KMV模型在我国上市公司信用风险度量中的适用性研究

KMV模型是运用现代期权定价理论建立起来的违约预测模型。通过实证结果的比较发现，违约距离这一指标运用到我国上市公司信用风险的度量之中具有比较理想的判断效果，这也在某种程度上说明了KMV模型对我国上市公司信用风险度量的准确性及合理性，它能够较好地反应出上市公司真实的信用风险状况。     

基于改进KMV模型农产品供应链金融信用风险研究

农产品企业由于受自然条件、供应链等因素制约,融资存在较大阻碍。供应链金融作为一种新兴的金融模式,可有效解决农产品企业融资困难,但影响因素较多。选取2018年11月1日至2020年10月31日12家代表性企业的股票数据,运用EViews和R语言工具,使用KMV模型进行量化研究,得出农产品企业违约风险排序,并根据违约距离及风险概率提出相应建议,为建立完善的农产品供应链金融信用风险管理体系提出针对性的解决策略。     

KMV模型的实证研究

目前很多文献没有对KMV模型的求解过程进行解析,利用KMV模型的研究都得跨过这个基础性的坎.通过利用Matlab语言将KMV模型的求解过程进行模块化,从而将计算机语言与经济数学连接起来,然后利用上市公司对本模块进行实证研究.实证研究结果表明,本模块能快速准确地对KMV模型进行求解,KMV模型可以用于度量我国上市公司的信用风险.     

中国商业银行信用风险度量研究

信用风险是商业银行面临的主要风险,信用风险的度量模型有专家判断法、信用评分法、神经网络分析法以及现代违约概率模型等。通过比较分析LOGIT模型和KMV模型,选取了能够体现公司盈利能力、营运能力、资本结构、偿债能力、成长能力和现金流量的28个指标,运用逐步回归方法建立LOGIT模型,发现该模型能够提前一年较好地预测出公司的违约情况。在分析KMV模型时,通过GARCH-M模型计算出企业股权价值波动率,并运用上市公司数据得出样本公司的股权价值和违约点,从而计算出样本公司的资产价值和资产价值波动率,最后得出KMV模型的判别结果。上述分析表明我国商业银行应以LOGIT模型作为判别模型,以KMV模型作为追踪模型,将LOGIT模型与KMV模型相结合来判断贷款企业的信用风险水平。     

上市公司信用风险的KMV模型分析

为研究KMV模型在中国上市公司信用风险定价与度量的适用性问题．选取2004年至2007年260家上市公司的财务指标与股票价格所组成的面板数据,对该模型所揭示的负债资产比、资产波动率和信用风险之间存在的两个内联关系进行实证分析,结果表明：负债资产比与信用风险存在正向关系,资产波动率与信用风险也存在正向关系,得出该模型在对中国上市公司的信用风险定价与度量中具有较高的适用性和精确性的结论。     

基于 KMV 模型的安徽省上市中小企业信用风险分析

选取10家安徽省中小板和主板上市的企业,基于财务指标和 KMV 模型度量结果,实证分析了两大板块上市公司信用违约风险的差异性,得出结论：劳动密集型上市公司较技术密集型上市公司,违约距离更短,信用风险更大;上市中小企业的负债结构以流动负债为主,股权价值波动率大,资产规模较小,处在初创期和成长期公司风险明显较高,违约距离更短,建议银行等金融机构应更加重视中小企业非财务信息,加强对上市公司信息披露。     

基于BP-KMV模型的商业银行信用风险评价研究

建立BP神经网络和KMV模型相结合的BP-KMV信用风险评价模型,并选择上市的49家样本公司的财务数据和股价水平对BP-KMV模型进行实证分析,将结果与商业银行现行的评价结果相比较,表明BP-KMV模型更符合实际情况。进一步发现评价结果的差异体现在信用度相对较高、风险相对较大的区域。     

