我国上市公司信用风险管理模型的构建与实证研究

本文以我国A股上市公司为研究样本,在对各财务指标变量进行因子分析的基础上,建立了两个我国上市公司的信用风险判别分析模型.并进一步根据模型的预测概率值确定了上市公司财务状况的评价准则和区域,对所构建的模型的预测效果进行了检验,表明了两个模型的预测效果都比较理想,都可以用来对我国A股上市公司的信用风险状况或发生财务危机的概率进行计算和判别.     

基于Logit的商业银行信用风险识别模型

信用风险是目前我国金融市场的主要风险之一,如何提高信用风险管理水平是我国银行业所面临的重大课题,因此,从量化分析的角度对其展开研究十分必要。量化研究的方法之一是采用主成分分析方法对上市公司的财务指标进行提取,并在此基础上应用Logit模型对上市公司的财务状况进行预测,判断该企业的违约概率。实证结果证明Logit模型具有较强的信用风险预测能力。     

基于因子分析的上市公司信用评级应用研究

本文采用因子分析和聚类分析法,对统计抽样选取的307家上市公司的信用风险进行综合评价,将具有相似信用风险水平的受评上市公司划分为同类,确定出评级标准,从而构造出基于我国上市公司的信用评级模型。通过样本检验发现这一模型对上市公司具有较好的识别信用风险和预测信用风险的能力。     

我国上市公司信用风险评估方法的实证研究

伴随着美国金融危机对全球金融环境的影响,信用风险问题受到了越来越多的关注.而我国信用文化和体系建设相对落后,尽快建立合适的模型、分析对企业发放贷款的信用风险,从而有效的管理企业贷款具有十分重要的现实意义.本文试图运用logistic回归模型以及决策树算法,从我国上市公司的财务状况角度对其存在的信用风险作出评价,结果表明决策树算法相比logistic回归模型有更好的预测判别能力.     

河南省上市公司资本结构与信用风险关系研究

上市公司资本结构与信用风险是近些年来学术研究的重点。影响上市公司资本结构的因素有很多,信用风险是其中之一。概述资本结构和信用风险相关理论,总结河南省上市公司资本结构和信用风险特征,研究上市公司本身的资本结构与其本身的信用风险关系,并基于B-S-M模型,得出上市公司资产负债率与信用风险之间的正关联关系的结论。最后总结我省上市公司存在的信用风险问题,并提出一些改进意见,以指导我省上市公司健康发展。     

对上市公司客户信用风险控制的建议——基于商业银行视角

本文站在商业银行视角分析了对上市公司客户信用风险控制,从商业银行内部建设、技术手段和上市公司信用风险点三个方面 '提出了建议.     

我国上市公司信用风险评估研究——基于Logit模型的分析

国内对Logit模型在信用风险评估应用方面已有不少实证研究,这些研究从总体预测准确率较高角度认为,该模型基本可以借鉴使用,但大多研究没有进一步区分模型误判的第一类错误与第二类错误.本文结合Logit模型的原理、优缺点,分析相关文献,选取我国上市公司财务数据进行实证分析,证实Logit模型在实际运用时犯第一类错误即高信用风险企业误判为低信用风险企业的错误率达到30%左右,而银行最担心的就是犯第一类错误,故我国商业银行在运用Logit模型对上市公司信用风险进行判断时要十分谨慎.     

我国上市公司信用风险预警研究

本文以我国上市公司作为研究样本,构建基于组合预测模型的我国商业银行信用风险管理预警系统。在结合目前国内外各商业银行信用风险预警指标体系的基础上,筛选构建较为合理并适合我国国情的信用风险预警指标体系;进而选择传统数理统计模型Logistic回归模型和人工智能模型RBF神经网络模型建立组合预测预警模型,以求能够组合不同单一模型的优点,解决信用风险预警模型的准确性和稳定性兼顾的问题,仿真结果表明:组合预测模型解决了单一模型应用中精确性和第二类问题处理能力不能同时兼得的问题,达到了预期的效果。     

基于生命周期视角下房地产上市公司的信用风险研究

近年来,在土地、税收、金融等多重政策的叠加影响下,我国房地产企业交易量严重下滑,出现资金回流受阻、偿付能力受限等问题,使房地产市场面临的信用风险和成长的不确定性加剧.本文以35家沪深股市房地产上市公司为样本,对其进行生命周期的划分,根据2011-2015年的财务指标、宏观经济指标等建立信用风险评价模型,就其信用风险进行实证分析.得出的结论是:在处于不同生命周期的企业面临的信用风险不同,其信用风险的主要影响因素也不同.     

