我国制造业上市公司信用风险度量:基于KMV模型

目前对上市公司信用风险度量模型进行研究,及依据行业特征构造行业信用风险度量模型,对于商业银行信用风险管理显得尤为重要。本文基于现代信用风险度量模型——KMV模型,通过对违约点、股权价值波动性率、违约距离计算方式进行修正,构建了制造业行业KMV模型。研究结果表明,当违约点选取长期债务和短期债务之和时,制造业KMV模型可以提前两年将信用好与不好的上市公司甄别开,具有较强的适用性,符合我国目前信用风险管理水平的需要。同时,运用制造业KMV模型还可以判断上市公司是否具有"壳"资源的价值。     

KMV模型在农业上市公司信用风险度量中的应用

我国商业银行面临的主要风险是信用风险,信用风险管理成为银行关注的重中之重。本文以农业类上市公司为样本,运用Matlab技术,通过实证来检验模型识别上市公司信用风险的能力,研究表明现阶段基于期权定价理论的KMV模型能很好地度量我国农业类上市公司的信用风险。     

基于KMV模型的房地产业上市公司信用风险度量

房地产行业是国民经济的支柱行业,资金需求量大,信用风险暴露规模较大,对商业银行的信贷资产质量也会产生重大影响,因此如何对房地产企业的信用风险进行度量是信用风险管理领域的亟待解决的问题之一。本文结合我国房地产上市公司的实际情况,研究KMV模型在中国市场中评价房地产上市公司信用风险的能力,采用违约距离度量我国房地产业上市公司信用风险的现状。结果表明,参数调整后的KMV模型能够在整体上识别我国房地产上市公司信用风险。     

利用KMV仿真模型动态监控科技型中小上市公司违约风险北大核心

国内外目前尚没有KMV模型的简单计算方法,许多学者只能通过复杂编程来实现KMV的运行。利用Simulink功能模块选择及模块设置可对复杂的KMV模型进行系统仿真集成,通过友好界面利用KMV模型快速计算中小上市公司违约距离和违约概率。选取沪深两市14家ST科技型中小上市公司以及20家非ST科技型中小上市公司进行实验研究,结果表明:发生财务危机后ST科技型中小上市公司与非ST科技型中小上市公司信用风险违约距离存在显著区别;但一般情况下,它们的信用风险违约概率都较低;金融机构可以利用MKV仿真模型对科技型上市公司进行实时动态风险监控。     

基于KMV模型的信用风险实证分析——以食品行业上市公司为例

食品行业作为我国的"民心行业",安全问题日益凸显。作为我国食品行业领域最具代表性的企业——食品行业上市公司,诸如食品安全等多种违规现象带来的巨大投资风险严重困扰着广大投资者。本文从如何规避上市公司信用风险入手,通过分析利用KMV模型型,运用MATLAB软件,对我国食品行业4家上市公司6年的财务数据进行了违约距离和违约率的实证分析。结果显示,KMV模型能较好地识别上市公司的信用风险能力力,能够为金融机构、投资者和普通消费者揭示食品类上市公司的信用风险。     

基于修正KMV模型对房地产上市公司信用风险评估

本文选取10家ST股和10家非ST股参考,运用修正的KMV模型对房地产上市公司的信用风险进行评估。     

商业银行信用风险主要影响因素来自内部还是外部？——基于KMV及随机森林模型的实证研究

近年来,商业银行外部环境发生较大变化,个别中小银行因信用风险暴露而濒临倒闭。为分析内外部因素对商业银行信用风险影响,文章运用KMV模型,计算我国36家上市银行2016-2019年违约距离,并作为信用风险度量依据。在此基础上,运用随机森林模型,以违约距离作为被解释变量,以外部环境、业务结构、经营管理3个维度的因子作为解释变量,对商业银行信用风险影响因素进行实证检验。结果表明,金融监管政策等外部环境是影响商业银行信用风险的因素,但并不是主要因素,银行内部的收入结构、存贷款结构、资金运作、风险管理等业务结构、经营管理因素对商业银行信用风险影响更大。商业银行应优化收入结构和存贷款结构,提高资金运作效率,加强风险前瞻性管控,切实提升信用风险管理水平。     

上市公司信用风险分类准确度比较分析

信用风险管理一直是风险管理的重要组成部分,金融危机的爆发更是显示出信用风险管理和信用风险分类的重要性。本文介绍了不同信用风险分析方法,选取2005-2007年部分被进行特别处理的118家ST公司和126家非ST公司,以其财务指标为样本,进行Logistic回归和BP神经网络分类,对这两种信用风险评判模型在中国市场做了实证研究。结果发现:两种模型均适用于中国上市公司两模式分类(ST和非ST公司),而BP神经网络在中国市场上并未体现其分类的优势,分类准确度和Logistic相当。     

