KMV模型在中国上市公司信用风险管理中的应用研究

论文摘要

随着中国证券市场的繁荣以及上市公司的增多,上市公司的信用问题愈加凸现出来。上市公司经营状况的恶化会对其信用质量产生负面影响,进而给投资者和债权人带来损失。因此对于上市公司的利益相关者而言,迫切需要一种科学的方法以提前识别并准确度量上市公司面临的信用风险。近年来,国外一些金融机构纷纷提出了度量信用风险的新方法、新模型。这些模型的出现使得国外信用风险管理已从定性分析发展到定量分析,而我国目前对上市公司信用风险的度量仍停留在传统方法上,这对于我国商业银行进行信用风险管理是十分不利的。因此,尽快建立起适合于中国上市公司的信用风险度量模型是势在必行。本文的研究重点是对KMV模型进行修正,主要从股权价值波动率、资产市场价值及其波动率以及资产市场价值的预期增长率这三个方面对模型进行了改进。随后利用修正后的KMV模型对样本公司进行信用风险评价的实证研究,其中采用的技术路线为:第一步,根据分析的需要选取样本;第二步,根据我国的实际情况确定KMV模型中各参数的计算方法;第三步,采用多种检验方法对模型的计算结果和预测能力进行检验,以确定参数设定的合理性;第四步,从违约距离的统计特性、信用风险的评价能力以及模型的预测能力这三个方面对实证结果进行分析;第五步,建立动态KMV模型。实证研究表明修正后的KMV模型不仅可以显著区分违约公司与参照公司信用质量的差异,还能提前识别违约公司信用状况的恶化。作为信用风险评价指标,理论EDF的有效性远不如违约距离。因此,若要得到我国上市公司的具体违约概率,建立并完善违约历史数据库以构建违约距离与预期违约概率之间的映射关系至关重要。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 研究目的与意义
• 1.3 国内外相关研究现状的简要评述
• 1.4 研究重点与结论
• 1.5 结构安排
• 第二章 基于信用风险度量模型的国内外研究现状
• 2.1 国外研究现状
• 2.1.1 传统信用风险度量模型
• 2.1.2 现代信用风险度量模型
• 2.1.3 对已有模型的比较与评价
• 2.2 国内研究现状
• 2.2.1 传统信用风险度量模型
• 2.2.2 现代信用风险度量模型
• 2.2.3 国内研究中存在的问题
• 第三章 信用风险度量模型概述
• 3.1 传统信用风险度量模型评述
• 3.1.1 专家系统
• 3.1.2 信用评级法
• 3.1.3 信用评分模型
• 3.2 现代信用风险度量模型评述
• 3.2.1 基于VaR 的Credit Metrics 模型
• 3.2.2 基于保险精算方法的Credit Risk+模型
• 3.2.3 Credit Portfolio View 模型
• 第四章 KMV 模型的理论研究及修正
• 4.1 KMV 模型的基本思路
• 4.2 KMV 模型的计算步骤
• 4.3 EDF 指标绩效分析
• 4.4 KMV 模型的修正
• E'>4.4.1 股权价值波动率 σ_E
• A及其波动率 σ_A'>4.4.2 资产市场价值 V_A及其波动率 σ_A
• 4.4.3 资产价值预期增长率μ
• 4.5 信用风险识别能力的评价方法
• 4.5.1 信用风险识别能力的ROC 评价
• 4.5.2 累积精确度和精确比率分析法
• 第五章 KMV 模型在我国运用的实证分析
• 5.1 基本假设
• 5.2 研究方法与分析路线
• 5.3 样本选取及数据来源
• 5.4 模型参数的估计方法
• 5.5 实证结果检验
• 5.5.1 曼-惠特尼U 检验
• 5.5.2 两个独立样本的Kolmogorov-Smimov 检验
• 5.5.3 极端反应检验
• 5.6 模型预测能力检验
• 5.7 实证结果分析
• 5.7.1 违约距离统计特性的分析
• 5.7.2 信用风险评价能力的对比分析
• 5.7.3 模型预测能力的分析
• 5.8 动态KMV 模型
• 第六章 结语
• 参考文献
• 附录一：计算DD 与EDF 的MATLAB 程序
• 附录二：2006年样本公司部分财务数据与计算结果
• 附录三：计算AR 值的MATLAB 程序
• 附录四：2003-2005年样本公司部分财务数据与计算结果（2005年数据）
• 附录五：动态KMV 模型的MATLAB 程序
• 攻读硕士学位期间发表的论文及参与的科研项目
• 后记