基于logistic模型的上市公司信用风险评价

文章分析了上市公司信用风险的成因,通过对上市公司年报数据的处理,建立了判断上市公司信用状况的logistic模型,该模型中嵌入的利息保障倍数和存货周转率是上市公司信用的关键决定指标,利用该模型可以对上市公司一年后的信用状况进行评估。     

基于XGboost模型的农业供应链金融信用风险测度研究

随着近年来农业供应链金融的发展,如何测度和控制农业供应链金融企业的信用风险变得愈加重要。选取76家农业上市企业为研究样本,选取了企业基本情况、盈利能力、营运能力、资金周转能力4个一级指标以及14个二级指标构建农业行业上市公司信用风险评估指标体系,对比分析XGboost模型和Logistic模型的信用风险评估结果。实践表明,两个模型都具有良好的预测能力,XGboost模型在性能和预测精度上略优于logistic模型。     

我国商业银行外部信用风险测度分析

银行作为债权人将资金放贷给企业,企业无法按时偿还本金,由此带来的风险称为信用风险。本文选择了44家配对上市公司,采用KMV模型对上市公司的信用风险进行度量,实证结果显示,KMV模型对于度量上市公司信用状况具有一定的适用性,但如果将KMV模型与PFM模型相结合,KMV模型使用的范围更加广泛。针对外部信用风险产生的原因,本文还给出了减小外部信用风险的建议。     

我国中小上市公司信用风险评估研究

如何对我国中小企业的信用风险进行准确的衡量一直是我国商业银行所关注的焦点。本文在沪深两市选取40家中小上市公司作为中小企业的代表,根据这40家公司2012年至2014年的违约状况对KMV模型进行修正,修正后的违约点DP=1.50SD+0.77LD,说明我国中小上市公司整体的信用风险大于国外公司的信用风险。依据得出的违约距离值设置出两条信用危机预警线,从而使我国商业银行能够提前发现中小企业的信用危机,提前做好防范措施,使损失最小化。     

“中小企业科技金融创新”专题之八 中小上市公司信用风险评估实证分析

本文通过利用财务指标比率法对273家深市中小上市公司2005-2008年整体信用风险水平进行评估,根据财务指标数据对目前中小上市公司的信用风险进行实效的研究,实时地反映中小上市公司当前的信用状况。有利于投资者、信用风险管理者及时地发现公司信用风险而进行规避或者降低信用风险所带来的损失,以及为监管机构建立合理有效的财务预警系统。     

我国中小企业信用担保机构信用风险的度量探析

文章通过对我国中小企业信用担保机构信用风险成因的深入探讨，提出了如何借鉴日本经验，加强我国中小企业信用担保机构信用风险度量的具体措施。     

煤炭企业信用风险管理体系构建初探

建立和完善企业的信用风险管理体系成为当前企业面临的一项重大而紧迫的课题.文章从企业信用风险的成因入手,通过对信用管理方法和技术落后、客户信用管理问题突出、赊销风险管理不科学、基本风险管理职能缺失、缺乏专业的信用管理人员等信用风险5个方面的成因分析,结合我国煤炭企业的实际情况,提出了企业要建立信用风险管理体系,至少需要进行3个方面的管理改革;完善组织体系,明确风险权限;改善客户资信管理方式;强化赊销信用风险管理.     

基于随机森林方法的中小企业信用风险评估研究

本文以上市公司信用风险为研究对象，从wind数据库沪交所挂牌的上市公司中选取340所中小企业，从六个方面构建包含28个二级指标的信用风险评价指标体系。参考目前国际上主流评价方法的研究，选择传统统计模型与机器学习方法对中小企业信用风险进行建模分析。结果表明，随机森林对数据进行SMOTE平衡后的测试集预测准确率最高，准确率可达到94.23%。     

信用利差的影响因素文献综述

现有的研究表明,影响信用利差的因素是多方面的,既包括信用风险因素,也包括宏观因素、股票市场表现等非信用风险因素。文章对比分析了信用利差量化研究的典型方法,并从信用风险因素、宏观因素、股票市场影响等几个角度综述了对信用利差影响因素的主要文献。通过对比分析,文章发现上述因素对不同等级债券的影响程度存在一定程度的差异。     

REITs信用风险评估方法与优化研究

选取了香港地区11家上市REITs企业的财务数据,采用二分类Logistic回归和RBF神经网络建立其信用风险评价模型进行实证分析。结果表明RBF神经网络在预测结果准确性上优于二分类Logistic回归,而二分类Logistic回归在变量解释能力上绝对占优。综合两类模型的优势,对上市REITs企业进行信用风险评估时,先用二分类Logistic回归模型定性分析出影响REITs信用风险的关键因素,再采用RBF神经网络模型定量计算预测结果的准确率,可以较好地为投资者投资决策提供参考依据。     

