【摘要】：作為我國商業(yè)銀行面臨的最主要金融風(fēng)險類型之一,信用風(fēng)險對商業(yè)銀行的整體發(fā)展起到至關(guān)重要的作用。與西方發(fā)達國家相比,我國商業(yè)銀行的信用風(fēng)險管理水平明顯落后,信用風(fēng)險管理體系有待完善,特別是風(fēng)險管理工具及技術(shù)與國際上發(fā)達國家的商業(yè)銀行相比存在較大的差距。因此我國商業(yè)銀行若想穩(wěn)健發(fā)展,并參與激烈的國際金融市場競爭,必須提高風(fēng)險識別、評估、控制等能力,通過借鑒、吸收并應(yīng)用國外一些成熟的風(fēng)險管理技術(shù),進而建立科學(xué)的風(fēng)險識別、檢測、度量控制體系,及時對面臨的信用風(fēng)險進行科學(xué)度量與有效管理,提高信用風(fēng)險管理系統(tǒng)在風(fēng)險控制過程中所發(fā)揮的關(guān)鍵效用。首先,本文多角度全面分析我國商業(yè)銀行信用風(fēng)險現(xiàn)狀、信用風(fēng)險管理中存在的問題并詳細闡述度量在信用風(fēng)險管理中的重要地位。在比較現(xiàn)代四種信用風(fēng)險測度模型在我國適用性的基礎(chǔ)上,選擇KMV模型為基礎(chǔ)模型。其次,為提高KMV模型在我國的適用性,對其參數(shù)進行修正:針對股票收益率序列尖峰厚尾及杠桿效應(yīng)的特征,采用EGARCH(1,1)-M模型取代GARCH(1,1)模型計算股權(quán)價值波動率;針對我國存在非流通股問題,采用凈資產(chǎn)定價法估值;在違約點的設(shè)置上,通過計算并檢驗3種不同違約點下正常公司與違約企業(yè)的違約距離是否存在顯著性差異,從而選出最優(yōu)違約點;無風(fēng)險收益率采用上海同業(yè)拆借利率(Shibor)以更好反映利率市場化進程。最后,本文選取2014年商業(yè)銀行貸款投向位居前5的行業(yè)共計14家上市公司財務(wù)數(shù)據(jù)與市場數(shù)據(jù)進行信用風(fēng)險測度的實證分析和檢驗,驗證了修正KMV模型在我國信用風(fēng)險測度中的有效性。最后,本文從度量手段與應(yīng)用環(huán)境兩個方面對提高信用風(fēng)險管理水平提出建議。研究結(jié)果表明:(1)運用EGARCH(1,1)-M模型計算股權(quán)價值波動率,可以反映出前收益率與未來波動間的杠桿效應(yīng),提高了計算精度。(2)通過獨立樣本T檢驗,選出最優(yōu)違約點為DPT=0.75LTD+STD;(3)ST公司的違約距離均值在總體上是小于非ST公司的,這意味著總體上其違約風(fēng)險也小于ST公司,這與現(xiàn)狀相一致。而理論違約概率與現(xiàn)狀并不完全相符,即理論違約概率無法有效識別公司的全部信用風(fēng)險。(4)不同行業(yè)的上市公司信用風(fēng)險水平差異明顯,其中制造業(yè)上市公司的信用風(fēng)險最大。(5)對實證結(jié)果進行K-S檢驗、Mann-Whitney U檢驗,結(jié)果表明修正后的KMV模型可以有效區(qū)分ST公司與非ST公司的風(fēng)險水平。在此基礎(chǔ)上,進一步利用ROC曲線表示修正后模型預(yù)測能力,預(yù)測能力準(zhǔn)確率達到85.7%。
[Abstract]:As one of the most important types of financial risk faced by commercial banks in China, credit risk plays a vital role in the overall development of commercial banks. Compared with the western developed countries, the credit risk management level of our commercial banks is obviously backward, and the credit risk management system needs to be improved. Especially, there is a big gap between risk management tools and technology compared with commercial banks in developed countries. Therefore, if our commercial banks want to develop steadily and participate in the fierce international financial market competition, we must improve the ability of risk identification, evaluation, control, and absorb and apply some mature risk management techniques from abroad. Then a scientific risk identification, detection, measurement and control system is established to measure and effectively manage the credit risk in time, and to improve the key utility of the credit risk management system in the process of risk control. First of all, this paper comprehensively analyzes the current situation of credit risk of commercial banks in China, the existing problems in credit risk management and elaborates the important position of measurement in credit risk management. On the basis of comparing the applicability of four modern credit risk measurement models in China, KMV model is chosen as the basic model. Secondly, in order to improve the applicability of the KMV model in China, the parameters are revised: according to the characteristics of the sharp and thick tail of stock return series and leverage effect, the EGARCH (1K1) -M model is used to calculate the volatility of equity value instead of the GARCH (1K1) model; In view of the problem of non-tradable shares in China, the net asset pricing method is used to estimate the stock. In the setting of default point, the difference of default distance between normal company and defaulting enterprise under three different default points is calculated and tested, and the optimal default point is selected. The risk-free rate of return adopts Shanghai Interbank offered rate (Shibor) to better reflect the process of interest rate marketization. Finally, this paper analyzes and tests the credit risk measurement of 14 listed companies in the top 5 industries in 2014. The validity of the modified KMV model in China's credit risk measurement is verified. Finally, this paper puts forward some suggestions on how to improve the level of credit risk management from the aspects of measurement and application environment. The results show that: (1) using EGARCH (1) -M model to calculate the volatility of equity value can reflect the leverage effect between forward return and future volatility, and improve the accuracy of calculation. (2) through independent sample T test, The optimal default point is DPT=0.75LTD STD;. (3) the average default distance of ST is smaller than that of non-ST on the whole, which means that the default risk of ST is smaller than that of ST, which is consistent with the present situation. However, the theoretical default probability is not completely consistent with the present situation, that is, the theoretical default probability can not effectively identify the total credit risk of the company. (4) the level of credit risk of listed companies in different industries varies significantly. The credit risk of listed companies in manufacturing industry is the largest. (5) K-S test and Mann-Whitney U test are carried out on the empirical results. The results show that the modified KMV model can effectively distinguish the risk level between ST and non-ST companies. On this basis, the prediction ability of the modified model is further expressed by ROC curve, and the accuracy of prediction is 85.7%.
【學(xué)位授予單位】：南京財經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F832.33

