【摘要】：近年來(lái),我國(guó)債券市場(chǎng)總量不斷擴(kuò)大,到2018年年末,我國(guó)債市總余額為86萬(wàn)億元,債券融資成為企業(yè)的重要融資渠道。但2018年以來(lái),隨著金融監(jiān)管和政府監(jiān)管的同步趨嚴(yán),企業(yè)的經(jīng)營(yíng)融資都出現(xiàn)了一定的困難,多方面壓力下出現(xiàn)了打破剛性兌付以來(lái)最大的債券集中違約潮,新增違約主體43家,且其中包括了許多大中型的民企上市公司。而上市公司通常規(guī)模巨大,利益相關(guān)者眾多,違約之后造成的損失和連鎖反應(yīng)通常難以估量,因此,防控由于中大型上市公司違約可能引發(fā)的范圍性、系統(tǒng)性風(fēng)險(xiǎn),應(yīng)當(dāng)成為目前打好防范化解重大風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)的重要工作之一。而要想有效防控在債券違約逐步走向常態(tài)化背景下的信用風(fēng)險(xiǎn)問(wèn)題,就必須建立起一套動(dòng)態(tài)有效的風(fēng)險(xiǎn)監(jiān)測(cè)體系從而提高評(píng)級(jí)機(jī)構(gòu)提前識(shí)別違約風(fēng)險(xiǎn)的能力�，F(xiàn)有的信用風(fēng)險(xiǎn)度量方法中,KMV模型的獨(dú)特之處在于僅需要利用資本市場(chǎng)的動(dòng)態(tài)數(shù)據(jù)而不直接依賴于信用歷史數(shù)據(jù),因此,研究KMV模型在我國(guó)的證券市場(chǎng)的適用性,對(duì)于幫助建立健全完善的本土評(píng)級(jí)體系具有重要的價(jià)值。本文圍繞2018年新增的15家實(shí)質(zhì)性違約的A股上市公司的信用狀況,同時(shí)在A股上市公司中隨機(jī)選取了 15家“ST”公司和15家主體評(píng)級(jí)為“AAA”的公司作為對(duì)照,利用KMV模型對(duì)三組上市公司的信用風(fēng)險(xiǎn)進(jìn)行實(shí)證研究,通過(guò)對(duì)三組樣本的預(yù)期違約概率計(jì)算、分析和對(duì)比,研究KMV模型評(píng)估A股上市公司信用風(fēng)險(xiǎn)的適用性。另外,本文引入了經(jīng)粒子群算法優(yōu)化過(guò)的PSO-KMV模型,用PSO-KMV模型對(duì)三組上市公司進(jìn)行了相同的處理,橫向比較了 KMV模型下和PSO-KMV模型下三組上市公司的違約距離和預(yù)期違約概率。作為補(bǔ)充,本文還對(duì)高杠桿的房地產(chǎn)企業(yè)進(jìn)行了針對(duì)性的信用風(fēng)險(xiǎn)評(píng)估。本文研究發(fā)現(xiàn),KMV模型能夠識(shí)別出實(shí)質(zhì)性違約組、ST組、AAA組的信用風(fēng)險(xiǎn)差異,三組上市公司樣本的違約距離順序增大,預(yù)期違約概率順序降低;粒子群算法優(yōu)化后的PSO-KMV模型對(duì)上市公司的違約風(fēng)險(xiǎn)比KMV模型更敏感,因此能夠明顯提高信用風(fēng)險(xiǎn)預(yù)測(cè)的精度,特別是對(duì)于實(shí)質(zhì)性違約組的違約預(yù)測(cè)準(zhǔn)確度很高;KMV模型下,5家主體評(píng)級(jí)均為AAA且規(guī)模較大的房地產(chǎn)企業(yè)表現(xiàn)十分一致,預(yù)期違約概率均接近1,說(shuō)明房地產(chǎn)行業(yè)的高杠桿蘊(yùn)含了很高的違約風(fēng)險(xiǎn)。
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F832.51;F275
【圖文】：

石貞士學(xué)位論文逡逑夕邋ＭＡＳＴＥＲ’Ｓ邋ＴＨＥＳＩＳ逡逑級(jí)別的概率矩陣。而該模型中的違約概念不同于ＫＭＶ模型，ＫＭＶ模型中給出的逡逑預(yù)期違約概率是發(fā)生實(shí)質(zhì)性違約的違約概率，而Ｃｒｅｄｉｔ－Ｍｅｔｒｉｃｓ模型中的違約既包括逡逑實(shí)質(zhì)性違約，也包括債務(wù)價(jià)值的下跌。逡逑￣￣

