近年來我國(guó)債券市場(chǎng)發(fā)展迅速,發(fā)行規(guī)模持續(xù)走高。2018年,我國(guó)債券市場(chǎng)發(fā)行規(guī)模已達(dá)到22.6萬(wàn)億元人民幣,同比增長(zhǎng)10.41%。截止2018年末,債券市場(chǎng)總托管余額達(dá)到76.45萬(wàn)億元人民幣,同比增長(zhǎng)13.95%。民營(yíng)企業(yè)方面,2018年共計(jì)發(fā)行債券1513只,同比增長(zhǎng)99.08%,債券發(fā)行規(guī)模合計(jì)為8755.8億元,同比增長(zhǎng)93.60%。民營(yíng)企業(yè)債券發(fā)行規(guī)模較往年大幅增加。債券市場(chǎng)繁榮的背后,違約風(fēng)險(xiǎn)卻在逐步顯現(xiàn)。2018年我國(guó)信用債市場(chǎng)步入了違約高發(fā)期,全年共有52家債券發(fā)行人出現(xiàn)債券違約,涉及債券175只,規(guī)模高達(dá)1601億元。在這52家違約主體中,民營(yíng)企業(yè)有44家,占比高達(dá)84.62%。民營(yíng)企業(yè)債券違約成為資本市場(chǎng)的焦點(diǎn)。面對(duì)當(dāng)前債券市場(chǎng)違約的常態(tài)化,有必要對(duì)民營(yíng)企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行全面度量。KMV模型是基于期權(quán)定價(jià)理論的現(xiàn)代風(fēng)險(xiǎn)度量模型,它根據(jù)企業(yè)的股權(quán)價(jià)值和債務(wù)水平來衡量其資產(chǎn)價(jià)值和波動(dòng)率。由于KMV模型只能應(yīng)用于上市公司,本文主要研究的民營(yíng)企業(yè)大多數(shù)為非上市公司,故需要對(duì)模型進(jìn)行修正與改進(jìn)�？紤]引入BP神經(jīng)網(wǎng)絡(luò),構(gòu)建BP-KMV組合模型,對(duì)民營(yíng)企業(yè)的信用風(fēng)險(xiǎn)進(jìn)行度量。本文首... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－１：?２００５－２０１８年我國(guó)債券市場(chǎng)發(fā)行規(guī)模（億元）??

．２我國(guó)民營(yíng)企業(yè)債券違約情況概述??隨著近年來債券發(fā)行規(guī)模的擴(kuò)容，信用風(fēng)險(xiǎn)成為了國(guó)內(nèi)債券市場(chǎng)的主要風(fēng)１４－２０１６年，我國(guó)貨幣政策較為寬松，銀行間各類資金拆借利率處于低位，相??地，在有利于企業(yè)融資的同時(shí)，也加劇了市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。２０１６年下半年??，中央經(jīng)濟(jì)工作會(huì)議提出要“金融去杠桿”。監(jiān)管機(jī)構(gòu)逐步收緊資金面，抬金成本，同時(shí)轉(zhuǎn)變了監(jiān)管態(tài)度，制定了一系列政策與措施，整治金融行業(yè)亂象，??無疑給債券市場(chǎng)造成了極大的沖擊。機(jī)構(gòu)投資者忌憚高壓的監(jiān)管態(tài)勢(shì)，風(fēng)險(xiǎn)偏??顯著降低，紛紛加大了對(duì)利率債和高評(píng)級(jí)的信用債的配置力度。同時(shí)，在擠出??應(yīng)的作用下，民營(yíng)企業(yè)面臨的融資環(huán)境逐步惡化，之前利用寬松貨幣環(huán)境下大??擴(kuò)張的民營(yíng)企業(yè)遭遇再融資危機(jī)，信用風(fēng)險(xiǎn)加劇。??２００?４０?３６Ｓ?３５?４

?資產(chǎn)支持證券??〇．?６％＾＾?Ｏ％＾＾１＊３％??圖２－２：?２０１８年我國(guó)民營(yíng)企業(yè)新發(fā)行債券總額占比（％）??２．２我國(guó)民營(yíng)企業(yè)債券違約情況概述??隨著近年來債券發(fā)行規(guī)模的擴(kuò)容，信用風(fēng)險(xiǎn)成為了國(guó)內(nèi)債券市場(chǎng)的主要風(fēng)險(xiǎn)。??２０１４－２０１６年，我國(guó)貨幣政策較為寬松，銀行間各類資金拆借利率處于低位，相??應(yīng)地，在有利于企業(yè)融資的同時(shí)，也加劇了市場(chǎng)的系統(tǒng)性風(fēng)險(xiǎn)。２０１６年下半年??起，中央經(jīng)濟(jì)工作會(huì)議提出要“金融去杠桿”。監(jiān)管機(jī)構(gòu)逐步收緊資金面，抬高??資金成本，同時(shí)轉(zhuǎn)變了監(jiān)管態(tài)度，制定了一系列政策與措施，整治金融行業(yè)亂象，??這無疑給債券市場(chǎng)造成了極大的沖擊。機(jī)構(gòu)投資者忌憚高壓的監(jiān)管態(tài)勢(shì)，風(fēng)險(xiǎn)偏??好顯著降低，紛紛加大了對(duì)利率債和高評(píng)級(jí)的信用債的配置力度。同時(shí)，在擠出??效應(yīng)的作用下

【參考文獻(xiàn)】：
期刊論文
[1]違約事件頻發(fā)下的中國(guó)債券市場(chǎng)信用風(fēng)險(xiǎn)管理研究——基于“11超日債”違約案例的思考[J]. 李雅麗,朱文清,肖昂.  西南金融. 2018(07)
[2]基于修正KMV模型的上市公司信用風(fēng)險(xiǎn)測(cè)度[J]. 王傳鵬,李春蕾.  會(huì)計(jì)之友. 2018(13)
[3]基于BP-KMV模型的非上市公司信用風(fēng)險(xiǎn)度量[J]. 曾玲玲,潘霄,葉曼.  財(cái)會(huì)月刊. 2017(18)
[4]類平臺(tái)公司債信用風(fēng)險(xiǎn)度量及控制的實(shí)證研究——基于改進(jìn)版Logistic-KMV混合模型[J]. 類承曜,王星祺.  投資研究. 2017(01)
[5]基于KMV模型上市公司違約點(diǎn)的選擇[J]. 賈利.  商. 2016(03)
[6]GRNN和PNN模型在信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J]. 王肖靈,王波,張惠珍,張�？�.  數(shù)學(xué)理論與應(yīng)用. 2015(03)
[7]基于KMV-GARCH-t-copula模型的上市公司BDS定價(jià)研究[J]. 劉向華,李林娜.  統(tǒng)計(jì)與決策. 2015(03)
[8]基于KMV模型的信用債風(fēng)險(xiǎn)預(yù)警分析[J]. 龔潔.  債券. 2014(01)
[9]基于KMV模型的企業(yè)違約點(diǎn)的修正研究[J]. 劉艷萍,王玉坤.  中國(guó)證券期貨. 2013(05)
[10]基于KMV模型的上市中小企業(yè)信貸風(fēng)險(xiǎn)研究[J]. 彭偉.  南方金融. 2012(03)



本文編號(hào)：2928253