修正的KMV模型在上市公司信用风险度量中的应用分析

针对传统KMV模型在我国目前的市场环境下的不适用情况,本文采用GARCH（1,1）模型对公司资产价值的波动率进行了预测,以此来计算违约距离,并对ST公司和非ST公司的信用风险的识别进行了实证分析,发现基于GARCH（1,1）模型的修正的KMV模型在我国目前的市场环境中具有一定的适用性。     

我国SHIBOR市场利率波动的实证研究

以SHIBOR(上海银行间同业拆借利率)市场利率为数据样本,构建了带有混合高斯分布的Markov状态转换GARCH(1,1)模型,分析表明我国SHIBOR市场利率变动的时间序列具有尖峰、后尾和波动聚集等现象。对比普通的GARCH(1,1)模型、Markov状态转换GARCH(1,1)模型和带混合高斯分布的Markov状态转换GARCH(1,1)模型的贝叶斯后验参数估计值发现,第三种模型对我国SHIBOR市场利率波动的拟合效果最好,普通GARCH(1,1)模型的拟合效果最差。研究说明我国SHOBOR市场发展正在逐步健全起来。     

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。     

基于KMV模型的我国上市公司信用风险实证研究

KMV模型在我国存在较大的不适用性,而主要原因是我国存在严重的股权分置矛盾.鉴于当前股权分置问题已基本解决,试图研究现有经济条件下,KMV模型对我国上市公司,ST类上市公司和非ST类公司的比较,分析KMV模型在我国的适用性,并提出建议.     

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。     

利用GARCH模型模拟开放式基金净值波动

以某开放式基金的单位净值波动率为例说明我国基金价格波动有尖峰厚尾现象和金融市场中普遍存在的ARCH效应,在分析基础上建立了一个GARCH(1,1)模型。并将估计的GARCH(1,1)模型与其他形式的条件异方差模型比较,得出净值波动的GARCH(1,1)模型较为优越。     

深证成指周收益率波动及预测实证研究——基于ARCH模型

文章以1996—2012年深证成指(399001)周收盘价为对象,就我国股市波动情况进行实证研究。研究结果表明,我国深成指周收益率序列不存在自相关;对比GARCH(1,1)模型和GARCH-M(1,1)模型,不含常数项的GARCH-M(1,1)模型优于捕捉深成指周收益率的波动性。文章最后对其波动性进行了预测分析。     

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。     

沪深股市VaR的实证分析

随着2014年我国股市行情转好,股票市场的波动也不断加剧,市场风险日渐凸显。在关注市场收益率的同时,如何度量股市的波动性及其风险控制愈显重要。本文以反映我国股市总体走势变化的上证综合指数和深圳成分指数作为研究对象,建立反映波动性的GARCH族模型,发现沪市具有反杠杆效应和较高的风险回报率,而深市具有杠杆效应和较低的风险回报率。在Va R的估计方面,在各置信水平下EGARCH(1,1)模型和GARCH(1,1)模型分别在拟合沪市和深市的市场风险上效果最好,且沪市相比与深市具有相对较低的市场风险。最后,本文对以上实证结果做出分析,并据此得出了对于投资者、监管层以及市场的经验与启示。     

金融时间序列中加性异常值的鉴别与校正

借鉴Franses and Ghijsel[1](1999)和Charles and Darne[2](2005)提出的鉴别和校正金融序列加性异常值的方法,以GARCH模型为例,对我国的上证综合指数和深圳成分指数进行了加性异常值的鉴定与校正,并对校正后的残差进行了正态检验。结果表明该方法效果显著,进行异常值校正后的GARCH(1,1),更好地拟合金融时间序列中的尖峰厚尾和波动丛聚性的特性,纠正了正态分布的GARCH(1,1)对时间序列拟合的偏误。     

随机影响变截距面板GARCH(1,1)模型及其应用

本文提出了具有随机影响的变截距面板GARCH(1,1)模型,应用基于面板数据的拉格朗日乘数(LM)法对该过程的GARCH效应进行检验,并给出模型参数的最大似然估计(MLE),最后对我国5个区域的外商直接投资(FDI)构建了面板数据条件异方差模型,分析了外商直接投资的波动性及其意义,得到比固定影响模型更好的结论。     

