房地产上市公司信用风险度量实证研究

论文摘要

在金融领域,对信用风险的准确度量和有效管理一直是最具挑战性的课题之一。2007年美国次贷危机的爆发又一次敲响了信用风险管理的警钟,使得信用风险度量技术和管理方法日益引起人们的关注。此次危机本质上就是信用危机,它的产生与房地产市场泡沫直接相关,正是泡沫的崩溃直接引发了美国的次贷危机,并最终演变成整个金融体系的危机。因此,如何有效地控制和管理信用风险,特别是房地产行业相关的信用风险已经成为各国金融监管当局、金融机构和投资者关注的焦点。在这一现实背景下,本文通过对现代信用风险管理模型深入细致的研究,结合中国房地产上市公司的实际情况,实际测量和分析模型在中国房地产市场的准确性和有效性,对中国商业银行信用风险管理水平的提高和金融市场的健康发展具有重要的现实意义。本文首先对信用风险、信用风险特征和信用风险度量的涵义进行介绍,分析了信用风险度量在信用风险管理中的核心作用；其次,对四种现代信用风险度量模型进行比较分析,认为KMV模型是度量中国房地产上市公司信用风险水平的最佳模型；然后,基于Black and Scholes（1973）和Merton（1974）)（BSM）的结构模型,结合KMV公司的研究框架,对中国99家房地产上市公司2002-2009年间的违约距离进行了估算。结果表明：（1）将KMV模型应用于中国房地产开发企业信用风险管理是可行的；（2）通过对影响违约距离的各输入变量的敏感性分析发现,违约点的变化对模型识别中国房地产上市公司信用风险的能力没有显著影响,但股价波动率对其的影响极为显著；（3）2002-2009年,中国房地产上市公司的整体信用状况起伏较大,信用风险相对较高。根据ST公司的违约距离频率数据,将DD=2和2.5设置为一、二级信用风险预警线。最后,考察了Logistic模型对中国房地产上市企业违约风险度量的表现,并对KMV模型和Logistic模型进行了比较分析。结果表明,Logistic回归模型可用于区分中国房地产上市公司信用风险的大小,对信用风险具有较好的预测能力；KMV模型和Logistic模型对房地产信用风险的评价具有极大的一致性。

论文目录

• 摘要
• Abstract
• 附图索引
• 附表索引
• 第1章 绪论
• 1.1 选题背景
• 1.2 选题意义
• 1.3 文献综述
• 1.3.1 信用风险度量研究综述
• 1.3.2 房地产上市公司信用风险度量研究综述
• 1.4 研究内容与框架
• 1.4.1 研究内容
• 1.4.2 研究技术路线图
• 第2章 房地产上市公司信用风险度量理论基础
• 2.1 房地产上市公司信用风险概念的界定
• 2.2 房地产上市公司信用风险特性概述
• 2.2.1 信用风险收益率分布的非对称性
• 2.2.2 信用信息的非对称性
• 2.2.3 信用风险的传递性和累积性
• 2.2.4 信用风险的系统性与非系统性
• 2.2.5 房地产上市公司信用风险特性
• 2.3 房地产上市公司信用风险度量与管理
• 2.4 现代信用风险度量模型
• 2.4.1 Credit Metrics模型
• +模型'>2.4.2 Credit Risk⁺模型
• 2.4.3 Credit Portfolio View模型
• 2.4.4 KMV模型
• 2.4.5 模型的比较分析
• 第3章 基于KMV模型的信用风险度量实证研究
• 3.1 KMV模型理论基础
• 3.1.1 B-S期权定价模型
• 3.1.2 Merton模型
• 3.1.3 KMV模型框架
• 3.1.4 KMV模型优缺点分析
• 3.2 参数设计与计算
• 3.2.1 以违约距离作为度量信用风险的指标
• 3.2.2 房地产上市公司的股权市场价值计算
• 3.2.3 房地产上市公司的股价波动率计算
• 3.2.4 债务面值、债务期限和无风险利率的设定
• 3.2.5 房地产上市公司违约点的设置
• 3.3 基于KMV模型的实证分析
• 3.3.1 样本选择与数据来源
• 3.3.2 实证结果分析
• 第4章 房地产上市公司信用风险度量比较研究
• 4.1 Logistic回归模型
• 4.2 预测变量的筛选
• 4.2.1 财务变量的初选
• 4.2.2 财务变量的正态分布检验
• 4.2.3 财务变量的显著性检验
• 4.2.4 财务变量的多重共线性检验
• 4.3 基于Logistic回归模型的实证结果分析
• 4.4 KMV模型与Logistic模型的比较分析
• 结论
• 参考文献
• 附录A 攻读硕士学位期间所发表的论文
• 附录B ST公司与非ST公司样本列表
• 致谢