KMV模型在商业银行度量企业违约风险中的应用研究 ——以上海地区借款上市公司为例

论文摘要

商业银行作为金融业的主要构成部分,在现代经济中发挥着举足轻重的作用,是政府进行宏观调控的市场基础。随着金融全球化以及银行业的放松管制,中国金融市场环境发生了较为显著的变化,商业银行面临更严峻的形势,其中最重要的是违约风险加剧,以及由违约风险加大引起的一系列银行资产的损失加大等。所以在当前经济形势下,加强商业银行违约风险管理是提高商业银行效率、促进商业银行及金融市场更好发展的关键。违约风险是商业银行面临的最重要的风险之一,特别是随着国际银行业危机频频爆发,违约风险越来越受到经济理论界和实务界的关注。上市公司是商业银行重要客户,其违约风险对银行来说是重要研究课题,对上市公司违约风险的预测、控制对商业银行而言从而显得极为关键。上海市借款企业信用评级建立在帮助商业银行控制违约风险的基础上。此项工作由人民银行组织和推动,专门设计有统一、完善的指标体系,并通过简单的符号标示出企业对应的信用等级。虽然该评估体系经过多次修订,已趋于成熟,评级结果也被纳作商业银行信贷业务的重要参考,但其对企业违约风险判断的准确性尚未经过模型的检验。本文尝试用一种国际广泛适应的违约风险度量模型(KMV模型)来模拟评分结果,达到检验上海借款评级体系是否有效的目的。根据股票市场数据度量模型的特点,笔者将KMV模型的违约风险度量方法与2010年上海市企业借款信用评级中上海地区上市公司的资信评级结果相结合,选取了77家上市公司作为样本,先采集样本上市公司的财务数据和股票数据,通过运用自编的Matlab程序计算出代表KMV模型的关键变量：违约距离DD和预期违约率EDF,再通过SPSS软件对数据进行检验和分析,最终将得到的违约距离等级区间和资信评级结果进行拟合,形成一一对应关系,结果显示区间判断的准确率达到96.1%。通过本文的研究说明：借款企业信用评级结果对投资者而言有较大的参考价值,投资者可以通过信用等级对上市公司违约风险进行大致判断。

论文目录

• 摘要
• Abstract
• 第一章 导论
• 1.1 本文研究背景和意义
• 1.2 文献综述
• 1.3 本文的研究方法及结构框架
• 1.4 本文的创新与不足
• 第二章 商业银行度量借款企业违约风险的理论基础及模型
• 2.1 商业银行度量借款企业违约风险的理论基础
• 2.2 商业银行度量借款企业违约风险的相关模型
• 第三章 KMV模型对借款上市公司资信等级结果的有效性检验
• 3.1 上海地区借款上市公司的样本来源及筛选
• 3.2 违约距离和预期违约率的计算过程
• 3.3 违约距离DD等级区间的拟合过程
• 3.4 实证结果统计分析及启示
• 第四章 完善我国商业银行违约风险的管理对策
• 4.1 完善我国商业银行违约风险管理的宏观对策
• 4.2 完善我国商业银行违约风险管理的微观对策
• 附录
• 附录1:上海借款企业信用等级评定标准（2010版）（主干指标）
• 附录2:2010年借款企业信用评级中上市公司资信评级结果
• 附录3:MATLAB程序代码
• 附录4:样本公司部分财务数据
• 参考文献
• 后记