我国上市公司信用风险度量——基于KMV模型

美国次贷危机的爆发,加深了人们对信用风险度量重要性的认识,KMV模型是当今世界最流行的信用风险度量模型之一。文章运用KMV模型,比较各组样本违约距离的差异性,得出了如下的结论:总体上看,ST股票的信用风险要大于非ST股票,*ST股票的信用风险要大于ST股票,而对于不同主体信用等级的股票,随着信用等级的逐步降低,信用风险也随之加大。从而证明了KMV模型在我国具有良好的适用性。     

上市公司信用风险度量研究

本文利用KMV模型计算出样本上市公司的违约距离,并将其作为PROBIT模型的自变量计算出上市公司的违约概率。实证结果表明,违约距离能较好地识别上市公司的信用风险,将违约距离作为自变量进行PROBIT建模分析时明显提高了模型的统计显著性和预测精度。在无法利用KMV模型测算上市公司经验违约率时,利用加入违约距离做自变量的PROBIT模型可以实现有效的替代,将二者结合起来使用能够为金融机构的信用风险评价提供科学依据。     

KMV模型对中国上市公司信用风险识别能力的实证研究

KMV模型作为一种结构化信用风险度量和预测工具,在国外成熟市场已被广泛采用。本文选取了66家中国的上市企业作为样本,通过比较其违约距离,检验了KMV模型的信用风险识别能力;同时选取了25家ST企业三年的数据作为样本,通过纵向比较其违约距离,检验了KMV模型的信用风险预警能力。     

基于我国上市公司信用状况的KMV模型运用与实证分析

文章对KMV在我国的应用情况进行了研究,设立七种违约点,分别计算出违约距离,最终确立一个最适合我国股市的违约点计算模型.为了提高计算的正确性,在计算股权的市场价值时考虑了非流通股的价值.实证分析表明,ST公司违约距离与非ST公司违约距离差距明显,从而说明KMV模型在我国使用是有效的,并且发现对总资产与流动负债、长期负债之间的回归取得的带截距项的回归方程是最适合我国股市的违约点设置.     

金融危机中上市公司信用风险变化——基于KMV模型的实证分析

KMV模型是基于公司的股权价值和负债之间的关系来计算公司的违约风险,但在金融危机背景下几乎所有公司的股价均大幅下跌,由此计算出的公司违约距离和违约率也大幅度上升,并且基于历史数据的预测结果也不再有效。选择2007年研究结果中违约风险具有明显差异的成对公司样本,计算2008年的违约距离和理论违约率,发现这种鲜明的对比已不复存在。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,选择24家A股上市公司的年度数据,利用KMV模型对它们的信用风险状况进行分析。     

我国制造业上市公司信用风险研究——基于KMV模型

运用KMV模型对我国46家制造业上市公司的信用风险进行评估。实证结果表明,引入公司资产价值增长率后的KMV模型能够更好地区分ST和业绩优良的制造业上市公司,可用于我国商业银行对制造业上市公司信用风险的度量。     

KMV模型的修正及应用研究

根据我国资本市场的特点,选取KMV模型的相关参数,使用上市公司在某国有商业银行贷款不良率替代其违约率,拟合出贷款不良率与违约距离的函数关系.实证结果表明,在KMV模型使用不良率替代违约率计量上市公司的信用风险的方法是可行的.     

基于JD-KMV模型的上市公司信用风险度量——一个区域金融视角下的实证研究

为改进KMV模型忽略了资产价值跳跃行为这一不足,基于JD期权定价模型与广义Ito引理,构建一个JDKMV模型。选取2012年中国19个省市区新增的16家ST公司以及与之配对的16家非ST公司为研究对象,采用极大似然法与最小二乘法估计JD-KMV模型的参数,考察股票价格的跳跃特征,度量上市公司信用风险。结果表明:JDKMV模型优于KMV模型;中国东北、华中、华南、西北区域股价跳跃风险较大,华北、西南区域跳跃风险较小;东北、华中、西北区域上市公司信用风险较大,华北、华东、西南、华南区域信用风险较小。     

基于Leland-Toft模型的我国上市公司信用风险研究

文章首次运用Leland-Toft模型对我国上市公司的信用风险进行了实证研究,结果表明:通过该模型得到的预期违约率能够较好地描述上市公司的信用风险,不同信用级别上市公司的预期违约率有明显的不同,因而该模型在识别我国上市公司的信用风险时显示出一定的有效性.根据新华远东的信用评级体系,我们从Leland-Toft模型计算结果中发现:二A级以上公司、三B级以上公司和三B级以下公司分别在三年、一年和半年内的预期违约率接近为零,而我国上市公司长期的预期违约率则普遍偏高.     

