本文選題：信用風(fēng)險(xiǎn)　切入點(diǎn)：KMV模型　出處：《江西財(cái)經(jīng)大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：在我國商業(yè)銀行所面臨的風(fēng)險(xiǎn)中,信用風(fēng)險(xiǎn)無疑是其中最為重要的一種,來自外部的競爭和銀行自身已有的不良資產(chǎn)的狀況,使信用風(fēng)險(xiǎn)管理水平的提高成為我國銀行業(yè)面臨的重要課題。對于我國的商業(yè)銀行而言,比較薄弱的環(huán)節(jié)就是在模型的量化管理方面,所以,信用風(fēng)險(xiǎn)的研究,信用風(fēng)險(xiǎn)度量模型的建立,以及準(zhǔn)確地定量分析所面臨的信用風(fēng)險(xiǎn),已經(jīng)是商業(yè)銀行提高經(jīng)營管理水平,降低信用風(fēng)險(xiǎn)的最基本、最迫切的要求。本文第一章主要論述了文章的背景及意義、文章的結(jié)構(gòu)、主要的內(nèi)容和研究方法。第二章則主要通過分析,比較了幾種主要的信用風(fēng)險(xiǎn)模型的優(yōu)缺點(diǎn),同時(shí)結(jié)合我國的實(shí)際,闡述了各個(gè)信用模型對我國商業(yè)銀行的適用性。第三章介紹了KMV信用風(fēng)險(xiǎn)管理模型的理論原理以及根據(jù)我國現(xiàn)有實(shí)際情況的做出了修正,在借鑒國內(nèi)外經(jīng)驗(yàn)的基礎(chǔ)上,同時(shí)結(jié)合我國的實(shí)際情況,構(gòu)建出了我國的KMV模型,在此基礎(chǔ)上我們試圖解決如何用KMV模型去有效地度量我國上市公司信用風(fēng)險(xiǎn)的問題。第四章是文章的實(shí)證部分,是文章的核心部分,針對中國證券市場股改已基本完成,市場對公司價(jià)值發(fā)現(xiàn)效率進(jìn)一步提高,股價(jià)反映公司價(jià)值信息進(jìn)一步增強(qiáng)的實(shí)際情況,運(yùn)用KMV模型基于市場價(jià)格變動(dòng)信息評價(jià)我國上市公司的信用風(fēng)險(xiǎn)已比較適合,根據(jù)中國上市公司的特殊性,運(yùn)用修正后的KMV模型評價(jià)ST公司和非ST公司在三年時(shí)間內(nèi)的信用風(fēng)險(xiǎn),并檢驗(yàn)?zāi)Ｐ妥R(shí)別風(fēng)險(xiǎn)的能力,結(jié)果表明此模型能較好地識(shí)別此兩類公司的信用風(fēng)險(xiǎn),KMV模型使用違約距離計(jì)量上市公司的信用風(fēng)險(xiǎn)的方法是可行的。通過實(shí)證研究發(fā)現(xiàn)：可以運(yùn)用修正后的KMV模型對上市公司信用風(fēng)險(xiǎn)進(jìn)行度量和管理。具體結(jié)論為：1.通過對ST公司和其匹配的非ST公司進(jìn)行實(shí)證分析發(fā)現(xiàn),由于我國數(shù)據(jù)庫的缺失,在現(xiàn)階段經(jīng)驗(yàn)的EDF還是沒有辦法得出,而采用理論違約概率得出的結(jié)論與實(shí)際上的情況很不一致,所以理論違約概率在識(shí)別上市公司的信用風(fēng)險(xiǎn)方面的作用甚微,只能通過違約距離來識(shí)別商業(yè)銀行的信用風(fēng)險(xiǎn)；2.文章通過實(shí)證,在第四章對上市公司ST前兩年半的數(shù)據(jù)進(jìn)行分析,發(fā)現(xiàn)用理論違約概率來識(shí)別我國上市公司的信用風(fēng)險(xiǎn)是不可行的,但得出了違約距離可以很好識(shí)別信用風(fēng)險(xiǎn)的結(jié)論,發(fā)現(xiàn)在被ST前兩年時(shí),ST和非ST在違約距離方面是有顯著差異的；3.同時(shí)發(fā)現(xiàn)在KMV模型中違約距離在前在三年中是不斷下降的,得出了KMV模型提前兩年就可以預(yù)測到信用風(fēng)險(xiǎn)的變化。本文重點(diǎn)說明了KMV模型參數(shù)的估值方法以及實(shí)際應(yīng)用。根據(jù)我國金融市場的實(shí)際情況對KMV模型作出了改進(jìn)和修正,可能的創(chuàng)新點(diǎn)包括：1.通過我國上市公司的具體數(shù)據(jù)得出違約點(diǎn)水平。2.利用KMV模型適合度量上市公司信用風(fēng)險(xiǎn)的特點(diǎn),同時(shí)結(jié)合我國上市公司的具體數(shù)據(jù),用修正后的KMV模型來度量我國上市公司的信用風(fēng)險(xiǎn)。
[Abstract]:Among the risks faced by commercial banks in our country, credit risk is undoubtedly the most important one. The external competition and the non-performing assets of the banks themselves are the most important. To improve the level of credit risk management has become an important issue for our banking industry. For our commercial banks, the relatively weak link is in the quantitative management of the model, so, the study of credit risk, The establishment of the credit risk measurement model and the accurate quantitative analysis of the credit risk are the most basic for the commercial banks to improve the management level and reduce the credit risk. The first chapter mainly discusses the background and significance of the article, the structure of the article, the main content and research methods. The second chapter compares the advantages and disadvantages of several main credit risk models. At the same time, combined with the reality of our country, the applicability of each credit model to our commercial banks is expounded. Chapter three introduces the theory and principle