圖３．邋１邋ＫＭＶ原理圖逡逑．２邋ＫＭＶ模型的前提假設(shè)逡逑Ｖ模型的框架是建立在Ｍｅｒｔｏｎ模型的基礎(chǔ)上，因此要求滿足ＢＳＭ：逡逑公司資產(chǎn)價(jià)格變動(dòng)服從幾何布朗運(yùn)動(dòng)＋邋ａｒａｗ，其中？和波動(dòng)項(xiàng)，％是一個(gè)標(biāo)準(zhǔn)的維納過(guò)程，滿足TN？＃（0，０；逡逑無(wú)交易費(fèi)用和稅收，公司資產(chǎn)價(jià)格變動(dòng)連續(xù)，證券可以無(wú)限分割；逡逑不存在無(wú)風(fēng)險(xiǎn)套利機(jī)會(huì)；逡逑短期無(wú)風(fēng)險(xiǎn)利率為常數(shù)。逡逑權(quán)有效期內(nèi)不支付紅利或其他收益逡逑述基本假設(shè)外，還需滿足：逡逑業(yè)違約等價(jià)于企業(yè)資產(chǎn)價(jià)值小于債務(wù)，即不考慮企業(yè)的還款意愿只款能力，不考慮信息不對(duì)稱情況下的道德風(fēng)險(xiǎn)；逡逑業(yè)資本結(jié)構(gòu)僅包括所有者權(quán)益、短期負(fù)債、長(zhǎng)期負(fù)債；逡逑

圖３．邋２邋ＫＭＶ模型思路框架逡逑３．邋３邋ＰＳＯ－ＫＭＶ邋模型逡逑ＰＳＯ－ＫＭＶ模型由Ｚｈａｎｇ和Ｓｈｉ邋（２０１５）提出的。他們使用粒子群算法（和最大似然估計(jì)對(duì)ＫＭＶ模型進(jìn)行了優(yōu)化，給出了針對(duì)我國(guó)證券市場(chǎng)的最優(yōu)和限售股的折價(jià)率。本文擬在實(shí)證中，將ＰＳＯ－ＫＭＶ模型作為補(bǔ)充，來(lái)驗(yàn)證ＰＳＯ模型評(píng)估上市公司信用風(fēng)險(xiǎn)的有效性，并比較普通ＫＭＶ模型和ＰＳＯ－ＫＭＶ預(yù)測(cè)精度。逡逑３．３．１粒子群算法逡逑粒子群算法（Ｐａｒｔｉｃｌｅ邋Ｓｗａｒｍ邋Ｏｐｔｉｍｉｚａｔｉｏｎ），又叫鳥群覓食算法，是一種的搜索優(yōu)化算法，由Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ于１９９５年基于對(duì)鳥群覓食行為的出的。該算法的計(jì)算效率高，系數(shù)的平穩(wěn)性強(qiáng)，且收斂比較容易。逡逑假設(shè)在一個(gè)Ｄ維搜索空間中，有Ｎ個(gè)粒子隨機(jī)均勻初始化過(guò)的粒子，這有自己隨機(jī)的位置和速度，即粒子ｉ被賦予了一個(gè)位置向量和一個(gè)速度向量：逡逑Ｘｉ邋＝邋｛ｘｎ，ｘｉ２，．．．，ｘｉＤｙ邋＼＊邋ＭＥＲＧＥＦＯＲＭＡ

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉慧婷;劉海龍;;基于KMV模型的中國(guó)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[J];上海金融;2016年06期

2 鄧殷潔;胡丹云;;基于KMV模型的地方政府債券信用風(fēng)險(xiǎn)度量——以北京市地方政府債券為例[J];現(xiàn)代經(jīng)濟(jì)信息;2015年24期

3 李景峰;王繼光;;基于KMV模型的地方政府債券信用風(fēng)險(xiǎn)問(wèn)題研究[J];廣東金融學(xué)院學(xué)報(bào);2011年05期

4 潘庚飛;;基于KMV模型的地方政府債務(wù)線性融資規(guī)劃——以福建省為例[J];德州學(xué)院學(xué)報(bào);2017年04期

5 呂函枰;馬恩濤;;基于KMV模型的市政債券信用風(fēng)險(xiǎn)研究——以濟(jì)南市1998年—2014年面板數(shù)據(jù)為例[J];石家莊經(jīng)濟(jì)學(xué)院學(xué)報(bào);2016年02期