【相似文獻】

相關(guān)期刊論文 前10條

1 姜曉兵;溫小霓;;現(xiàn)代投資組合理論中風(fēng)險測度方法的比較分析[J];價值工程;2006年05期

2 賀思輝;王茂;;小樣本下的金融風(fēng)險測度的技術(shù)研究[J];數(shù)理統(tǒng)計與管理;2006年03期

3 文平;馬雪雅;齊曉波;;一致性風(fēng)險測度公理的修正[J];統(tǒng)計與決策;2007年06期

4 文平;秦伶俐;;基于凸函數(shù)的風(fēng)險測度[J];數(shù)學(xué)的實踐與認識;2013年04期

5 王文龍;程希駿;;基于譜風(fēng)險測度的期指保證金水平設(shè)定[J];中國科學(xué)技術(shù)大學(xué)學(xué)報;2011年12期

6 鄭承利;陳燕;;基于等熵一致性風(fēng)險測度的組合選擇[J];系統(tǒng)工程理論與實踐;2014年03期

7 謝赤;陳世平;張運生;;高新技術(shù)企業(yè)R&D投資風(fēng)險測度系統(tǒng)研究[J];科技管理研究;2006年06期

8 劉富兵;劉海龍;;下邊風(fēng)險測度下養(yǎng)老基金的最優(yōu)資產(chǎn)配置[J];系統(tǒng)工程學(xué)報;2010年05期

