上市公司信用风险计量模型——基于违约率的实证研究

摘要

在全球信用不断膨胀的背景下，信用风险暴露越来越严重，已成为各国金融系统所面临的主要风险之一。如何有效地控制和管理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。在这样的国际金融背景下，学习和借鉴国际先进的信用风险计量技术，建立在中国行之有效的信用风险计量和管理模型，提高我国风险管理水平，是金融界面临的最大挑战之一。由此，本文对我国上市公司的信用风险计量及其相关问题做出研究。 本文分析了信用风险的概念和特征，着重研究了信用风险的计量方法，力求通过研究找到适合我国实际情况的上市公司信用风险计量模型，从而增强我国信用风险测定与管理的能力。首先简单介绍了传统的“5C”专家法、信用评分和信用评级法等传统的信用风险计量方法；接着着重研究了现代信用风险计量模型，主要有J.P。摩根的Credit Metrics模型，KMV公司研发的KMV模型，CSFP的的CreditRisk+模型，还有Credit Portfolio view模型。文章重点对模型的理论基础和在我国的适用性进行了研究。在此基础上，本文根据我国上市公司违约的条件，将因子分析结合Logit回归分析法引入到上市公司信用风险的研究中，选取了信用风险评价的财务指标和上市公司的相关数据，进行因子分析，分别对各类指标加以提炼，得到综合因子。通过因子分析发展了可靠、有效的上市公司信用风险的财务指标体系，丰富了理论界关于信用风险计量的相关研究。进一步按照Logit回归理论模型，构建了上市公司信用风险违约判别模型，对公司的违约率进行判别，分析其内在的信用风险，起到早期预警的作用。并运用模型对中国股票市场上市公司的信用风险进行了实证研究，得到了有意义、有价值的结论。

目录

文摘

英文文摘

声明

第1章序言

1.1问题的提出和选题的意义

1.1.1问题的提出

1.1.2选题的意义

1.2文献综述

1.2.1国外文献综述

1.2.2国内文献综述

1.3论文的结构

1.4主要的贡献

第2章信用风险计量方法综述

2.1信用风险概述

2.1.1信用风险的定义

2.1.2信用风险的特点

2.2传统的信用风险计量方法

2.2.1古典信用风险计量方法

2.2.2基于统计判别分析的信用风险计量方法

2.2.3神经网络模型

2.3现代信用风险计量的理论模型

2.3.1基于VaR的CreditMetrics模型

2.3.2 KMV模型

2.3.3信用风险附加模型CreditRisk+

2.3.4信用组合观点模型Credit Portfolio View

2.4模型在我国的适用性分析

第3章我国上市公司信用风险计量模型

3.1统计方法介绍

3.1.1因子分析法

3.1.2 Logit回归分析法

3.2样本选择

3.2.1样本的确定

3.2.2财务变量的选择

3.3因子分析步骤

3.4 Logit回归分析与违约判别模型的建立

3.4.1变量的设置和临界值的选择

3.4.2违约判别模型的建立

3.4.3违约判别模型预测效果的检验

第4章结论与政策建议

附 录

参考文献

致 谢