我国制造业上市公司信用风险度量:基于KMV模型

目前对上市公司信用风险度量模型进行研究,及依据行业特征构造行业信用风险度量模型,对于商业银行信用风险管理显得尤为重要。本文基于现代信用风险度量模型——KMV模型,通过对违约点、股权价值波动性率、违约距离计算方式进行修正,构建了制造业行业KMV模型。研究结果表明,当违约点选取长期债务和短期债务之和时,制造业KMV模型可以提前两年将信用好与不好的上市公司甄别开,具有较强的适用性,符合我国目前信用风险管理水平的需要。同时,运用制造业KMV模型还可以判断上市公司是否具有"壳"资源的价值。     

KMV模型在农业上市公司信用风险度量中的应用

我国商业银行面临的主要风险是信用风险,信用风险管理成为银行关注的重中之重。本文以农业类上市公司为样本,运用Matlab技术,通过实证来检验模型识别上市公司信用风险的能力,研究表明现阶段基于期权定价理论的KMV模型能很好地度量我国农业类上市公司的信用风险。     

运用信用监测模型度量上市公司信用风险的有效性研究

本文运用信用监测模型对我国上市公司的信用风险进行度量,并将度量结果与Z值模型的度量结果进行比较,以检验信用监测模型度量我国上市公司信用风险的有效性。     

信用风险模型回收率的实证分析

信用风险近年来越来越受到国人的关注。随着中国经济的发展和产业不断升级，经济个体的金融联系越来越密切且复杂，而信用风险也成为主要的金融风险之一。为了管理信用风险，国外经济发达国家或地区的著名金融机构纷纷开发自己的信用风险内部模型。例如Credit Metrics、KMV、Credit Rish＋、Credit Porfolio View。违约回收率对于计算信用风险是非常重要的。文章基于广东地区某商业银行抵押贷款处置资料对我国违约回收率数据进行考察，以揭示我国信用风险状况。     

运用信用监测模型度量上市公司信用风险的有效性研究

本文运用信用监测模型对我国上市公司的信用风险进行度量，并将度量结果与Z值模型的度量结果进行比较，以检验信用监测模型度量我国上市公司信用风险的有效性。     

基于KMV模型的上市公司信用风险度量

信用风险一直是金融市场面临的主要风险之一,因此,寻找一种科学合理的信用风险度量方法就显得尤为紧迫了。笔者经过长期学习实践发现,KMV模型通过量化的方式对上市公司的信用风险进行计算,其结果更加科学理性,有利于投资者及时采取措施规避相应风险。     

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模型的房地产业上市公司信用风险度量

房地产行业是国民经济的支柱行业,资金需求量大,信用风险暴露规模较大,对商业银行的信贷资产质量也会产生重大影响,因此如何对房地产企业的信用风险进行度量是信用风险管理领域的亟待解决的问题之一。本文结合我国房地产上市公司的实际情况,研究KMV模型在中国市场中评价房地产上市公司信用风险的能力,采用违约距离度量我国房地产业上市公司信用风险的现状。结果表明,参数调整后的KMV模型能够在整体上识别我国房地产上市公司信用风险。     

用违约距离判别信用风险:一个实证研究

本文选取了在中国A股市场上市的4家具有一定代表性的ST公司和4家对照公司,并通过计算从2003年到2005年的静态违约距离和不变增长率假设下的违约距离,发现后者比前者具有更好的判别能力;同时对影响违约距离大小的输入变量进行了敏感性分析,发现违约距离对股票收益波动率的变化最为敏感,因而精确计算波动率是关键。     

基于公司信用风险计量的联合预测模型

国内信用风险计量主要集中于运用统计学原理进行实证模拟的方法来寻找适合中国的计量模型和指标体系。在分析国内外研究现状的基础上,对Altman模型的建模思想和核心原则进行了理论和实践解析,探寻现有模型解释能力较强而预测能力不尽如人意的理论根源,提出建立具有预测功能的违约概率模型的联合预测方法。     

