Logistic模型和KMV模型在中国上市公司信用风险度量中的比较研究

摘要

信用风险始终是金融机构所面临的主要风险，信用风险度量是信用风险管理的基础。如何通过借鉴和改进国际上先进的信用风险度量技术和方法，建立适合中国国情的信用风险度量模型和方法，是目前中国金融业面临的一个重要课题。
　　 本文以中国上市公司为研究对象，对基于因子分析方法的Logistic回归模型和KMV模型在信用风险度量中的应用进行比较分析。从违约概率衡量上市公司信用风险的角度来看：基于因子分析方法的Logistic回归模型比KMV模型更适用于中国的实际情况。基于因子分析方法的Logistic回归模型具有93.3%的准确判别率，但把非违约公司判为违约公司的误判率较高（误判率为10%）；从信用评级的角度来看，基于因子分析的Logistic回归模型和KMV模型都能反映上市公司的信用风险状况，但基于因子分析的Logistic回归模型的评级结果比KMV模型较准确。
　　 经过定性分析，本文选取了21个财务指标，然后运用因子分析方法，得到了9个主要因子，其中偿债能力、营运能力和盈利能力这三个指标的恶化是上市公司陷入信用危机的主要原因。Logistic回归模型的缺点是选取财务指标的主观性，而KMV模型不用对财务指标进行主观选择，没有缺乏客观一致性的问题。因此，作者希望用KMV模型来弥补Logistic回归模型的缺陷。实证表明，用KMV模型能够将Logistic回归模型中误判的公司归入适当的风险级别（同时要结合上市公司的其它信息），使模型的误判率降低，能够在一定程度上弥补Logistic回归模型的不足。

目录

文摘

英文文摘

声明

第一章 绪论

第二章 文献综述

第三章 信用风险评估方法概述

第四章 中国上市公司信用风险度量比较研究

第五章 结论与政策建议

参考文献

作者攻读硕士期间发表的论文及参与的科研项目

附 录

后 记