KMV模型对我国房地产上市公司信用风险度量的实证研究

本文根据我国房地产上市公司独有的特点,运用修正后的KMV模型,选取沪市29家上市公司的数据,对其信用风险进行了度量,并对可能引起信用风险的因素进行实证研究。     

中国房地产上市公司信用风险预测——基于KMV模型的分析

本文介绍了KMV模型的基本原理,并选取8家中国房地产上市公司,利用KMV模型预测了它们从2007年初到2011年末的每隔半年的以一年为期限的违约距离。对比了两种求解违约距离方法的应用效果,发现Moody’s KMV公司给出的算法要优于直接利用Merton模型的算法。最后对无风险利率进行了敏感性分析,采用匹配样本检验,发现房地产开发上市公司的违约距离对于利率变化具有敏感性。揭示了在基准利率不断上调的情形下,我国商业银行即将面临逐步加大的房地产开发信贷违约风险。     

基于KMV模型的中国制造业上市公司信用风险评价

经济新常态下,经济增长速度逐渐放缓,但日益重视发展质量。制造业作为资本密集型行业,避免违约风险不仅有利于公司可持续发展,也对降低系统性金融风险起到重要作用。以A股制造业70家上市公司为样本,以2018年10月1日到2019年9月30日为一个计算周期,运用KMV模型实证分析上市公司的股权价值波动率、资产价值波动率、信用违约距离和信用违约概率。结果表明,0.03可以作为制造业上市公司违约概率的临界点,超过0.03则可以判定该公司具有一定的信用风险。同时,将违约概率区间进行划分,划定信用等级。最后针对不同的问题提出解决方案和建议。     

生命周期视角下并购类型对上市公司信用风险的影响——基于KMV模型的实证研究

以2009—2013年沪、深股市发生并购事件的103家上市公司为研究样本,利用KMV模型对不同生命周期、不同并购类型的上市公司并购事件发生前和并购事件发生后的信用风险进行了实证分析。研究发现,不同并购类型的上市公司并购前后的信用风险变化情况呈现生命周期差异。处于成长期的公司,实施相关并购会降低信用风险,实施多元化并购会增加信用风险;处于成熟期的公司,则相反。同时,还从不同角度进行了稳健性检验,发现研究结论不变,进一步验证了结论的可靠性。从企业生命周期视角研究并购类型对上市公司信用风险的影响,补充和拓展了现有上市公司并购风险方面的研究文献,同时也对企业并购决策和公司治理有重要启示。     

基于期权理论的KMV模型演进

国内学者针对我国国情应用KMV模型的过程中已经取得了一些成果,本文说明了模型的基本内容,并且在继承现有研究成果的基础上,对模型的修正进行了归纳总结。论文评价了模型的优缺点并提出了政策建议。     

非上市公司信用风险的期权定价模型研究

近年来,运用基于期权定价理论的KMV模型测度上市公司的信用风险得到了广泛的应用。但对于非上市公司市场价值V0和波动率σv的估测是非常困难的。PFM模型给出了估计非上市公司市场价值V0和波动率σv的方法。然后针对我国的非上市公司对模型进行了修正并进行了评价。     

现代信用风险度量模型比较分析

金融危机的爆发以及《巴塞尔新资本协议》的正式实施,为银行业进行信用风险管理提出新的挑战。本文对国际上信用风险管理实践中应用最为广泛的现代信用风险度量模型进行了分析比较,提出我国商业银行应用信用风险模型中的问题,并给出相关建议。     

金融信用风险的表现及管理模型分析

一段时期以来，我国存在着信用观念淡漠、信用基础薄弱、信用体系不健全等问题，并引发银行巨额不良贷款的产生。本文就社会信用的核心——金融信用风险的表现以及如何运用量化方法予以监测管理进行了系统的分析和深入的探讨。     

基于logistic模型的上市公司信用风险评价

文章分析了上市公司信用风险的成因,通过对上市公司年报数据的处理,建立了判断上市公司信用状况的logistic模型,该模型中嵌入的利息保障倍数和存货周转率是上市公司信用的关键决定指标,利用该模型可以对上市公司一年后的信用状况进行评估。     

信用风险量化模型比较分析

近年来,信用风险量化模型在国际金融界,尤其是银行界得到了高度重视和快速发展。目前国际性商业银行用于计算信用风险的模型,按照数据情况和对风险概念理解的不同,形成了两种不同的建模思路。一种认为信用风险就是借款人违约的可能性,无论借款人违约与否,只要违约可能性的相关因素发生了变化,就意味着银行整体风险环境的变化,这种模式被称为盯市模式(Market-to-Market);另一种认为银行的信用风险就是借款人无法履行的实际风险,从而模型只对银行实际违约损失进行预测,只考虑两种状态,这种模式被称为违约模式(DefaultMode)。盯市模式的代表…     

