共查询到20条相似文献,搜索用时 198 毫秒
1.
随着全球金融行业的迅猛发展,信用风险的评价和管理变得越来越重要。本文选取2011.1-2011.12房地产业的ST公司和非ST公司共十家组成样本,利用GARCH(1,1)波动率模型估计股权价值波动率,并运用KMV模型计算这十家上市公司2011年违约距离及理论违约概率。研究结果表明,房地产行业违约距离总体均处较高水平,而ST公司与非ST公司相比,前者具有更大的违约距离,违约风险更大。 相似文献
2.
在介绍 KMV 模型、Credit Metrics 模型、Credit Risk+模型和 Credit Portfolio View 模型这四种国际流行的信用风险管理方法的基础上,基于定性和定量分析相结合,对这四种信用风险管理方法进行比较分析,认为 KMV 模型最适合我国目前的国情。以2013年45家 ST 公司和与之配对的45家非 ST 公司以及2014年20家 ST 公司和与之配对的20家非 ST 公司为样本,对样本的违约距离进行实证检验。实证结果表明 KMV 模型基本上能够识别上市公司的信用状况,但是也有一些企业的违约距离不符合实际情况,这也说明该模型在我国商业银行信用风险度量中的识别能力有限,究其原因可能与该模型所要求的一些假设条件在我国尚不能得到有效满足等因素有关。因此,我国商业银行在对债务企业进行信用评价时,综合利用KMV 模型与债务公司的财务数据会使信用风险的度量结果更加可靠。 相似文献
3.
国内中小上市公司随着经济下行压力的刺激而加速了其信用风险的暴露,然而目前相对缺乏一套成熟的用于违约风险评估的方法体系。基于KMV模型的优越性及国内中小上市企业的特殊性,本文指出利用GARCH修正后的KMV模型可以有效地为我国中小上市企业违约风险度量提供判断依据。并据此选取30只ST与非ST中小企业板上市公司股票为样本,对其2014~2016年的财务数据和股票交易数据进行实证分析。研究结果表明,修正后的KMV模型适用于度量经济新常态时期中小板上市公司违约风险水平。 相似文献
4.
5.
6.
7.
8.
应用KMV模型度量中国公司的信用风险时,需要根据中国特殊情况修正参数。本文综合相关文献,按照KMV模型框架步骤,研究了KMV模型在度量中国公司信用风险时需要修正的所有参数及修正方法,包括违约类似事件的界定、股权价值E和股价波动率δE的计算、违约点的设定、违约距离DD和预期违约概率EDF的函数关系等;分析表明在中国违约点设定应当提高,按理论值计算的预期违约概率通常低于真实值。 相似文献
9.
本文按照KMV模型框架步骤,结合中国特殊情况,研究了KMV模型在度量中国公司信用风险时需要修正的所有参数及修正方法,包括违约类似事件的界定、股权价值和股价波动率的计算、违约点的设定、违约距离DD和预期违约概率EDF的函数关系等。 相似文献
10.
11.
12.
《武汉金融》2019,(2)
关于违约风险与股票收益的关系,现有文献中存在着争议。本文使用国内A股市场2000-2016年间的数据,结合Moody’s KMV模型构建期望违约概率作为违约风险的代理变量,对二者关系进行重新探索。经过初步分析发现违约风险与股票收益存在显著负相关,即国内股市存在"违约异象"(default risk anomaly)。为此,本文从公司规模会为股东带来潜在利益的角度展开研究,并对"违约异象"进行了解释。结论表明:(1)在控制住公司规模的交互影响后,违约风险与股票收益表现出符合金融理论预期的正相关关系;(2)在相同违约风险下,规模越大的公司,投资者要求的违约风险溢价越小。同时,随着违约风险上升,公司规模的影响会加大;(3)在公司规模足够大时,违约风险与股票收益总体上会表现出负相关关系,这是导致"违约异象"的主要原因之一。随着近年来我国违约事件增多以及破产制度和退市制度逐步完善,投资者势必会更加重视违约风险与股票收益之间的关系及其影响因素,因此本研究具有一定的现实意义。 相似文献
13.
