基于GARCH波动模型的KMV信用风险度量研究

本文选取2009—2010年能源、电子、农业、房地产业和制造业新被ST的8家公司和相应行业的8家非ST公司组成样本,利用GARCH（1,1）波动率模型估计股权价值波动率,并运用KMV模型计算16家上市公司2007—2009年的违约距离及理论违约概率。研究结果表明,分行业KMV模型能够很好地分辨ST公司和非ST公司信用风险的差异,不同行业上市公司的信用状况存在一定的差异,上市公司信用质量的变化趋势与宏观经济走势表现出一致性。     

基于KMV模型的商业银行房地产贷款信用风险研究

传统的房地产信用风险定性评估方法缺乏客观、公允,难以有效地应对商业银行房地产信用风险计量与管理。选取深市十家上市房地产公司作为研究样本,分别设置绩优股、中等业绩股两个样本组,通过比较两个样本组的违约距离及预期违约率,发现KMV模型总体上能够度量我国上市房地产企业的信用风险水平。建立房地产企业征信系统及信用评级制度、引导房地产企业多元化融资模式、培养信用风险管理人才、建立信用风险数据库等是提高我国商业银行房地产贷款信用风险管理的重要措施。     

Credit Monitor模型与CreditMetrics模型的比较及应用

Credit Monitor模型是KMV公司开发出的一种测度企业违约概率的方法。在实际应用中由于能在企业违约前通过违约概率的变化,迅速显示出企业信用状况的变化,因而得到业界的广泛关注。CreditMetrics模型建立在信用评级的基础之上,在度量组合信用风险具有明显的比较优势。本文在借鉴CreditMonitor模型和CreditMetrics模型,提出一种测度我国企业信用风险相关性的方法。     

基于KMV模型的中国上市公司信用风险研究

本文利用GARCH模型估计股权价值波动率,用迭代程序估算资产价值及其波动率,以总资产的平均增长率代替资产价值预期增长率,建立了修正的KMV模型。文中对2006年沪深两市80家上市公司的信用风险进行评估检验,结果表明修正后的KMV模型不仅能够较好地分辨出ST公司和非ST公司信用风险的差异,而且能准确地把握上市公司信用质量的变化趋势,至少可提前一年识别上市公司信用质量的恶化。     

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。     

利率市场化背景下信用风险的测度及影响

随着利率市场化程度的不断提高,逐步增大的利率波动必然对上市公司的信用风险产生一定影响。本文首先采用Logit模型对2006年第四季度至2013年第四季度228家上市公司的信用风险进行度量,预测出上市公司违约概率;其次选用Shibor数据求出各季度的利率波动率;最后选用宏观经济因素及利率波动率为自变量,信用风险为因变量建立风险测度模型,结果表明利率波动对信用风险有负相关关系,即随着利率市场化进程的加快,企业的信用风险有降低的趋势,因此可考虑加快利率市场化改革的步伐。     

KMV模型对房地产上市公司信用风险度量的实证研究

本文基于2010年中国加大对房地产行业调控的现状和中国房地产上市公司独有的特点,运用修正后的KMV模型,选取沪深两市27家房地产上市公司的数据进行实证研究,根据实证结果,判别修正后的KMV模型适用性并分析违约距离的合理控制范围。     

基于DOC模型的上市公司信用风险测度及实证分析

运用DOC期权定价模型对我国上市公司信用风险进行测度,并结合证券监管的ST制度和企业产权性质实证检验上市公司信用风险的影响因素.结果表明,我国上市公司违约障碍显著存在,DOC模型是对莫顿信用风险定价模型的有效改进;ST制度对被警示上市公司改善经营管理、降低信用风险具有一定的激励作用.此外,在其他条件相同的情况下,与非国有控股上市公司相比,国有上市公司潜在的债务违约风险较大,应进一步完善其治理结构,建立有效的股东监督制约机制.     

KMV模型在银行信用风险管理中的应用

通过对KMV模型的研究及实证分析,将商业银行放款业务倒转过来从借教企业的违约率来考虑贷欺的偿还问题,以此度量商业银行的信用风险大小,建立有效的风险管理体系,以避免信用风险.     

