信用风险评价模型及其应用研究

论文摘要

2004年6月,巴塞尔银行监管委员会公布了《新巴塞尔协议》,其目标是鼓励推广更好、更系统的风险（特别信用风险）计量和评估方法（如KMV模型）。《新巴塞尔协议》高度重视内部评级法（IRB）在风险管理和资本监管中的作用,并以自主权和资本优惠为激励手段鼓励有条件的银行建立和发展内部评级模型及配套的计算机系统。目前,许多国际先进银行已经开始利用IRB模型进行风险计量和管理,且这些银行的综合竞争实力都得到了显著的提高。鉴于内部评级法的快速发展,本文首先以2006年度上市公司的股票和财务信息为样本,对KMV模型进行了构建和修正,并结合样本公司在2007年度的实际违约状态,进行了模型判别力的概率统计分析。结果表明现阶段,根据t-1年的资本和财务信息构建的KMV模型对我国公司在第t年的违约状态具有较好的判别力。为对KMV模型的判别效力进行对比研究,本文又分别构建了以相同样本公司的财务数据为基础的多元线性回归模型和Logit回归模型。其中多元线性回归模型以市盈率、股东权益周转率、财务杠杆系数、盈余现金保障倍数、负债与权益市价比率为解释变量,其判别力的概率统计结果要劣于KMV模型;而Logit回归模型则以净资产收益率、营运资金比率和每股投资活动现金净流量为解释变量,其判别力的概率统计结果要优于KMV模型。为消除概率统计检验中最优分类点对模型分类能力判别结果的影响,本文引入了ROC曲线方法对三种模型的实际分类能力进行了进一步的分析。结果表明,根据我国目前的经济环境,在模型基本假设前提下,综合预判能力最优的是Logit回归模型,其次为KMV模型,多元线性回归方程的判别力最差。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 信用风险的定义
• 1.3 国内外研究综述
• 1.4 研究思路
• 第二章 基于市场数据的KMV 模型适应性研究
• 2.1 KMV 模型理论基础——Merton 期权理论
• 2.2 KMV 模型框架及其修正
• 2.3 KMV 模型实证研究
• 第三章 基于财务数据的信用风险评估模型研究
• 3.1 样本和财务指标的选取
• 3.2 单一财务指标对信用风险的识别
• 3.3 财务指标对违约距离DD 的回归分析
• 3.4 Logit 回归模型分析
• 第四章 信用风险评估模型的ROC 曲线分析
• 4.1 ROC 曲线的基本概念
• 4.2 判别参数说明
• 4.3 AUROC 的估计方法
• 4.4 信用评估模型的判别效果评价
• 第五章 结论和展望
• 5.1 结论
• 5.2 研究的局限性
• 5.3 信用风险决策支持系统
• 参考文献
• 附录：构建KMV 模型的Matlab 程序
• 致谢