基于KMV模型的商业银行信贷风险度量与管理研究

随着2007年美国次贷危机以来,商业银行面临更严峻的形势,其中最重要的就是信贷风险的加剧,以及由于信贷风险加大引起的一系列银行资产的损失加大等。所以在当前经济形势下,加强商业银行信贷风险度量与管理是提高商业银行效率、使得商业银行以及金融市场更好发展的关键措施。本文以中国商业银行为主要研究对象,基于KMV模型分析了当前我国商业银行信贷风险度量与管理。     

我国中小上市公司信用风险评估研究

如何对我国中小企业的信用风险进行准确的衡量一直是我国商业银行所关注的焦点。本文在沪深两市选取40家中小上市公司作为中小企业的代表,根据这40家公司2012年至2014年的违约状况对KMV模型进行修正,修正后的违约点DP=1.50SD+0.77LD,说明我国中小上市公司整体的信用风险大于国外公司的信用风险。依据得出的违约距离值设置出两条信用危机预警线,从而使我国商业银行能够提前发现中小企业的信用危机,提前做好防范措施,使损失最小化。     

我国商业银行外部信用风险测度分析

银行作为债权人将资金放贷给企业,企业无法按时偿还本金,由此带来的风险称为信用风险。本文选择了44家配对上市公司,采用KMV模型对上市公司的信用风险进行度量,实证结果显示,KMV模型对于度量上市公司信用状况具有一定的适用性,但如果将KMV模型与PFM模型相结合,KMV模型使用的范围更加广泛。针对外部信用风险产生的原因,本文还给出了减小外部信用风险的建议。     

我国商业银行信用风险识别的实证分析

本文针对75家st上市公司和75家非st上市公司,从盈利能力、流动性与偿还能力、成长性、资本结构和资产管理效率五个方面选取指标,分别建立判别分析模型、二分类变量Logistic回归模型和基于径向基函数神经网络模型。结果显示,Logistic回归和神经网络对于非st上市公司的识别准确率,与判别分析相比,未体现出明显的优势。但总体上,三个模型基于财务报表的评估,对我国商业银行信用风险的识别问题,均提供了相当高的判别精度,具有良好的预警作用。     

距离判别方法在我国上市公司信用风险评估中的应用研究

国内对多元判别分析法在信用风险实证的研究,从总体预测准确率较高上认为基本是可以借鉴使用,大多没有进一步区分模型误判的第一类错误与第二类错误的误判率。商业银行对企业信用风险判断时最怕的是犯统计学里第一类错误即将高信用风险企业误判为低信用风险企业,这往往对银行是致命的。本文结合距离判别方法的原理、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,证实多元判别分析法,在实际运用时犯第一类错误率达到30%左右,这个误判率较高,故我国商业银行对运用多元判别分析法对上市公司信用风险进行判断时要十分谨慎使用。     

信用风险评价模型的综述

信用风险是市场上存在的主要风险,对信用风险的评价也成为银行等机构重要课题。本文总结了目前主要的信用风险评价方法,主要有古典的方法,财务比率的方法,结构化模型方法,基于统计规律的模型方法,以及绩效调整模型方法。     

上市公司信用风险管理研究

在社会融资规模下降,证券市场监管从严从重,部分上市公司过度融资严重、多元化投资复杂、盈利能力弱化、质押融资比例高的背景下,上市公司信用风险水平上升。为有效管控上市公司信用风险,构建包括偿债能力、过度融资、盈利状况、股权质押、股价表现、股东减持、分红状态等因素的风险监测指标体系,有效监测分析上市公司信用风险,并提出相应风控措施。     

基于期杈理论的KMV模型演进

国内学者针对我国国情应用KMV模型的过程中已经取得了一些成果,本文说明了模型的基本内容,并且在继承现有研究成果的基础上,对模型的修正进行了归纳总结。论文评价了模型的优缺点并提出了政策建议。     

基于人工神经网络的商业银行信用风险模型

入世后,国外金融机构将给国内银行造成巨大的竞争压力。为了适应竞争的需要,增加抵御风险的能力,有必要对商业银行风险进行研究,以防范金融风险,维护金融及整个经济稳定。本文根据我国的具体现实,运用人工神经网络技术,构造出适合中国的信用风险模型,并对大连市某国有银行提供的数据进行了实证研究。