基于KMV-Logit模型的上市公司违约风险实证研究

在银行信用风险管理方面,客户违约风险的度量是个关键。本文利用KMV模型计算得到违约距离(DD),并将DD值与Z-score模型中的五个参数作为自变量引入Logit模型中,实现KMV模型与Logit模型的结合,并得到了能够评估企业违约可能性的二元选择Logit模型。实证研究表明,由随机选取的沪市制造业的68家上市公司建立的Logit模型,在沪市制造企业违约可能性的评估中得到了较理想的结果。     

中小企业信用风险模型的构建与验证

根据我国实情以及各种模型的特点,本文选择KMV模型作为度量中小企业信用风险的模型,根据筛选标准从沪深股市中选择样本企业进行研究,并确定各项变量,得出各样本公司的违约距离后,对其差异性进行比较,对实证检验结果进行分析,并阐述今后进一步研究的方向,包括改进KMV模型、中小企业信用风险影响因素建模分析、财务预警应用等。     

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。     

适用于中国的信用风险缓释工具定价模型

本文提出了一个全新的基于中国市场构造的信用风险缓释工具（Credit Risk Mitigation, CRM）定价模型。与传统信用风险定价模型相比,此模型在以下两个方面做出了重要改进：将CRM购买方的信用违约风险考虑在内;在回复比率历史数据缺失的情况下,利用标的债券的交易数据及标的主体的财务信息,通过Monte Carlo模拟,估计得到标的债务的隐含回复比率。基于此模型,我们进行了情景分析和参数敏感性检验,验证了该模型在理论和实证上的可靠性。     

基于BP-KMV模型的非上市公司信用风险度量北大核心

我国商业银行面对的信贷客户大都是非上市公司,如何有效地度量非上市公司的信用风险一直是我国商业银行亟待解决的难题。通过构建BP神经网络与KMV模型相结合的BP-KMV信用风险评价模型,以46家中国制造业上市公司及35家制造业非上市公司的相关数据为样本,运用Matlab技术进行实证分析,结果表明,通过该模型计算出来的非上市公司违约率可用度很高,能很好地评估上市公司信用状况。     

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。     

基于财务信息和非财务信息的债券违约预警模型研究——Fisher模型与Logistic模型的实证分析与应用

自2014年我国债券市场发生首例债券违约以来，债券违约事件日益增多。尤其近几年来，无论是发生债券违约的企业、债券违约的只数还是违约总金额，都呈现爆发式增长和蔓延态势。在此背景下，本文使用2014～2020年债券市场全样本数据，基于财务信息构建债券违约预警模型，在Fisher模型与Logistic模型判别效果对比后选择了Logistic模型，并在此基础上加入部分非财务信息指标，以进一步提升模型的预测能力。最终得到基于财务和非财务信息的Logistic模型。研究结论如下：第一，Logistic模型整体判别效果优于Fisher模型。第二，构建的基于财务和非财务信息的Logistic模型具有较好的预测能力，经济含义清晰，具备实际使用价值。第三，财务指标如净资产收益率、资本累积率、刚性负债率、筹资NCF/平均总资产等是债券违约预警模型中的显著指标，这些指标对于预警债券违约具有重要作用。第四，部分非财务指标对于提升模型预警能力有明显效果，非财务信息诸如发债企业所在省份风险情况、行业风险情况、企业所有制形式等为预警债券违约提供了显著的增量信息，也反映了我国债券违约具有所有制、地域和行业的群聚特征。     

农村商业银行贷款违约影响因素研究

在对农村商业银行贷款信用风险影响因素进行理论分析的基础上,通过收集某农村商业银行的实际贷款数据,运用随机森林算法和Logistic模型对贷款数据进行实证分析,得出影响农村商业银行贷款违约风险的若干因素,为该农村商业银行降低贷款违约风险,提供了借鉴依据。     

农村商业银行贷款违约影响因素研究

在对农村商业银行贷款信用风险影响因素进行理论分析的基础上,通过收集某农村商业银行的实际贷款数据,运用随机森林算法和Logistic模型对贷款数据进行实证分析,得出影响农村商业银行贷款违约风险的若干因素,为该农村商业银行降低贷款违约风险,提供了借鉴依据。     

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。     

将净资产收益率引入KMV模型及其应用

文章以KMV模型和贷款五级分类理论为基础,通过将净资产收益率引入KMV模型的方法对KMV模型进行修正,并将2012年7月被ST和非ST的两组公司设为样本公司,通过对其2008年初至2011年末的季度净资产收益率样本进行模型验证,对修正后计算得到的样本公司违约距离进行检验。实证结果表明,修正后的模型能够有效区分ST和非ST公司的信用风险差异。由于净资产收益率指标数据相对于股权价值数据更容易获得,修正后的模型不仅可以用于上市公司的信用风险度量,还可以用于非上市公司的信用风险度量,扩展了KMV模型的使用范围。另外,由于净资产收益率与债务的年化利息率具有很好的可比性,因此修正后的KMV模型更加关注债务的内部结构,而非单纯的债务规模。由于净资产收益率是作为衡量公司盈利能力的重要指标,将其引入KMV模型可以提高模型对风险的预测能力,进而构建可以相对准确、全面度量信用风险的KMV模型。     

