上市公司信用风险预警的实证分析——基于KMV模型

本文运用KMV模型,对中国A股上市的2000多家公司进行了实证分析和检验,事实发现,KMV模型的假设条件在现实生活中不容易满足,并且KMV模型并不能在财务风险预警上取得良好的效果,很多非ST公司的违约概率要高于ST公司的违约概率。这一现象有可能是因为KMV模型自身的问题,如需要资产满足正态分布,不区分长短期债务时间,单纯考虑违约风险等。     

江苏省上市公司违约率的实证研究

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     

KMV模型在中国的适用性研究

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。     

基于KMV动态违约距离的商业银行信用风险研究

随着巴塞尔协议对商业银行风险监管要求的不断提高,以及经济新常态下商业银行自身对信用风险管理能力提高的内在需求,对商业银行信用风险的度量和信用评级体系的建立成为当前商业银行面临的重大课题。本文根据国外金融机构常用的风险度量KMV模型,结合我国上市公司具体特征,对KMV模型进行改进,并利用动态违约距离估计最优违约距离,利用改进后的模型对141家上市公司的信用风险进行度量,结果表明,改进后的模型能够很好地区分违约特征,并以此建立的信用评级结果分布良好,能够较好地适用商业银行的信用风险度量要求。     

KMV模型在我国商业银行信用风险管理中的适用性分析及实证检验

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。     

KMV模型在中国应用的参数修正——一个文献综述

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。     

基于KMV模型的上市中小企业信贷风险研究

本文利用改进的KMV模型,对我国上市中小企业2008-2011年的信贷风险进行实证分析,并对改进后的模型进行准确性研究。研究结果表明:上市中小企业资产规模对违约距离的影响具有不确定性,但效果也不明显;股价的波动也会影响到违约距离的大小,且两者的关系是负相关的。改进后的KMV模型计算出的违约距离能很好地对上市中小企业的信贷风险进行度量和判别,实证分析表明:上市中小企业的违约距离近年来呈下降趋势,信贷风险有增大的迹象。     

基于KMV模型的我国商业银行信用风险度量实证分析——以16家上市商业银行为例

信用风险是商业银行最主要的风险之一,度量银行业的信用风险对监管机构和社会公众投资者都有很大意义。本文以我国16家不同性质的上市商业银行作为研究对象,基于2015年样本银行的财务数据和股票数据,运用先进的度量违约风险的KMV模型,计算得到了这些不同性质银行的违约距离,最后根据结果作了总结并给出几点建议。     

不同行业上市公司信用违约点选择比较研究—KMV模型应用与研究

KMV模型在商业银行度量上市公司信用质量上占据重要的地位，但由于KMV模型是根据美国市场情况开发的，更适合一些西方发达资本市场国家，我国在引进KMV模型时，将根据我国具体情况进行修正。本文认为上市公司所属行业不同，会影响到其违约点的选择．从而通过对ICB行业划分中的基础材料、工业、消费业进行样本验证，当违约点依次为流动负债加40％、70％、10％的长期负债时，KMV对上市公司的信用质量甄别效果最好。进而认为商业银行在度量上市公司信用质量时，应分行业差别性度量。     

基于KMV模型对我国上市保险公司的信用风险度量

目前,我国对保险公司的监管主要是静态监管,不能完全满足未来经济发展对保险业监管提出的挑战。为此,本文在介绍了KMV模型后,利用KMV模型对我国已上市的保险公司的风险进行了度量,旨在探讨在未来时机成熟时保险监管中引入KMV模型,利用KMV模型良好的风险预测能力,加强和改善保险监管的可能性。