9 蹤程;陳立文;尹志軍;馬力;;城市房價風(fēng)險測度及預(yù)警研究綜述[J];建筑經(jīng)濟;2012年06期

10 唐吟;蘇錫坤;;譜風(fēng)險測度下的投資組合[J];特區(qū)經(jīng)濟;2012年11期

相關(guān)會議論文 前3條

1 周倩;彭錦;;變形風(fēng)險測度與賦變范風(fēng)險空間[A];第九屆中國不確定系統(tǒng)年會、第五屆中國智能計算大會、第十三屆中國青年信息與管理學(xué)者大會論文集[C];2011年

2 曹志鵬;;一致風(fēng)險測度下的商業(yè)銀行資產(chǎn)配置效率研究[A];經(jīng)濟發(fā)展與管理創(chuàng)新--全國經(jīng)濟管理院校工業(yè)技術(shù)學(xué)研究會第十屆學(xué)術(shù)年會論文集[C];2010年

3 許啟發(fā);靳鑫;;金融風(fēng)險測度的統(tǒng)計監(jiān)測[A];第四屆（2009）中國管理學(xué)年會——金融分會場論文集[C];2009年

相關(guān)重要報紙文章 前1條

1 寶盈基金管理公司 杜海濤;VaR及其在流動性風(fēng)險測度與股票質(zhì)押貸款比率確定中的應(yīng)用[N];證券時報;2003年

相關(guān)博士學(xué)位論文 前10條

1 海小輝;歐盟碳排放配額交易市場的價格決定因素及風(fēng)險測度[D];天津大學(xué);2014年

2 張f平;風(fēng)險測度一致性的拓展研究[D];上海交通大學(xué);2007年

3 徐照宇;廣義非對稱金融風(fēng)險測度及應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

4 朱云洲;若干風(fēng)險測度下的最優(yōu)再保險設(shè)計[D];浙江大學(xué);2015年

5 周春陽;風(fēng)險承受者視角下的下邊風(fēng)險管理[D];上海交通大學(xué);2009年

6 蔣翠俠;動態(tài)金融風(fēng)險測度及管理研究[D];天津大學(xué);2007年

7 劉俊山;基于風(fēng)險測度理論的證券投資組合優(yōu)化研究[D];復(fù)旦大學(xué);2007年

8 梁凌;基于信用風(fēng)險測度的商業(yè)銀行貸款定價研究[D];湖南大學(xué);2009年

9 慕永國;基于條件在險價值風(fēng)險測度的供應(yīng)鏈契約模型研究[D];哈爾濱工業(yè)大學(xué);2010年

10 馮謙;信用風(fēng)險測度和信用衍生產(chǎn)品定價[D];上海交通大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 翁在麗;基于P范數(shù)的多元及多期風(fēng)險測度[D];華東師范大學(xué);2010年

2 曹植;我國保險業(yè)系統(tǒng)性風(fēng)險測度研究[D];山東財經(jīng)大學(xué);2015年

3 沈盟;基于Bootstrap方法的金屬期貨市場風(fēng)險測度VaR和ES的區(qū)間預(yù)測[D];西南交通大學(xué);2015年

4 李婭;我國商業(yè)銀行結(jié)構(gòu)性理財產(chǎn)品的風(fēng)險測度與實證檢驗[D];復(fù)旦大學(xué);2014年

5 鄭倩玉;中國銀行業(yè)系統(tǒng)性風(fēng)險測度及監(jiān)管啟示[D];吉林財經(jīng)大學(xué);2016年

6 張盈;基于Banach空間的擬凸風(fēng)險測度與價格泡沫問題的研究[D];南京理工大學(xué);2016年

7 張文靜;基于擬凸風(fēng)險測度下的最優(yōu)風(fēng)險配置[D];南京理工大學(xué);2016年

8 王坤宇;基于風(fēng)險測度理論的CVPP運行方式研究[D];華北電力大學(xué)(北京);2016年

9 董晨椌;中小板上市公司信用風(fēng)險測度研究[D];湖南大學(xué);2016年

10 周雪靜;我國商業(yè)銀行違約風(fēng)險測度研究[D];山東大學(xué);2016年

，

本文編號：2333002