多属性决策方法在商业银行信用风险评估中的应用

决策理论中的多属性决策方法可以直观比较出多家银行所面临的信用风险大小,这对我国商业银行的信用风险监测具有重要意义。以我国具有代表性的四家商业银行作为样本,运用多属性决策方法对商业银行信用风险进行评估,结果表明,多属性决策方法具有科学性和可操作性。     

基于KMV模型的纺织业上市公司信用风险研究

论文以KMV模型作为度量信用风险的基本模型,验证了KMV模型适用性,分析了次贷危机对纺织业上市公司信用风险的影响。研究发现KMV模型适用于我国纺织业上市公司的信用风险衡量,次贷危机对上市公司信用风险产生了显著的影响。     

商业银行信用风险管理方法研究

本文通过分析目前国内商业银行在信用风险管理措施方面的误区和不足,给出了在信用风险全面识别基础上进行信用风险管理的基本框架,并对当今主流的信用风险模型进行了系统性的介绍,旨在为我国商业银行提高信用风险管理水平提供借鉴和研究思路。     

修正的KMV模型及其在我国上市公司信用风险度量中的应用

文章在主要阐述KMV模型基本原理的基础上,根据我国经济市场的特殊性对KMV模型进行了修正。通过对5个行业共10家上市公司的信用风险进行分析表明,采用修正后的KMV模型在中国的适用性和准确性都有所提高,能够较明显地看出信用较好的公司的违约距离比ST公司的要大,证明了KMV在预测信用风险上的作用,即可以比较准确地把握上市公司信用质量的变化趋势。     

修正的KMV模型及其在我国上市公司信用风险度量中的应用

文章在主要阐述KMV模型基本原理的基础上,根据我国经济市场的特殊性对KMV模型进行了修正。通过对5个行业共10家上市公司的信用风险进行分析表明,采用修正后的KMV模型在中国的适用性和准确性都有所提高,能够较明显地看出信用较好的公司的违约距离比ST公司的要大,证明了KMV在预测信用风险上的作用,即可以比较准确地把握上市公司信用质量的变化趋势。     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确。     

制造业上市公司BP神经网络财务预警

本文运用BP神经网络对我国制造业上市公司进行实证研究,选取了2002～2005年的62家ST公司为样本,通过显著性检验对指标进行筛选,并比较了单纯依靠财务指标的BP神经网络财务预警模型与引入非财务指标后的模型的预测效果,结论认为引入非财务因素后的BP神经网络财务预警模型更加精确.     

债务期限结构对制造业上市公司非效率投资的影响

本文以2009年沪深制造业上市公司经验数据为样本,运用修正的Richardson投资期望模型,考察债务期限结构与企业非效率投资的关系。实证结果表明,我国制造业上市公司可通过缩短债务期限来缓解投资不足。     

民营上市公司信用风险评估实证研究

民营上市公司虽然已成为我国经济体系的重要组成部分,但其信用风险却没有得到足够的重视,目前对信用风险评估的不足已成为制约其发展的重要瓶颈之一。本文构建了基于因子分析和AdaBoost-SVM的评估模型,并对我国38家民营上市公司进行了实证研究。为民营上市公司提供了行之有效的信用风险评估工具,填补了目前市场上没有专门针对民营上市公司的信用风险评估方法的空缺。     

运用信用监测模型度量上市公司信用风险的有效性研究

本文运用信用监测模型对我国上市公司的信用风险进行度量,并将度量结果与Z值模型的度量结果进行比较,以检验信用监测模型度量我国上市公司信用风险的有效性。     

基于主成分分析法的上市公司财务风险研究——以我国制造业为例

文章基于沪深两市2013年的财务数据,使用主成分分析法对我国制造业上市公司的财务风险进行研究。通过对沪深两市60家ST和非ST上市公司的匹配分析,并对影响公司财务风险4个方面18个财务指标的降维处理,得到了我国制造业上市公司财务风险的综合评价公式。结果表明,ST企业和财务危机企业并不能等同;发现有价值的投资机会、保持良好的现金流以及公司管理效率的提高,是降低我国制造业上市公司财务风险的有效途径。     

运用信用监测模型度量上市公司信用风险的有效性研究

本文运用信用监测模型对我国上市公司的信用风险进行度量，并将度量结果与Z值模型的度量结果进行比较，以检验信用监测模型度量我国上市公司信用风险的有效性。