我国国内保理业务的风险度量问题分析——基于KMV模型的信用风险度量

本文第一部分对保理业务的概念、分类、操作流程以及我国保理市场的现状进行了阐述。第二部分针对我国保理市场的现状,从买方和卖方两个角度分析了国内保理业务面临的主要风险。第三部分阐述了基于KMV模型对我国国内保理业务中信用风险度量的理论分析。第四部分引入了中航精机和湖北金环实例,对KMV模型在我国国内保理业务信用风险度量的运用进行了实证分析。第五部分针对KMV模型的构建,提出对我国国内保理业务风险管控的建议。本文的主要创新点是：对于我国国内保理业务的风险进行了定性和定量的分析;引入了基于KMV模型的信用风险度量在国内保理业务中的实际应用;揭示了国内保理业务风险产生的主要原因等。     

KMV模型中资产收益波动率的确定

KMV模型利用期权定价技术来计算银行信贷风险,模型中需要计算资产收益波动率.由于只能观测到的是公司股票的变化,故推导出资产收益波动率与股票收益波动率之间的关系式,并进一步说明这个关系式在计算银行信贷风险上的应用,最后评价了KMV模型的优缺点和应用前景.     

基于决策树法的我国商业银行信用风险评估模型研究

结合我国商业银行的实际,基于数据挖掘中决策树C4.5算法的分析框架建立了商业银行的信用风险评估模型,通过此模型可以根据贷款企业的财务指标,得出企业是否违约的分类。此分类将对商业银行信用风险控制工作具有很好的指导意义。还通过案例进行了实际的风险评估分析。     

我国上市企业基于KMV模型的实证研究

KMV模型是由Black Scholes和Merton于1993年提出的基于期权定价理论的信用风险度量模型。通过利用KMV模型对我国上市企业进行分析,计算得出十家ST公司和十家同行业相似规模的非ST公司的违约距离,根据计算结果得出ST公司的违约距离小于非ST公司,因而ST公司的金融风险更大,另一方面也证明了KMV模型对我国金融市场研究的现实意义。此外,除ST与非ST公司的违约距离不同之外,不同产业、不同企业规模之间的违约距离也存在差异,产业因素的违约距离更大,因此产业因素对我国上市公司金融风险的影响更大,而企业规模因素对风险的影响则较小。     

商业银行信用风险评估模型比较研究

信用风险评估是商业银行信用风险管理的首要工作和关键环节,信用风险的量化和模型化是现今信用风险研究的主要趋势,随着对信用风险评估模型领域的探索研究不断地深入,建立适合我国国情的商业银行信用风险评估模型刻不容缓.通过对西方商业银行信用风险评估模型的比较研究,指出其特征和优缺点,以期为我国商业银行信用风险评估模型的建立提供借鉴和参考.     

基于Logistic的P2P网贷借款人信用风险评估研究

从P2P平台信用风险角度出发,以借款人风险控制为研究目标,构建借款人信用评价指标体系,并利用美国P2P网络借贷平台Prosper上的数据建立基于Logistic回归的借款人信用风险评价模型。实证分析表明:是否有房产、贷款创立时长、借款利率对借款人信用风险有着比较大的影响,而借款金额、信用评级、借款期限、借款用途对借款人信用风险没有特别明显的影响。     

基于神经网络和决策树相结合的信用风险评估模型研究

文章提出了一种将神经网络和决策树相结合的信用风险评估模型NN-DT。该方法依据属性重要性将贷款企业的财务指标进行排序,然后通过RBF神经网络进行属性裁减生成决策树,从而得出企业是否违约的分类。最后以判别分析以及C4.5 算法为参照方法进行了实证研究,结果表明,NN-DT模型显著地提高了预测精度。     

基于KMV模型的我国地方政府性债务风险分析

不合理的地方债务规模不仅影响地方政府经济发展,更影响着中国金融体系的稳定性.运用KMV模型分析得出我国地方政府2016年债务违约率基本为零,尚在可控范围,但仍需通过优化债务转换机制,明确债偿主体的基本思路,以真实地方债务数据,建立科学的地方政府债务监管与预警机制,积极配合财政体制改革来完善地方债务问题.