信贷资产证券化信用风险临界值研究

以信贷资产证券化为研究对象,结合2005年国开行一期信贷资产支持证券的资产池数据资料,应用修正的KMV模型对基础资产信用风险进行了定量分析,并对资产池违约风险临界值的确定方法进行了深入的探讨。     

两类主流信用风险定价模型的比较分析

目前，对信用风险的定价主要有两种模型，即结构模型和简约型模型。结构模型以Merton（1974）模型为原型，以企业的资产价值为定价模型的输入参数，采用B1ack＆Seholes期权定价方法对信用风险进行定价。简化型模型放弃了对企业资产价值的依赖，直接用一个外生变量来刻画企业的违约过程，并以此确定公司的违约概率，进而定价信用风险。     

金融模型的建模前提和应用局限性——基于度量信用风险的KMV模型的研究

信用风险是金融机构面临的最主要的风险,通过科学的模型对其进行精确度量对我国金融市场的发展有着深远意义。本文选取度量信用风险的KMV模型,对其原理、建模前提和应用局限性进行了介绍,并针对我国的具体情况分析了KMV模型在我国的局限性,最后提出了提高KMV模型在中国的适用性的几点建议。     

基于KMV 模型的上市公司信用风险管理实证研究

对我国上市公司信用风险的实证分析结果说明,KMV模型能够明显识别出业绩好的和业绩差的公司的信用状况,并能很好识别出公司信用状况的变化趋势。     

商业银行贷款违约模型研究综述

商业银行贷款违约概率的测算对于商业银行提取经济资本和控制信用风险有着非常重要的意义.本文从国外和国内两方面对商业银行贷款违约模型的研究进行了梳理和回顾,并进行了评述,指出目前商业银行贷款违约模型还存在较大的改进空间.     

A股市场的违约异象消失了吗? ——打破刚兑和国企属性的影响分析

近年来,我国的债务风险问题引起社会的广泛关注和担忧,并对资产定价产生重要影响。综合使用2004年第一季度至2017年第四季度上市公司财务数据和股票价格数据,参考Moody's KMV方法构造违约概率指标,研究违约风险与股票收益的关系。实证分析显示,在2014年之前,我国A股市场出现过"高违约风险—低股票收益"的"违约异象"。但在2014年之后,随着上市公司债务违约事件出现,违约风险—股票收益的关系逐步扭转,上述异象消失。研究还发现,上市公司是否为国企,会显著影响股票收益对违约风险的敏感性。具体而言,在2014年之后,非国企背景股票的收益率对违约风险变化的敏感性要比国企背景股票高出1倍多。     

IRB法下信贷资产组合的风险因子度量研究

巴塞尔银行监管委员会针对防范信贷资产组合信用风险所需要的资本制定的内部评级法,利用风险因子的变化来反映组合回报的变化,并根据风险权重函数,通过风险加权资产转化为与每一项信用风险敞口更准确匹配的资本要求。文章对违约概率、违约损失率、违约敞口、期限因素以及违约相关性等信贷资产组合信用风险的风险因子的度量进行了综合研究。     

上市区域性股份制商业银行信用风险预警模型研究

国外信用风险分析模型主要有KMV信用监测模型、信用度量技术、CSFP信用风险附加计量模型和麦肯锡模型四种;中国学者根据中国银行业的情况,在信用风险建模方面进行了探索：一是侧重于对贷款企业的财务分析,二是侧重于商业银行有关指标的分析,三是从银行和企业两个角度进行分析。可应用时间序列的分析方法,采用ARMA模型构建信用风险预警模型。     

基于信用风险评估的商业银行中小企业贷款定价影响机制研究

本文结合我国中小企业特点以及商业银行风险管理的经验,提出了一个较为全面涵盖我国中小企业信用风险评估内容的度量模型,该模型由财务实力、管理实力、社会实力三个因子组成,然后基于该信用风险评估模型,探讨我国商业银行的贷款定价影响机制。研究发现,中小企业信用风险各因子对贷款定价均有显著的正向影响,即信用实力越强,贷款定价越优惠,同时,信用实力对缓释工具有显著的负向影响;另外,缓释工具对贷款定价也有显著的正向影响,是中小企业信用风险影响贷款定价的调节变量。最后基于研究成果对商业银行如何应用模型加强中小企业贷款管理提出了建议。     

违约概率测度研究：方法与模型综述

巴塞尔新资本协议（BASEL Ⅱ）的核心内容是内部评级法（IRB）,而计算客户违约概率是实施内部评级法的关键步骤.事实上,在整个内部评级法以及全面风险管理的应用中,客户违约概率的准确计量都是最核心的问题,它是预期损失、经济资本、贷款风险收益率计算的基础.本文综述了国内外文献以及信用风险管理实践中具有代表性的违约概率测度方法与模型,希望对我国商业银行以及相关学者在研究违约概率问题时有所帮助.     

海峡西岸经济区中小企业融资信用风险分析

海峡西岸经济区的区域位置与产业结构决定了当地中小企业谋求发展需要依靠外源性融资并且以银行贷款为主。利用Logistic模型对海峡经济区上市的中小企业的年报数据进行实证研究,结果显示,中小企业的成长能力、投出资本使用效果以及综合实力对企业信用风险有显著影响。企业在这三方面的表现越好,信用风险就越小。