基于KMV模型的我国中小上市公司信用风险研究

经过提高股权价值波动率精度的KMV模型对我国中小上市公司有很强的识别信用风险状况的能力.中小上市公司违约的可能性大于我国大型企业,信用状况不容乐观,整体信用状况在近3年间表现波澜不惊,到2006年违约风险有增大趋势.通过设定两条信用预警线,来监控中小上市公司的信用危机.资产规模对信用风险有显著影响,2004年之后资产规模与违约风险显著负相关,总资产小于3亿元的小公司抗风险能力最差.股份分置改革引起了中小上市公司信用风险短时间的波动,是2006年中小上市公司违约风险变大的重要原因。     

基于KMV模型的农业上市公司信用风险测度研究

通过构建改进后的KMV模型,设定三种不同违约情境,对2010-2012年我国农业上市公司的信用风险进行测度与比较研究,并确定其隶属的风险类型,以揭示现阶段农业上市公司的信用状况.研究结果表明:不同农业上市公司的资产价值均高于股权价值,其未来发展具有较好的价值增值空间;农业上市公司的资产价值波动率总体呈下降趋势;农业上市公司信用状况相对较差,且风险类型主要集中于"∩"型和↘型".由此得出农业上市公司未来的发展,应在推进"股权分置"改革、建立可量化的风险管理机制、实现风险管理与业务流程融合等方面采取措施,从而有效降低我国农业上市公司的信用风险.     

银行信用风险演变的KMV模型分析—以五家中小商业银行为例

利用KMV模型方法,借助预期违约概率（EDF）和违约距离（DD）两个指标分析在我国A股上市的五家中小商业银行的信用风险。着重分析其预期违约概率的变化以及违约距离对股票价格、无风险利率、股权价值波动率等参数的敏感性。结果表明：五家商业银行在2008年前10个月的EDF上升明显,2008年11月EDF开始明显回落。从宁波银行的个案来看,违约距离对无风险利率的敏感性较弱、对股价在较低价位时的敏感性较强,而在较高价位时敏感性较弱,对股权价值波动率的敏感性较强。从违约距离对各参数的敏感性分析结论出发,阐述了稳定并提振我国A股股市的重要性。     

KMV模型关系函数推测及其在中国股市的验证

在中国这样一个缺少足够信用数据的新兴市场，KMV模型直接利用股票市场的数据进行信息管理，具有广阔的应用前景。然而，KMV模型σA和σE的关系是随市场不同而变化的。本利用中国股市的数据，得出了适应中国市场的σA和σE的关系函数，初步实现了运用期权理论对中国上市公司的信用风险进行估测，具有相当的理论和现实意义。     

“两高”和新能源产业的绿色信贷信用风险研究——基于KMV模型的经验数据检验

绿色信贷限制与支持的产业中许多产业都是产能过剩的,因此绿色信贷虽为国家所倡导但也蕴含着巨大的信用风险.使用KMV模型着重对绿色信贷的特性进行分析,并对使用最小误判法对模型进行修正.通过搜集"两高"产业和新能源产业2011-2013年的上市公司经验数据,对两部分的信用风险状况进行比较,以此来实证检验绿色信贷风险状况.发现在增加股市价值为表现形式的市场预期之后,与设想的结果相反,新能源产业的信用风险并不高于"两高"产业,推进绿色信贷政策可以改善银行的信贷结构,降低信用风险.但新能源产业也表现出一般新兴产业的特点,产业内公司风险差距较大,个别企业仍面临着高风险.同时市场表现受政策影响较大,影响盈利能力不稳定性因素较多.     

