审计风险浅探

文中从审计风险的基本涵义入手,就审计风险的成因、存在的主要环节,进行了深入探讨,并就规避审计风险提出了切实可行的对策。     

项目集成风险管理

在全面风险管理和广义风险管理的基础上，结合当今项目所处的动荡环境，提出了项目风险管理的新方法——项目集成风险管理；并且提出了项目集成风险管理的原则和内容。     

数据挖掘在信用风险管理中的应用

本文详细分析了在现代信用风险管理中不同方法对数据质量的要求,并在此基础上提出采用数据挖掘方法改进数据质量、提高计算精度的建议,供我国金融机构信用风险管理之借鉴。     

商业银行资产负债结构与流动性风险控制

流动性风险产生的实质是由于资产、负债的不匹配所导致的。因此,合理调整资产负债结构,能有效地控制流动性风险。     

基于物流保险发展的几点思考

分析在物流业高速发展,其风险亦加大的新形势下物流保险发展迟滞的原因,并提出了促进物流保险发展的相关建议。     

工程项目风险的应对措施及其管理

工程项目建设过程中存在风险因素较多,通过对工程项目风险概念的分析,重点介绍了常用的工程项目风险应对措施以及制定项目风险应对计划的风险管理工作,为项目风险管理提供参考。     

会计师事务所职业风险基金探析

职业风险基金制度作为注册会计师民事赔偿制度的补充,能加强注册会计师的民事赔偿能力,在对事务所和注册会计师民事诉讼盛行的。本文探讨了该制度的必要性以及与职业责任保险的关系、职业风险基金的提取与管理等方面的问题。     

How do economic policy uncertainty and geopolitical risk drive Bitcoin volatility?

We investigate how economic policy uncertainty (EPU) and geopolitical risks (GPR) impact Bitcoin volatility with respect to factors related to type and nationality of uncertainty, investigated period, relationship horizon and extreme conditions. Applying ARDL model and quantile regression for monthly data from August 2010 to September 2021, we reveal that June 2014 corresponds to a key date that marks a reversal in the investigated relationship. Furthermore, we show that the relationship between uncertainty and bitcoin volatility changes according to different factors. US uncertainty has short run effects on Bitcoin volatility, while China’s uncertainty has rather long run effects. Moreover, Bitcoin volatility responds in the same manner to US EPU and GPR, while, it responds differently to China's EPU and GPR. In extreme quantiles, we find that Bitcoin hedges against US EPU and GPR. Further, Bitcoin hedges against either individual or joint effects of US uncertainty, but not both.     

我国四部门金融杠杆对系统性金融风险的影响——基于空间溢出视角

基于金融杠杆对系统性金融风险的区域内和区域间作用机制的理论分析,运用空间偏微分方法,依据测算出的2010—2019年我国各省（区、市）四部门金融杠杆和系统性金融风险数据,考量我国四部门金融杠杆对系统性金融风险的空间溢出。结果显示：我国系统性金融风险具有较强的空间趋同性特征;由于金融杠杆部门结构和所在区域的不同,其对系统性金融风险的区域内溢出存在显著差异;此外,金融杠杆对系统性金融风险的区域间外溢效应明显,忽视该区域间溢出,将不利于准确评估金融杠杆对系统性金融风险的冲击。     

KMV模型的修正及在我国上市公司信用风险度量中的应用

目前，国内学者在将KMV模型与我国国情相结合的过程中已经取得了一些成果。本文在继承现有研究成果的基础上，对模型加以进一步的修正，不再假定公司资产价值增长率为零，而是以净收益增长率加以表示并且引入到KMV模型中。通过对沪深两市30家ST公司和30家非ST公司的信用风险进行评估检验，结果表明，利用修正后的KMV模型能够较好地识别出非ST公司和ST公司之间信用风险的差别，比较准确地把握上市公司信用质量的变化趋势。