物流行业客户授信风险研究

摘要

本文将以物流行业的客户主体为研究对象，着手建立区分行业的客户授信风险等级评定指标体系，并且尝试应用一种国际广泛适应的违约风险度量模型——KMV模型来测算预期违约率，完成对客户授信风险等级评定结果精确性检验的返回测试，达到检验建立的客户授信风险等级评定指标体系是否有效的目的。
　　根据股票市场数据度量模型的特点，本文将KMV模型的违约风险度量方法与自身建立的客户授信风险等级评定指标体系的信用评级结果相结合，选取了1301家上市公司作为样本，先采集样本上市公司的财务报表和股票数据，通过运用自编的MATLAB程序计算出代表KMV模型的关键变量——违约距离和预期违约率，再对KMV模型得到的预期违约率和指标体系等级评定结果进行线性回归拟合，形成一一对应的映射关系，最后通过KMV模型计算结果对客户授信风险等级评定指标体系进行样本内检验，结果显示本文自身建立的客户授信风险等级评定指标体系对受评客户违约风险判断的准确率为76.33％。
　　通过本文的研究说明：该指标体系下的授信风险等级对受评客户违约风险具有较强的预测能力，同时KMV模型对上市公司的违约风险考量也具有较大的参考价值。

目录

封面

中文摘要

英文摘要

目录

第1章 导论

1.1 选题背景与研究意义

1.2 文献综述

1.3 论文研究设计与结构安排

1.4 论文创新与不足

第2章 客户授信风险等级评定指标体系

2.1 等级评定思路及组成部分

2.2 客户授信风险等级评定标准

第3章 客户授信风险度量模型

3.1 KMV模型

3.2 客户授信风险度量方法

3.3 实证结果统计分析

第4章 物流行业客户授信管理实践

4.1 物流行业客户授信管理

4.2 案例实践

4.3 物流行业主要风险及未来展望

第5章 结论及启示

5.1 结论

5.2 启示

参考文献

附录1 客户授信风险等级评定标准（制造业电子）

附录2 客户授信风险等级评定标准（制造业冶金）

附录3 客户授信风险等级评定标准（制造业机械）

附录4 客户授信风险等级评定标准（制造业化工）

附录5 客户授信风险等级评定标准（制造业轻工）

附录6 客户授信风险等级评定标准（制造业建材）

附录7 客户授信风险等级评定标准（制造业其他）

附录8 MARLAB程序代码

致谢

攻读学位期间发表的学术论文目录

声明