KMV模型运用于中国上市公司财务困境预警的实证检验

我国目前关于上市公司财务困境预警的研究大多建立在试误的基础上,缺少经济理论依据;并且经我们证明,按照配对原则设定的分析样本会出现过度抽样等问题,这将会大大高估模型的预警能力。因此本文将基于期权定价理论的KMV模型首次运用到财务困境预警中,引入功率曲线进行对照分析,经过大量的实证研究后得出结论:KMV模型运用到中国上市公司财务困境预警中是完全可行的,而且相对基于大量历史数据得到了Logistic、Fisher等模型,其优势是明显的。     

一种与市场预期误差最小的信用风险评价模型及实证

利用KMV测算的违约距离,反映市场预期的违约风险.引入R平方构建信息比率测算指标体系的信息含量,解决指标筛选过程中的信息含量测算问题,筛选出的财务指标体系既满足分散化原则,又符合信息含量最大原则.基于与市场预期违约风险一致原则,通过构建与市场预期违约风险误差最小的有约束优化模型确定指标权重,解决没有公开和完备贷款违约数据库时的信用风险评价问题.以中小企业板块上市公司作为样本进行了实证分析,评价结果表明,建立的与市场预期风险误差最小的信用风险评价体系能够准确反映我国中小企业违约风险的现状.     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

基于公司收益率的信用风险动态分析

将公司的净资产收益率看作是由公司的前一系列收益率数据和宏观经济因素共同影响下的变量,并使用VAR方法对宏观经济变量进行分析,建立了企业收益率的动态预测模型,由此对公司下一时刻的收益率进行预测,进而根据违约门限对违约概率进行了估计.     

基于BP算法的信用风险评价模型研究

本文利用神经网络技术建立基于 BP算法的信用风险评价模型 ,为我国某商业银行 12 0家贷款企业进行信用风险评价 ,按照企业的信用等级分为“信用好”、“信用中等”和“信用差”三个小组 .仿真结果表明 ,本文所建立的神经网络信用风险评价模型的分类准确率高于传统的参数统计分类方法——线性判别分析法的分类准确率 .文中还详细给出神经网络信用风险评价模型的网络构建方法及基于 BP网络的学习算法和步骤 .     

基于DEA模型的中国家电上市公司效率实证分析

基于规模报酬可变的DEA模型和Malmquist指数方法,利用中国22家家电上市公司2006-2011年间的截面数据和面板数据,从静态视角和动态视角双维度考察了这一时期中国家电上市公司效率状况.研究发现,2006-2011年期间中国家电上市公司技术效率状况不佳,平均值为0.87,技术效率经历了下降后缓慢上升的趋势;中国家电上市公司动态效率较低,平均增长率为2.3%,且动态效率具有明显的波动性,缺乏持续的增长趋势,技术进步是中国家电上市公司动态效率增长主要动力,技术效率对其增长贡献较小.     

上市公司信用风险分析模型中的变量选择

当前上市公司信用风险数据所呈现出的高维度以及高相关性的特点严重影响了信用风险模型的准确性。为此本文结合已有算法以及信用风险模型的特点设计了一种新的基于非参数的变量选择方法。通过该方法对上市公司用风险相关变量进行分析筛选可以消除数据集中包含的噪声变量以及线性相关变量。本文同时还针对该方法设计了高变量维度下最优解求解算法。文章以Logistic模型为例对上市公司信用风险做了实证分析,研究结果表明与以往的变量选择方法相比该方法可以有效的降低数据维度,消除变量间的相关性,并同时提高模型的可靠性和预测精度。     

中国企业债信用风险度量的实证研究

我们基于KMV模型以及Delianedis and Geske(2001)模型,对05国航债进行了信用风险度量分析.根据中国国航在2007年7月23日的收盘价和近三年的财务数据我们对05国航债的信用利差进行了实证分析,并就实证结果提出了自己的观点:由于我国的企业债不是信用债券,而是由国有商业银行担保的债券,因此2007年7月23日05国航债的利差估计值与实际利差的差额547.34个基点应该由担保银行——中国农业银行的信用所消化.     

我国上市公司资本结构决策的实证研究

本在已有资本结构理论研究成果的基础上，对30家沪市上市公司的资本结构进行了实证研究，提出了在我国资本市场环境下优化企业资本结构的对策建议。