【摘要】：隨著國內(nèi)外信用風(fēng)險(xiǎn)領(lǐng)域中研究方法的不斷深入,國內(nèi)資本市場(chǎng)的大幅波動(dòng)再一次引起了商業(yè)銀行、投資者和政府監(jiān)管部門等對(duì)上市公司信用風(fēng)險(xiǎn)問題的高度重視。因此,在總結(jié)國內(nèi)外的研究方法的基礎(chǔ)上,將二元貝葉斯分位數(shù)回歸模型運(yùn)用到信用風(fēng)險(xiǎn)領(lǐng)域進(jìn)行識(shí)別與測(cè)量,并與二元均值Logit回歸模型、KMV模型分別進(jìn)行對(duì)比研究。選取2014年——2016年間所有被公示特別處理ST或*ST的上市A股企業(yè)作為高信用風(fēng)險(xiǎn)組,根據(jù)違約公司的行業(yè)以及市值等因素,選擇與其相對(duì)應(yīng)的上市A股公司作為低信用風(fēng)險(xiǎn)組,設(shè)置預(yù)測(cè)時(shí)間均為1年,所有參與模型回歸的數(shù)據(jù),不論是財(cái)務(wù)信息數(shù)據(jù)還是資本信息數(shù)據(jù)均選擇T-2(T為特殊處理公示年份)時(shí)間點(diǎn)上的數(shù)據(jù)。在基于上述樣本與指標(biāo)的基礎(chǔ)上,對(duì)二元貝葉斯分位數(shù)回歸模型、二元均值Logit回歸模型、KMV模型進(jìn)行實(shí)證分析與結(jié)果闡述。其中,對(duì)二元貝葉斯分位數(shù)回歸模型的在不同分位數(shù)水平下的結(jié)果做一詳細(xì)分析,基于KMV模型的不同分組對(duì)違約距離等指標(biāo)進(jìn)行雙樣本非參數(shù)檢驗(yàn)。最后,引入一系列評(píng)價(jià)指標(biāo)和評(píng)價(jià)曲線如正確率、召回率、ROC曲線和PR曲線等,將二元貝葉斯分位數(shù)回歸模型分別與二元均值Logit回歸模型和KMV模型進(jìn)行雙模型與三模型的對(duì)比研究。通過實(shí)證分析和對(duì)比研究綜合表明:二元貝葉斯分位數(shù)回歸模型可以有效地改進(jìn)二元均值Logit模型僅針對(duì)平均風(fēng)險(xiǎn)與各財(cái)務(wù)指標(biāo)的關(guān)系這一缺陷,得出在不同信用風(fēng)險(xiǎn)的條件下,各個(gè)財(cái)務(wù)指標(biāo)的影響水平的變化趨勢(shì),同時(shí)經(jīng)過三模型的對(duì)比研究后,可以得出,二元貝葉斯回歸模型的預(yù)測(cè)違約公司的綜合水平最高。
【學(xué)位授予單位】：青島大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：F272.3;F832.51
【圖文】：

青島大學(xué)碩士學(xué)位論文總資產(chǎn)增長(zhǎng)率參數(shù)估計(jì)值 -12.3810 -5.6230 -9.1780標(biāo)準(zhǔn)差 4.5918 2.0318 3.4686置信區(qū)間 -20.6923 -5.6290 -9.1505 -2.4412 -14.5996 -3.5952注 a：表中 Beta2~Bata18 的定義在表 3.1 指標(biāo)概述中列出同時(shí)還獲得各指標(biāo)在不同分位點(diǎn)下的軌跡圖，與 MCMC 抽樣的軌跡圖，由于篇幅限制，這里僅列出 0.1，0.5，0.9 分位點(diǎn)處的軌跡圖，如下圖 3.1、3.2 和 3.3 所示：

同時(shí)還獲得各指標(biāo)在不同分位點(diǎn)下的軌跡圖，與 MCMC 抽樣的軌跡圖，由于篇幅限制，這里僅列出 0.1，0.5，0.9 分位點(diǎn)處的軌跡圖，如下圖 3.1、3.2 和 3.3 所示：圖 3.1 0.1 分位點(diǎn)處的抽樣軌跡

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙為華;張日權(quán);;基于貝葉斯方法的比例數(shù)據(jù)分位數(shù)推斷及其應(yīng)用[J];統(tǒng)計(jì)與信息論壇;2016年08期

2 蔣書彬;;基于KMV動(dòng)態(tài)違約距離的商業(yè)銀行信用風(fēng)險(xiǎn)研究[J];金融與經(jīng)濟(jì);2016年05期

3 柳向東;李鳳;;大數(shù)據(jù)背景下網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)評(píng)估——以人人貸為例[J];統(tǒng)計(jì)與信息論壇;2016年05期

4 吳永求;趙靜;;轉(zhuǎn)移支付結(jié)構(gòu)與地方財(cái)政效率——基于面板數(shù)據(jù)的分位數(shù)回歸分析[J];財(cái)貿(mào)經(jīng)濟(jì);2016年02期

5 姬中洋;;我國交通基礎(chǔ)設(shè)施對(duì)居民消費(fèi)需求的影響——基于分位數(shù)視角[J];物流技術(shù);2016年01期

6 張莉;;貸款風(fēng)險(xiǎn)信用等級(jí)的多階Markov轉(zhuǎn)移概率估計(jì)[J];統(tǒng)計(jì)與決策;2015年23期

7 蔣_g;高瑜;;基于KMV模型的中國上市公司信用風(fēng)險(xiǎn)評(píng)估研究[J];中央財(cái)經(jīng)大學(xué)學(xué)報(bào);2015年09期

8 王鵬;;交通運(yùn)輸業(yè)能源消耗強(qiáng)度變化及影響因素分析[J];現(xiàn)代管理科學(xué);2015年06期

9 張奇;胡藍(lán)藝;王玨;;基于Logit與SVM的銀行業(yè)信用風(fēng)險(xiǎn)預(yù)警模型研究[J];系統(tǒng)工程理論與實(shí)踐;2015年07期

10 鄧曉衛(wèi);鄭邦貴;張洋;;分位數(shù)回歸中的樣本約束——基于蒙特卡洛方法[J];統(tǒng)計(jì)與決策;2014年24期

相關(guān)碩士學(xué)位論文 前2條

1 顧茜茜;基于分位數(shù)回歸的信用風(fēng)險(xiǎn)預(yù)測(cè)模型研究[D];山西財(cái)經(jīng)大學(xué);2012年

2 夏佑濤;我國上市公司信用風(fēng)險(xiǎn)識(shí)別方法的研究[D];西南財(cái)經(jīng)大學(xué);2011年

本文編號(hào)：2732834