财务危机预警分析判别模型

一、判别分析模型形式 判别分析是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数,使推导出的判别函数对观测样本分类时的错判率最小。本文旨在研究两类公司的分类问题。一类是财务危机公司,另一类是财务健康公司。以此为目标分别找出反映这两类公司相关性高的特征变量而建立判别函数,用于对任一公司、借款人和证券发行人进行判别分类。判别函数的一般形式是:     

财务预警系统模型分析

一、财务预瞀系统主要模型 （一）以统计方法作为基础的模型主要包括：其一，单变量模型。单变量判别模型的主要思想是通过比较财务困境企业和非财务困境企业之间某个财务指标的显著差异，从而对财务困境企业提出预警。WilliamBeaver（1966）最早用单一财务比率指标为基本变量，运用配对样本法，随机挑选了1954年到1964年间79家危机中的企业和与其产业相同且资产规模相近的79家正常企业，将样本企业分为训练样本与测试样本两组。     

银行不良贷款违约损失率结构特征研究

本文对中国银行业面临的信用风险违约损失率(LGD)展开研究,以温州某商业银行不良贷款数据为样本,通过描述性统计,对LGD的结构特征:信用风险暴露规模特征、期限特征、地域特征以及担保特征等进行了详细分析。结果表明LGD与风险暴露规模呈负相关,LGD与贷款期限呈正相关,不同地域、不同担保方式的违约贷款其LGD差异性显著。以上这些结论可为商业银行信用风险管理、信贷投放导向以及信用风险监管提供现实帮助。     

上市公司财务危机预测模型比较研究

财务危机预测一直是公司金融领域的研究热点,危机预测模型随着研究的深入在不断地发展变化.多元线性模型、Logistic模型、COX模型、神经模型是当前主流的四种财务危机预测模型.以2003年-2008年制造业上市公司为样本,采用财务比率作为预测变量,通过样本公司财务数据建立了四种财务危机预测模型,利用判别精度和ROC曲线比较不同模型在财务危机发生提前3年的预测效果.研究发现神经网络模型在判别精度和稳定性方面均优于其他模型.多元线性模型、COX模型、Logistic模型预测虽然均具有应用价值,但三类模型在预测精度和稳定性上各有优劣.     

KMV-Merton模型预测企业财务困境的有效性来源剖析北大核心

鉴于违约距离与Z-Score模型函数形式的差异,本文将违约距离拆分成类似于Z-Score模型的线性表达形式,从理论上分析了违约距离对企业财务困境的预测能力,其实际上来源于它度量了资产波动性对企业财务困境的直接和间接影响,间接影响体现在资产波动性与杠杆率的交互作用上,这种交互作用恰类似于总杠杆率的作用。为了说明资产波动性与财务困境的关系,本文从经济学视角建立了一个简单的理论模型,证实资产波动性越大,企业的财务困境风险越高。     

信用风险模型回收率的实证分析

信用风险近年来越来越受到国人的关注。随着中国经济的发展和产业不断升级，经济个体的金融联系越来越密切且复杂，而信用风险也成为主要的金融风险之一。为了管理信用风险，国外经济发达国家或地区的著名金融机构纷纷开发自己的信用风险内部模型。例如Credit Metrics、KMV、Credit Rish＋、Credit Porfolio View。违约回收率对于计算信用风险是非常重要的。文章基于广东地区某商业银行抵押贷款处置资料对我国违约回收率数据进行考察，以揭示我国信用风险状况。     

商业银行的企业违约概率度量方法发展沿革及比较研究

违约概率度量是指对可能引起信用风险的因素进行定性分析、定量计算,以测量借款人的违约概率,为贷款决策提供依据。国际上违约概率度量领域的研究和实际应用,有从主观判断分析、财务比率分析、统计分析转向人工智能、以资本市场理论和信息科学为支撑的方法等动态计量分析方法为主的发展趋势。本文对商业银行的企业违约概率度量方法发展沿革进行了比较研究,并对违约概率度量方法的国内研究作了综合评述。     

试析企业短期融资券定价问题

本文借鉴默顿模型和KMV模型研究短期融资券的定价问题。通过实证研究,发现违约距离与实际发行利差间呈负相关关系,可以作为测度信用风险的量值,从而完成了违约距离与部分信用等级的对应。     

商业银行的企业违约概率度量方法发展沿革及比较研究

违约概率度量是指对可能引起信用风险的因素进行定性分析、定量计算,以测量借款人的违约概率,为贷款决策提供依据.国际上违约概率度量领域的研究和实际应用,有从主观判断分析、财务比率分析、统计分析转向人工智能、以资本市场理论和信息科学为支撑的方法等动态计量分析方法为主的发展趋势.本文对商业银行的企业违约概率度量方法发展沿革进行了比较研究,并对违约概率度量方法的国内研究作了综合评述.