探讨我国信用风险度量模型的应用

本文阐述了财务分析和信用风险度量模型在信用评级上的重要性。从信用评级发展角度出发,对传统信用风险评价方法和现代信用风险模型的发展进行了总结,揭示了传统信用风险评价方法存在的弊端,现代信用风险模型的优点是减弱主观判断的因素。最后通过各个模型的优缺点总结选择适合我国信用风险度量模型应从我国实际情况出发。     

基于KMV模型的纺织业上市公司信用风险研究

论文以KMV模型作为度量信用风险的基本模型,验证了KMV模型适用性,分析了次贷危机对纺织业上市公司信用风险的影响。研究发现KMV模型适用于我国纺织业上市公司的信用风险衡量,次贷危机对上市公司信用风险产生了显著的影响。     

基于Excel的信用风险管理模型

市场经济在某种程度上就是一种信用经济，信用的提供会给公司带采风险。因此，加强对信用风险的管理有助于公司降低受到损失的风险。但是，信用风险的评估与测算工作较为繁琐，在实际工作中常常由相关主管人员凭经验主观设定，造成不良后果。其实，可以借助电子表格软件——Excel的强大功能来迅速达到我们的目的。本文试图建立信用政策决策和收账政策决策的计算机模型。     

现代信用风险度量模型研究

本文通过对信用风险度量模型的分析,对其进行分类,观察信用风险度量模型的特点与发展趋势,概括出信用风险度量模型的一般框架,为我国银行业进行信用风险管理提供建议。     

数据挖掘在我国商业银行信用风险度量模型中的应用

基于数据挖掘的银行客户管理信息系统就是银行利用数据挖掘技术，通过有效充分的数据挖掘，将银行客户资料作不同角度的分析，从中对客户进行定位分类，明确客户的消费倾向与消费模式，预测客户的风险性，从而实现与银行信用风险度量系统的结合。     

基于KMV方法的农业类上市公司信用风险度量研究

文章以35家农业类上市公司为样本,根据Black-Scholes期权定价理论构建KMV模型,利用2008年财务数据,通过运行Eviews,计算31家公司2009年的违约概率,以期为商业银行选择贷款对象提供理论依据。     

基于KMV方法的农业类上市公司信用风险度量研究

文章以35家农业类上市公司为样本,根据Black-Scholes期权定价理论构建KMV模型,利用2008年财务数据,通过运行Eviews,计算31家公司2009年的违约概率,以期为商业银行选择贷款对象提供理论依据.     

基于混合Logit模型的房地产公司信用风险预测研究

预测房地产企业信用风险对银行有效规避信贷违约风险有重要意义。文章分别在系数服从正态分布、对数正态分布和均匀分布的三种条件下,利用混合Logit模型预测了我国房地产上市公司的信用风险情况。结论表明：对于房地产上市公司的信用风险情况,混合Logit模型具有较高的识别与预测能力,三种分布下的混合Logit模型中,对数正态分布下的混合Logit模型拟合优度和综合预测准确度最好。     

商业银行信用风险主要影响因素来自内部还是外部？——基于KMV及随机森林模型的实证研究

近年来,商业银行外部环境发生较大变化,个别中小银行因信用风险暴露而濒临倒闭。为分析内外部因素对商业银行信用风险影响,文章运用KMV模型,计算我国36家上市银行2016-2019年违约距离,并作为信用风险度量依据。在此基础上,运用随机森林模型,以违约距离作为被解释变量,以外部环境、业务结构、经营管理3个维度的因子作为解释变量,对商业银行信用风险影响因素进行实证检验。结果表明,金融监管政策等外部环境是影响商业银行信用风险的因素,但并不是主要因素,银行内部的收入结构、存贷款结构、资金运作、风险管理等业务结构、经营管理因素对商业银行信用风险影响更大。商业银行应优化收入结构和存贷款结构,提高资金运作效率,加强风险前瞻性管控,切实提升信用风险管理水平。