产品的大规模使用,信用风险的管理越来越受到重视。将风险度量理论引入到我国上市公司的信用风险度量中,需要考虑的问题很多,包括宏观经济情况,我国的特殊市场环境,历史违约记录等技术和实践问题,因此就需要将各个信用风险度量理论进行详细分析,来探讨它们在我国的适用性情况。本文经过比较分析得出,KMV公司所创立的KMV理论比较适合用来度量我国上市公司的信用风险。这种适用性也是由两方面因素决定的,一方面,从实际情况来讲,在我国上市公司信用风险度量中缺乏应用其他现代度量模型的现实土壤,不够完善和全面的传统信用评级体系和历史违约数据库制约了这些模型的应用,而KMV模型所需要的参数能够相对客观地获取到,应用条件也基本适合我国市场情况。另一方面,从理论角度来讲,KMV模型从BS期权定价理论和默顿的结构化模型发展而来,以上市公司的股票价格为主要参数,通过编程软件估算出违约距离DD和预期违约率EDF,对公司的信用风险状况进行评价预测,模型的可操作性强,预测结果比较直观,也相对客观。KMV模型能够真实有效地反映出上市公司的信用能力,又无需滞后繁琐的财务信息和信用记录,具有很强的简便性。而以KMV模型为基础的预测还需要实证结果的客观支持,来考察其是否能够真正应用到我国上市公司信用风险的评价中,模型预测结果的有效性将作为公司信用风险管理的重要依据,为公司信用水平的变化提供较为客观的评价结果和灵敏的预警机制,从而推动我国上市公司信用风险管理水平的提高和信用环境的健康发展。 本文共分5章。第1章是导论和文献综述。主要阐述了论文选题的背景意义,研究的目的及国内外相关的参考文献。第2章是我国上市公司信用风险概述。在这一部分主要阐述了何为信用风险,我国上市公司信用风险的定义和特征,形成原因及所造成的影响,进一步说明信用风险度量和管理在我国上市公司监管评价中的意义。第3章是信用风险度量模型及其在我国上市公司信用风险分析中的适应性比较。在这一部分中,文章论述了信用风险度量技术的发展变化,对传统的和现代的信用风险度量模型分别介绍,并对其是否适合应用到我国上市公司的信用评价上做出比较分析。第4章是KMV模型分析,这也是本文的重点。这一部分详细阐述了KMV模型的理论基础和理论框架,并且分析了在我国上市公司信用风险分析上应用KMV模型的特殊性。第5章是在KMV模型的基础上,选取42个样本公司的数据进行实证研究,结果表明KMV模型所得出的违约距离数值在一定程度上符合实际信用情况,KMV模型可以用于我国公司的信用评级,却不能达到完全准确,还有很多方面需要修正和改进。 本文的基本结论有:由实证结果可以看出,KMV模型在度量我国上市公司的信用风险上具备较强的有效性,能够为公司信用水平的变化提供较为客观的评价结果和灵敏的预警机制,从而推动我国上市公司信用风险管理水平的提高和信用环境的健康发展。从模型输出结果可知:相对ST类公司而言,非ST类公司的违约距离更大,违约风险更小,信用能力更强,信用质量更高,这表明,上市公司应该通过改善经营状况,提高公司业绩,从而有效地提高信用水平,增强自身风险防范能力,减少由信用风险所带来的损失。 本文的创新之处在于对上市公司信用风险特征、成因和影响,以及如何防范信用风险所带来的损失进行了详细分析,对各种信用风险度量方法及它们在中国的适用性进行了详细的比较研究,以最新的上市公司相关数据为参数,以编程软件进行数据处理,通过实证分析探求了KMV模型在度量上市公司信用风险中的有效性并提出相关政策建议。本文的不足之处在于,由于本文的实证是基于我国市场状况是合理的这一假设上进行的,同时样本公司财务资料可能不实等原因,实证结果可能出现偏离,使分析的质量受到影响,还需进一步完善。
【关键词】:信用风险 KMV模型 默顿模型 违约距离
【学位授予单位】:西南财经大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:F224;F276.6
【目录】:
  • 摘要4-8
  • Abstract8-13
  • 1. 导论13-21
  • 1.1 选题的意义13-15
  • 1.2 本文的研究内容和方法15
  • 1.3 文献综述15-20
  • 1.3.1 KMV模型在国外的研究发展16-18
  • 1.3.2 KMV模型在我国的研究发展18-20
  • 1.4 本文的创新及不足20-21
  • 1.4.1 本文的创新点20
  • 1.4.2 本文的不足之处20-21
  • 2. 信用风险概论21-28
  • 2.1 信用风险定义和特征21-23
  • 2.1.1 信用及信用风险21-22
  • 2.1.2 信用风险的特征22-23
  • 2.2 上市公司信用风险的定义及特征23-25
  • 2.3 上市公司信用风险成因及其影响25-26
  • 2.3.1 信用风险的成因分析25
  • 2.3.2 信用风险的影响25-26
  • 2.4 上市公司信用风险度量和管理的意义26-28
  • 3. 信用风险度量模型及其在我国的适应性比较分析28-40
  • 3.1 传统的信用风险度量模型29-33
  • 3.1.1 专家评定法29-30
  • 3.1.2 信用评级法30-31
  • 3.1.3 信用评分法31-33
  • 3.1.4 神经网络分析(Neural Networks,NN)33
  • 3.2 现代信用风险度量模型33-37
  • 3.2.1 KMV模型34
  • 3.2.2 CreditMetrics模型(信用矩阵模型)34-36
  • 3.2.3 CreditRisk+模型36
  • 3.2.4 Credit Portfolio View模型36-37
  • 3.3 适应性比较分析37-40
  • 4. KMV模型分析40-52
  • 4.1 KMV模型的理论基础—默顿模型40-43
  • 4.1.1 Black—Scholes的标准欧式期权定价模型40-42
  • 4.1.2 默顿的结构化模型42-43
  • 4.2. KMV模型的理论框架43-48
  • 4.2.1. 模型的假设条件43-44
  • 4.2.2 参数估计44-47
  • 4.2.3 KMV模型的评价47-48
  • 4.3 在我国股市应用KMV方法的特殊性48-52
  • 4.3.1 KMV模型在我国上市公司中的适用性分析48-49
  • 4.3.2 KMV模型在我国上市公司中应用的特殊性49-52
  • 5. KMV模型实用性实证分析52-64
  • 5.1 样本选取和参数设定52-53
  • 5.1.1 样本选取52-53
  • 5.1.2 参数设定53
  • 5.2 实证分析53-58
  • 5.2.1 样本公司的股权价值及其波动率的计算53-55
  • 5.2.2 估算样本公司的资产价值及其波动率55-56
  • 5.2.3 估算样本公司的违约距离56-58
  • 5.3 实证检验结果及结论58-61
  • 5.4 问题与建议61-64
  • 结论64-65
  • 参考文献65-67
  • 附录67-69
  • 后记69-70
  • 致谢70

【引证文献】

中国硕士学位论文全文数据库 前1条

1 周至诚;我国上市公司信用风险实证分析[D];上海师范大学;2013年



本文编号:1071945

资料下载
论文发表

本文链接:https://www.wllwen.com/jingjilunwen/qihuoqq/1071945.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户c20a7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com