上市公司信用风险度量研究

本文利用KMV模型计算出样本上市公司的违约距离,并将其作为PROBIT模型的自变量计算出上市公司的违约概率。实证结果表明,违约距离能较好地识别上市公司的信用风险,将违约距离作为自变量进行PROBIT建模分析时明显提高了模型的统计显著性和预测精度。在无法利用KMV模型测算上市公司经验违约率时,利用加入违约距离做自变量的PROBIT模型可以实现有效的替代,将二者结合起来使用能够为金融机构的信用风险评价提供科学依据。     

基于Leland-Toft模型的我国上市公司信用风险研究

文章首次运用Leland-Toft模型对我国上市公司的信用风险进行了实证研究,结果表明:通过该模型得到的预期违约率能够较好地描述上市公司的信用风险,不同信用级别上市公司的预期违约率有明显的不同,因而该模型在识别我国上市公司的信用风险时显示出一定的有效性.根据新华远东的信用评级体系,我们从Leland-Toft模型计算结果中发现:二A级以上公司、三B级以上公司和三B级以下公司分别在三年、一年和半年内的预期违约率接近为零,而我国上市公司长期的预期违约率则普遍偏高.     

基于BP神经网络的上市公司信用风险评价

文章在建立上市公司信用风险评价指标体系的基础上,提出了用神经网络对上市公司进行信用评级的方法,并利用相关数据对模型进行了实证研究,取得了较好的结果.     

我国纺织业上市公司信用风险传导机制与应对策略——来自2007年ST公司的新证据

纺织业从业人员居制造业30个细分行业之首,大部分企业在近期的金融危机中损失严重,信用风险凸现.考虑到上市公司股票交易被特别处理,是对其陷入信用风险,不能正常履行义务的警示,本文以ST公司为样本,选取同时期、同规模的非ST公司为对照样本,比较分析制造业和纺织业各类财务指标在信用风险传导中的敏感程度及其原因,揭示纺织业上市公司信用风险形成机理的特殊性,提出防范风险的建议.研究发现,"次贷"风险蔓延,国际市场需求萎缩,引起公司应收账款周转速度下降,流动资金不足,是纺织业上市公司信用风险形成的外部原因;公司固定资产投入不足,产品技术含量相对较低,导致盈利率下降、销售受阻,是风险形成的内部原因;而出口退税率上调、信贷紧缩等政策的实施,则是信用风险加剧的政策影响因素.     

基于KMV模型的我国中小上市公司信用风险研究

经过提高股权价值波动率精确度的KMV模型对我国中小上市公司有很强的识别信用风险状况的能力,我们可以通过设定两条信用预警线,来监控中小上市公司的信用危机.文章研究发现,资产规模对信用风险有显著影响,2004年之后资产规模与违约风险显著负相关,总资产小于3亿元的小公司抗风险能力最差.股权分置改革引起了中小上市公司信用风险短时间的波动,是2006年中小上市公司违约风险变大的重要原因.     

债权结构、波动率与信用风险--对中国上市公司的实证研究

基于Merton方法的违约模型是现代信用风险定价与管理研究中极其重要的部分,对其适用性的研究对提高我国商业银行与企业管理信用风险的能力有着十分重要的意义.文章利用我国72家上市公司组成的样本对该模型揭示的关于债权结构、资产波动与信用风险关系的两条结论进行了检验,由此分析该模型对我国的适用性.实证结果表明,债权结构与信用风险关系的结论在中国得到支持;但是资产波动与信用风险关系的结论在中国没有得到支持.文章最后提出了一些改进建议.     

上市公司信用评级与股票收益率关系实证分析

本文以三因素模型为基础,将信用风险纳入股票定价模型并构建了四因子定价模型,对国内部分上市公司的信用评级与股票收益率之间的关系进行了分析。研究发现,在考察期的部分时间区间,信用风险低的上市公司在未来得到的收益反而比信用风险高的上市公司高,股票收益率与信用风险呈反向变动。     

KMV模型的修正及应用研究

根据我国资本市场的特点,选取KMV模型的相关参数,使用上市公司在某国有商业银行贷款不良率替代其违约率,拟合出贷款不良率与违约距离的函数关系.实证结果表明,在KMV模型使用不良率替代违约率计量上市公司的信用风险的方法是可行的.     

基于距离判别法的企业信用风险分析

本文通过综合比较,选用了距离判别分析法度量上市公司的信用风险.选取若干上市公司样本数据作为估计样本建立模型.结论表明模型准确性较高,对商业银行具有一定参考价值.     

我国林业上市公司信用风险研究——基于KMV模型

文章以我国沪深两市A股林业上市公司为研究对象,选取2007-2012年首次成为ST的8家公司和对应的8家非ST公司为研究样本,运用KMV模型研究我国林业上市公司信用风险。实证过程中,文章根据我国林业公司特点研究确定KMV模型中各参数的计算方法,计算出在不同违约点下各个样本的违约距离,主要结论:财务危机前非ST公司与ST公司的违约距离表现出显著差异,运用KMV模型能够有效识别我国林业上市公司的信用风险状况;我国林业上市公司的违约点应设定为短期负债加上50%长期负债;在研究连续两年违约距离的基础上,构建了我国林业上市公司两级信用风险预警体系。     

我国制造业上市公司信用风险研究——基于KMV模型

运用KMV模型对我国46家制造业上市公司的信用风险进行评估。实证结果表明,引入公司资产价值增长率后的KMV模型能够更好地区分ST和业绩优良的制造业上市公司,可用于我国商业银行对制造业上市公司信用风险的度量。