随着我国稳步推进利率市场化,要求我国银行按照市场风险来确定贷款利率.由于在金融市场中信用风险是最为基本、危害最大的一类风险,本文将通过美国KMV公司提出的信用监控KMV模型着重考察商业银行基于考虑违约信用风险的时候的贷款利率的确定问题. 相似文献
14.
以2006~2010年沪深两市A股房地产上市公司的年度数据和公司治理数据为样本,采用KMV模型,运用多元随机平衡面板回归分析方法对中国上市公司高管变更与公司违约风险的关系进行实证研究。实证研究结果表明,高管变更与公司违约风险显著正相关,公司高管变更后能够显著降低公司的违约风险。这为高管变更与公司违约风险、高管变更与经营业绩之间的关系提供了新的证据,丰富了高管变更研究的新领域,即高管变更与公司违约风险之间的关系研究。 相似文献
15.
本文引入2007年新华远东对中国上市公司资信评级结果作为研究样本,并且依据其评级方法引入2007年证监会发出处罚公告的上市公司作为违约部分的拓展样本,采用KMV模型对这些样本公司的违约距离进行度量。结果显示:KMV模型能够很好的区分新华远东资信评级体系中信用等级平均水平以上、平均水平以下、违约级的样本公司,并据此划分出了违约距离等级区间。这对投资者提前识别上市公司潜在的信用风险以及正确度量信用风险,以使投资者能够及时采取措施规避风险具有重要的现实意义。 相似文献
16.
本文利用改进的KMV模型,对甘肃省11家上市公司2010年中期财务数据进行分析,得到各个上市公司的违约距离和违约概率,比较了各公司的信用状况,得出甘肃省商业银行信用风险总体较低的结论,最后提出了控制研究甘肃省商业银行信用风险的几点建议。 相似文献
17.
本文利用改进的KMV模型,对甘肃省11家上市公司2010年中期财务数据进行分析,得到各个上市公司的违约距离和违约概率,比较了各公司的信用状况,得出甘肃省商业银行信用风险总体较低的结论,最后提出了控制研究甘肃省商业银行信用风险的几点建议。 相似文献
18.
本文基于Merton(1974)模型度量了2006-2011年间的45家江苏省上市公司的违约风险,实证结果表明:从横向比较来看,ST类上市公司的违约率明显大于非ST上市公司的违约率,其中以ST高淳陶瓷违约风险为代表;从纵向比较来看,在2006-2011年间的样本企业违约风险变化呈现出先上升后下降的趋势,其中在受到国际金融危机影响的2007和2008年间,样本企业的违约风险普遍较高,在金融危机全面爆发的2008年,违约率达到了高峰 相似文献
19.
信贷衍生工具评估的关键要素是违约时间模型。此类事件隐含的不确定性通过违约概率分布(也称为违约期限结构)模型获取,此模型对发行人在未来给定时间间隔内的违约概率进行建模。违约概率估算具有不同的类型:历史违约概率采用公司的信用等级转换或评分模型进行估算;结构模型综合市场以及资产负债表信息来计算违约概率;风险中性概率采用简化模型通过单纯的市场数据进行推导。 相似文献
20.
本文应用KMV模型,对2010年1季度至2018年2季度期间我国A股108家上市房地产公司的信用风险进行了研究。研究表明,我国房地产公司的违约距离集中在[2, 5]区间;在房地产行业信用风险水平恶化时期,房地产公司违约距离表现出由中等区间[3, 5]向低区间|-2, 3]迁移的特点,在违约风险水平改善时期,违约距离又反方向迁移;2015年1季度至2017年1季度,房地产行业违约风险水平剧烈波动,2017年4季度之后,行业违约风险水平再次出现恶化迹象,房地产公司违约距离存在向低区间迁移的可能性;一般认为资产规模越大的房地产公司具有更低的违约风险,本文研究显示资产规模大的房地产公司的违约风险更高,原因主要在于资产规模大的房地产公司的负债率远高于资产规模小的公司,在房地产行业违约风险水平恶化的情况下,资产规模大且负债率高的房地产公司的信用风险应引起格外关注。 相似文献