基于不同分布假设GARCH模型对上证指数波动性预测能力的比较研究

本文在四种不同的分布假设(Normal,Student-t,GED和SkewedStudent-t)下,对上证指数波动性进行了GARCH(1,1)模型预测能力实证比较研究,目的在于揭示分布假设对GARCH模型预测能力的影响。研究结果表明,使用厚尾分布假设(Student-t,GED)提高了模型的预测绩效。但引入偏斜student-t分布并未能进一步提高模型预测能力。     

基于不同分布假设GARCH模型对上证指数波动性预测能力的比较研究

本文在四种不同的分布假设(Normal,Student-t,GED和Skewed Student-t)下,对上证指数波动性进行了GARCH(1,1)模型预测能力实证比较研究,目的在于揭示分布假设对GARCH模型预测能力的影响.研究结果表明,使用厚尾分布假设(Student-t,GED)提高了模型的预测绩效.但引入偏斜student-t分布并未能进一步提高模型预测能力.     

基于VaR模型的某医药股份有限公司股价波动风险测度研究

近年来,随着药剂研发技术水平的提升、海外市场的拓展,在我国A股上市的某医药股份有限公司的股价大幅度增长。近日,随着某医药股份有限公司被纳入MSCI指数,越来越多的境内外投资者将目光投向该公司。但是,随着市值的增长,某医药股份有限公司的市盈率也达到90.04倍,风险远超同类制药公司。因此,研究某医药股份有限公司的股价波动风险测度具有一定的现实意义。文章基于VaR的GARCH族模型,对某医药股份有限公司的日收益率进行风险测度。研究结果表明:GED、T分布下的GARCH(1,1)模型能很好地描述某医药股份有限公司日度收益率的利率风险。     

权证市场和基础市场关系研究——基于二元GARCH模型的实证分析

本文首先通过建立ARIMA(p,0,q)模型将交易量变动率分成预期的和非预期的两个变量,然后列入到二元GARCH(1,1)模型的条件均值方程中,来研究股票市场和权证市场之间的信息不对称关系。同时通过使用BEEK模型的设定形式作为GARCH模型的条件方差方程,来研究股票市场和权证市场之间的交易量波动溢出关系。通过实证研究,结果表明我国的股票市场和权证市场之间确实存在显著的信息不对称效应和双向的交易量波动溢出效应,且这种波动溢出现象也具有一定的"不对称性"。     

关于我国上市公司违约虱险评价效率的研究

上市公司违约风险评价是目前我国在信用风险评估上较为薄弱的环节。中国商业银行和评级公司应该积极创造条件,加强客户违约概率测度．以有效提升信用风险管理水平。笔者拟着重对KMV模型评估违约风险的基本原理、KMV模型在国内外的运用现状进行探讨．并对该模型在现实中的运用提出若干建议。     

基于ARIMA模型和GARCH模型的美元指数波动性分析

美元指数在金融危机前后出现了耐人寻味的变化,其波动影响着国际经济、政治格局。本文运用自回归单整移动平均时间序列(ARIMA模型)和广义自回归条件异方差时间序列(GARCH模型)的方法分析美元指数,采集大量历史样本数据,对其波动特性进行实证研究。运用ARIMA模型对未来短期美元指数走向进行预测,表明美元指数的波动有一定的规律。同时,对美元指数建立用于描述大量金融时间序列的GARCH(1,1)模型,通过模型的定阶、检验、预测发现GARCH模型有较好的预测较长期整体走势的能力。     

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。     

贷款基准利率调整对中国股票影响研究

本文使用GARCH(1,1)模型研究了基准利率调整政策对股票市场的直接作用,结果表明基准利率的调整对中国股票市场短期直接影响十分有限;因此本文认为我国基准利率调整的执行不具有对中国股市短期的直接影响性,在一定时间范围内的影响也具有局限性。