of KMV credit risk management model and makes a revision according to the actual situation of our country. On the basis of drawing lessons from domestic and foreign experience and combining the actual situation of our country, the KMV model of our country is constructed. On this basis, we try to solve the problem of how to use KMV model to effectively measure the credit risk of listed companies in China. Chapter 4th is the empirical part and the core part of the article. The efficiency of market value discovery is further improved, and the stock price reflects the actual situation of further enhancement of company value information. It is more appropriate to use KMV model to evaluate the credit risk of listed companies in China based on market price change information. According to the particularity of listed companies in China, the modified KMV model is used to evaluate the credit risk of St company and non-St company in three years, and to test the ability of the model to identify the risk. The results show that it is feasible to use this model to measure the credit risk of listed companies by using the default distance. It is found that the modified KMV model can be used to measure the credit risk of listed companies. The concrete conclusion is: 1.The empirical analysis of St company and its matched non-St company shows that, Because of the lack of database in our country, there is still no way to get the EDF experience at the present stage, but the conclusion obtained by using the theory default probability is very inconsistent with the actual situation. Therefore, the probability of theoretical default has little effect on identifying the credit risk of listed companies, so it can only identify the credit risk of commercial banks by default distance. In Chapter 4th, the author analyzes the data of the first two and a half years of St of listed companies, and finds that it is not feasible to identify the credit risk of listed companies by using the probability of theoretical default, but the conclusion is drawn that the distance of breach of contract can identify the credit risk of listed companies very well. It was found that there was significant difference between St and non-ST in the distance of default in the first two years of St. It was also found that in the KMV model, the distance of default decreased continuously in the previous three years. It is concluded that the KMV model can predict the change of credit risk two years in advance. This paper mainly explains the estimation method of the parameters of KMV model and its practical application. According to the actual situation of our country's financial market, the KMV model is improved and modified. The possible innovations include: 1. Through the specific data of listed companies in China, the level of default point is obtained. 2.Using KMV model to measure the characteristics of credit risk of listed companies, and combining with the specific data of listed companies in China, The modified KMV model is used to measure the credit risk of listed companies in China.
【學(xué)位授予單位】：江西財(cái)經(jīng)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F224;F832.4