生命周期视角下并购类型对上市公司信用风险的影响 ——基于KMV模型的实证研究

以2009—2013年沪、深股市发生并购事件的103家上市公司为研究样本，利用KMV模型对不同生命周期、不同并购类型的上市公司并购事件发生前和并购事件发生后的信用风险进行了实证分析。研究发现，不同并购类型的上市公司并购前后的信用风险变化情况呈现生命周期差异。处于成长期的公司，实施相关并购会降低信用风险，实施多元化并购会增加信用风险；处于成熟期的公司，则相反。同时，还从不同角度进行了稳健性检验，发现研究结论不变，进一步验证了结论的可靠性。从企业生命周期视角研究并购类型对上市公司信用风险的影响，补充和拓展了现有上市公司并购风险方面的研究文献，同时也对企业并购决策和公司治理有重要启示。     

公司债券"信用价差之谜"探析

“信用价差之谜”是指公司债券的实际信用价差与其预期违约损失之间存在一个难以解释的“宽缺口”。本文首先对“信用价差之谜”的相关概念进行了阐述,然后从理论与实证角度回顾了几类信用风险定价模型及其信用价差预测效果,接着从多个角度对信用价差之谜的新解释进行了述评,并且分析了“信用价差之谜”产生的根源,最后指出了破解该谜的未来研究方向。     

上市公司信用风险分析——多元统计方法在上市公司财务困境预测中的应用

针对我国商业银行信用风险评估日益迫切的问题，本文以沪深两市因“财务状况异常”而被特别处理（ST）的上市公司为研究样本，根据相应行业和年份设计了相应的“非ST”样本。该文的实证研究与以前中国上市公司财务危机预警的实证研究有所不同。第一，本文给出的综合因子，偿债因子，周转率因子，盈利因子，股票因子等五个因子能很好的结合实际解释我国A股工业企业上市公司的经营情况；第二，本文在五个因子基础上运用多元判别分祈方法进行回代预测和超前预测，结果显示，距离财务危机发生的时间越近，判别准确率越高，尤其是-1年模型的判别准确率在94．83％，表明该模型有很强的判别分类能力，模型方法在企业内部风险控制、银行贷款信用评级等领域具有较高的应用价值。     

KMV模型对我国房地产上市公司信用风险度量的实证研究

本文根据我国房地产上市公司独有的特点,运用修正后的KMV模型,选取沪市29家上市公司的数据,对其信用风险进行了度量,并对可能引起信用风险的因素进行实证研究。     

基于优化BP神经网络的P2P投资组合定量分析

P2P网贷行业的风险管理研究非常重要。文章针对人人贷构建信用风险投资组合模型,首先利用主成分分析与优化BP神经网络相结合进行信用风险评估,再建立基于核回归的投资组合方程。在评估借款者信用优劣的基础上,通过比较其违约概率与投资比例,验证了文章所建模型准确度较高,该模型可为投资者的投资决策提供参考。     

基于KMV模型的新疆上市公司信用风险度量研究

本文根据新疆实际修正了KMV模型,以发生亏损的新疆上市公司为违约组,在西北五省中按资产相近原则选取了对照组,验证了修正后模型的有效性,并说明了发生亏损企业的信用风险相对较大。度量新疆上市公司信用风险后发现:股价波动率、债务结构影响新疆上市公司信用风险;产能过剩行业明显大于其他行业的企业信用风险;创新会明显改善企业的信用风险大小;且与我国整体情况不同的是新疆涉农上市公司信用风险较小。建议新疆上市公司应优化债务结构和提升创新能力,尽快完成传统产业转型升级,同时金融机构要关注上市公司信用风险变化,并要大力支持创新型企业发展。     

浅析外贸企业的客户信用风险管理

随着我国市场经济和国际贸易的快速发展,信用交易方式已成为外贸企业的主要结算方式之一,随之而来的是企业的信用风险日益加剧。因此如何加强外贸企业的信用风险管理,建立一套适合自身情况的信用风险管理模式,成为外贸企业必须解决的问题。本文介绍了信用风险的相关理论,提出了适合外贸企业的信用额度确定方法,并阐述了外贸企业在信用销售后应该采用的技术控制方法及应该配套制定的信用管理制度。     

我国引入信用衍生产品市场的理论分析

信用衍生产品(CreditDerivatives)是一系列从基础资产上剥离、转移信用风险的金融工程技术的总称。自上世纪90年代以来,这个市场在信用风险管理领域显示了独特的魅力。本文对我国引入信用衍生产品市场的必要性和可行性等问题进行了初步的探讨。     

现代信用度量方法及其评价

信用风险很早就受到重视,经过几十年的发展,逐步形成了度量信用风险的各种方法。本文将回顾当前国际上流行的信用资产风险管理模型并分析各种模型的优缺点,供金融机构信用风险管理借鉴。     

我国工业上市公司信用债违约风险评估研究

近年来,我国工业上市公司信用债违约有所增加,如何进行合理评估信用债风险尤为迫切。文章利用2018年我国工业上市公司的19个财务指标,提取出6个主成份,结合因子分析法完成了对评估模型的基本构建,采用2019年数据进行回测检验,发现模型预测精准度较高。研究结果表明违约概率较高的企业主要是以技术密集型和资金密集型为主,这些企业可以从三个方面着手改善风险:一是提高该行业的风险管理水平;二是提升产品的质量;三是逐步改进并优化上市企业的信息披露制度。