基于跳跃-扩散KMV模型的上市公司信用风险评估

本文在传统KMV模型基础上进行改进,引入风险资产价格的跳跃因素,构建跳跃-扩散KMV模型。分别从行业属性、公司属性和公司规模三个角度,对我国126家上市公司的跳跃风险进行估计,并对其信用风险进行度量。在此基础上,以测算的违约距离为被解释变量,以经济周期、跳跃风险及反映企业自身经营情况的财务指标为解释变量,利用固定效应模型实证检验企业信用风险的影响因素。结果表明,使用跳跃-扩散KMV模型度量上市公司信用风险的效果较好,测量结果与我国实际情况较吻合;同时企业的信用风险与其自身的偿债能力和跳跃风险呈显著正相关,而与其盈利能力、成长能力、营运能力及宏观经济状况呈显著负相关。     

基于KMV模型的适用性研究与应用分析——以A股市场主要过剩产能行业为例

本文通过对2007年—2012年钢铁行业和水泥建材行业共45家上市公司的财务数据和股票历史信息的分析,基于KMV模型原理,通过使用Matlab、Excel等软件,实证分析了近几年来上述企业的违约距离,并探讨产能过剩和信用违约之间的关系。实证结果表明,KMV模型适用于钢铁行业和水泥建材行业的信用违约测度,结果符合经济运行形势;同时,上述行业产能过剩并不能直接解释以违约距离表征的公司信用违约风险。     

基于SV-KMV模型的信用风险度量研究

KMV模型是度量信用风险的主要模型,股权价值波动率是KMV模型的重要参数,应用改进KMV模型GARCH-KMV模型与SV-KMV模型对中国上市公司信用质量的实证研究表明:股权价值波动与KMV模型的结果违约距离高度负相关;GARCH-KMV与SV-KMV模型均能度量上市公司信用状况,但SV-KMV模型比GARCH-KMV模型度量效果更好。     

基于KMV模型的上市公司信用风险度量分析

信用风险是金融业面临的最主要的风险之一,对企业债权人及股东的投资产生重要影响,因此,度量信用风险显得十分重要。采用KMV模型对中国上市公司的信用风险进行度量,结果表明该模型能很好地识别信用风险。     

我国物流业上市公司全要素生产率的实证分析

利用基于DEA的Malmquist生产率指数法,选取4个投入指标和2个产出指标,对2005—2009年我国22家物流行业上市公司(分为港口类和运输类)的全要素生产率指数及其分解进行动态测算。结果表明:2005—2009年我国22家物流公司的Malmquist生产率指数总体上呈下降趋势,2009年的Malmquist生产率指数最低,该下降趋势主要是由技术水平下降造成的;纯技术效率和规模效率比较低,但呈增长态势;运输类公司的技术效率大于港口类公司,但技术效率年均增长幅度的情况恰好相反;与长三角地区和泛珠三角地区相比,位于环渤海地区的物流行业上市公司的Malmquist生产率指数最高,该地区的物流业发展潜力较大。最后,提出相应的政策建议。     

上市公司财务报告舞弊识别的实证研究

从沪深两市上市公司中选取1999—2010年期间受到中国证监会(或财政部)公开处罚的35家A股上市公司和35家正常公司为样本,用Logistic回归的实证分析方法建立财务舞弊定量识别模型。     

关于零售市场信用风险建模的问题讨论

与一些传统的信用风险度量方法相比,期权理论结构模型(如KMV和Moody'sRiskCalc)以及缩减式模型(如CreditRisk )在零售信用风险的应用上提供了另一种选择。这些模型的考虑重点是借款公司的资产价值。这些模型的问题在于零售借款者通常不具备上市条件,因应用于流动性的原因它们的资产价格往往是不可得的或者是不可靠的。并且,CreditRisk 应用的重点在中间市场,必须开发出能够直接评估零售借款者的数据库,以便模型能够在零售借贷中使用。     

金融支撑体系对我国物联网产业发展的作用——基于我国物联网上市企业的实证分析

界定了金融支撑体系的内涵及其构成,阐述了国内外物联网产业发展现状,从理论层面分析了财政税收、商业银行、创业投资和资本市场对中国物联网产业发展的影响,并提出相关研究假设。以2010—2012年中国46家物联网上市企业的数据为基础,建立面板数据混合回归模型,实证分析不同金融支持方式对物联网上市企业绩效的影响。研究发现:留存收益、财税、股权和创业投资4种金融支持方式与物联网上市企业的绩效显著正相关;商业银行信贷支持与物联网上市企业绩效正相关但不显著,说明信贷资金利用的有效性有待加强。最后提出完善金融支撑体系以促进中国物联网产业发展的对策建议。