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 田麗紅,吳曉燕,常明;中小企業(yè)信用風(fēng)險(xiǎn)度量模式的選擇分析[J];石家莊鐵路職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年02期

2 林日麗;;國外主要信用風(fēng)險(xiǎn)度量方法評介[J];生產(chǎn)力研究;2006年03期

3 張鵬;曾永泉;岳超源;;信用風(fēng)險(xiǎn)度量的新專家方法[J];科技進(jìn)步與對策;2006年07期

4 陳之超;;“中小企業(yè)科技金融創(chuàng)新”專題之十 中小企業(yè)信用風(fēng)險(xiǎn)度量方法的國內(nèi)外研究綜述[J];江蘇科技信息;2009年08期

5 王珍珍;黨娜;;中小企業(yè)融資的信用風(fēng)險(xiǎn)度量和控制機(jī)制分析[J];現(xiàn)代商業(yè);2010年08期

6 劉亞君;劉永功;;中小企業(yè)信用風(fēng)險(xiǎn)度量分析[J];商;2012年03期

7 張鵬;曾永泉;張忠楨;;信用風(fēng)險(xiǎn)度量的改進(jìn)專家方法[J];科學(xué)技術(shù)與工程;2002年06期

8 胡宗偉;信用風(fēng)險(xiǎn)度量方法:一個(gè)綜述[J];新金融;2005年02期

9 門玉峰;;信用風(fēng)險(xiǎn)度量方法與模型述評[J];理論界;2007年12期

10 馬永杰;孔榮;;基于逐步判別分析方法的農(nóng)戶正規(guī)融資信用風(fēng)險(xiǎn)度量研究[J];廣東農(nóng)業(yè)科學(xué);2011年20期

相關(guān)博士學(xué)位論文 前8條

1 袁建良;開發(fā)性金融信用風(fēng)險(xiǎn)度量研究[D];中南大學(xué);2008年

2 劉迎春;我國商業(yè)銀行信用風(fēng)險(xiǎn)度量和管理研究[D];東北財(cái)經(jīng)大學(xué);2011年

3 夏紅芳;商業(yè)銀行信用風(fēng)險(xiǎn)度量與管理研究[D];南京航空航天大學(xué);2007年

4 劉兵;我國商業(yè)銀行信用風(fēng)險(xiǎn)度量與管理研究[D];吉林大學(xué);2008年

5 李關(guān)政;基于宏觀經(jīng)濟(jì)因子的我國商業(yè)銀行信用風(fēng)險(xiǎn)度量研究[D];湖南大學(xué);2010年

6 韓崗;我國中小企業(yè)信用風(fēng)險(xiǎn)度量模型與實(shí)證研究[D];吉林大學(xué);2008年

7 張繼軍;信用風(fēng)險(xiǎn)度量及其與宏觀經(jīng)濟(jì)關(guān)系研究[D];天津大學(xué);2009年

8 遲建新;創(chuàng)業(yè)企業(yè)信用風(fēng)險(xiǎn)度量與貸款組合管理研究[D];重慶大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 趙晶晶;基于KMV模型的我國商業(yè)銀行信用風(fēng)險(xiǎn)度量的適用性研究[D];云南財(cái)經(jīng)大學(xué);2015年

2 李雨澤;利率市場化下上市企業(yè)信用風(fēng)險(xiǎn)度量研究[D];南京財(cái)經(jīng)大學(xué);2015年

3 夏偉偉;基于KMV模型上海市上市房企信用風(fēng)險(xiǎn)度量研究[D];廣西大學(xué);2015年

4 何超穎;我國商業(yè)銀行信用風(fēng)險(xiǎn)度量研究[D];廣東外語外貿(mào)大學(xué);2015年

5 汪小龍;基于KMV模型的公司債券發(fā)行主體信用風(fēng)險(xiǎn)度量研究[D];安徽財(cái)經(jīng)大學(xué);2015年

6 鄧偉;基于修正KMV模型的我國上市公司信用風(fēng)險(xiǎn)度量研究[D];江西財(cái)經(jīng)大學(xué);2015年

7 朱志成;L銀行沈陽分行信用風(fēng)險(xiǎn)度量及管理策略研究[D];沈陽大學(xué);2016年

8 于雪君;基于KMV模型的我國保險(xiǎn)公司信用風(fēng)險(xiǎn)度量研究[D];中國海洋大學(xué);2015年

9 胡毅;基于KMV模型的J銀行重慶分行信用風(fēng)險(xiǎn)度量及管理研究[D];重慶大學(xué);2015年

10 周建波;基于KMV的上市公司信用風(fēng)險(xiǎn)度量實(shí)證研究[D];江西財(cái)經(jīng)大學(xué);2014年

，

本文編號(hào)：1589647