6 張海星;靳偉鳳;;地方政府債券信用風(fēng)險(xiǎn)測(cè)度與安全發(fā)債規(guī)模研究——基于KMV模型的十省市樣本分析[J];宏觀經(jīng)濟(jì)研究;2016年05期

7 張海星;靳偉鳳;;基于KMV模型的市政債券安全發(fā)行規(guī)模測(cè)度——以大連為實(shí)證樣本[J];東北財(cái)經(jīng)大學(xué)學(xué)報(bào);2016年04期

8 徐崇波;;基于KMV模型的地方政府債務(wù)適度規(guī)模研究[J];當(dāng)代農(nóng)村財(cái)經(jīng);2015年09期

9 蔣忠元;;地方政府債券發(fā)行過(guò)程中的信用風(fēng)險(xiǎn)度量和發(fā)債規(guī)模研究——基于KMV模型分析江蘇省地方政府債券[J];經(jīng)濟(jì)研究導(dǎo)刊;2011年19期

10 張旭;龔睿;甘莉;;基于KMV模型的我國(guó)地方債適度規(guī)模研究[J];商業(yè)時(shí)代;2011年28期

相關(guān)會(huì)議論文 前5條

1 何慧凌;張代軍;;地方政府債務(wù)信用風(fēng)險(xiǎn)與安全舉債規(guī)模研究——基于KMV模型的實(shí)證分析[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第15卷）[C];2014年

2 李麗;周宗放;;基于修正KMV模型的集團(tuán)公司信用風(fēng)險(xiǎn)度量[A];“中國(guó)視角的風(fēng)險(xiǎn)分析和危機(jī)反應(yīng)”——中國(guó)災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)第四屆年會(huì)論文集[C];2010年

3 康宇虹;孫德鵬;郜中華;;KMV模型在我國(guó)上市公司信用風(fēng)險(xiǎn)度量中的實(shí)證研究[A];第三屆（2008）中國(guó)管理學(xué)年會(huì)——?jiǎng)?chuàng)業(yè)與中小企業(yè)管理分會(huì)場(chǎng)論文集[C];2008年

4 顧巧明;;基于改進(jìn)的KMV模型的地方政府債券信用風(fēng)險(xiǎn)測(cè)度[A];轉(zhuǎn)型·創(chuàng)新·改革——上海市社會(huì)科學(xué)界第十屆學(xué)術(shù)年會(huì)文集（2012年度）經(jīng)濟(jì)·管理學(xué)科卷[C];2012年

5 潘潔;周宗放;;全流通下KMV模型中的違約點(diǎn)修正及實(shí)證研究[A];中國(guó)企業(yè)運(yùn)籌學(xué)[C];2009年

相關(guān)博士學(xué)位論文 前1條

1 孫小麗;基于KMV模型的商業(yè)銀行信用風(fēng)險(xiǎn)測(cè)算研究[D];北京郵電大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 楊勝麟;基于KMV的上市公司股票質(zhì)押違約風(fēng)險(xiǎn)量化模型研究[D];西南科技大學(xué);2019年

2 楊李帆;修正KMV棋型A股信用風(fēng)險(xiǎn)評(píng)估的適用性分析[D];華中師范大學(xué);2019年

3 王映;我國(guó)信用債問(wèn)題研究及KMV違約模型分析[D];蘇州大學(xué);2017年

4 姜丹;基于修正KMV模型的河北省地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)[D];燕山大學(xué);2016年

5 莊園;基于KMV模型的地方政府債券償還風(fēng)險(xiǎn)測(cè)度研究[D];東南大學(xué);2016年

6 謝思思;基于KMV模型的地方政府債券信用風(fēng)險(xiǎn)測(cè)度研究[D];上海交通大學(xué);2015年

7 陳棋;基于KMV模型的我國(guó)地方政府債務(wù)風(fēng)險(xiǎn)評(píng)價(jià)[D];廈門大學(xué);2014年

8 康蓓蓓;基于KMV模型的商業(yè)銀行信貸風(fēng)險(xiǎn)管理研究[D];西北大學(xué);2011年

9 張園;基于KMV模型的地方政府債券適度規(guī)模研究[D];湖南大學(xué);2017年

10 姜新蕾;基于KMV模型的市政債券信用風(fēng)險(xiǎn)研究[D];浙江大學(xué);2014年

本文編號(hào)：2776723