四大行业商业信用风险研究

文章从KMV的基本原理、研究方法以及实证研究等方面着手,对KMV模型在中国股票市场中评价上市公司信用风险的能力进行研究.具体选取了4大行业的8家公司(4家ST公司和4家非ST公司)作为样本,通过对其进行KMV度量模型的相关参数,如股权价值、资产价值波动率以及违约距离等进行计算和对比,结果显示KMV商业信用风险度量模型对我国企业商业信用风险的评估具有适用性,值得推广.     

KMV 模型在公司信用风险测量中的应用

文章主要阐述了KMV模型的基本思想,用期权定价理论来度量公司的信用风险,同时针对资产价值增长率不为零的情况对K/MV模型进行了修正.最后对公司的违约概率进行了敏感性分析.同时总结了KMV模型在度量我国公司信用风险时的优缺点.     

KMV模型的修正及其应用

传统的KMV模型使用公司价值的历史波动率来近似估计波动率,然而通过本文的实证分析,说明这一近似方法在目前的中国市场环境下不适用。文章使用GARCH(1,1)模型来预测公司价值的波动性,以此计算违约距离,并与使用历史波动率计算的违约距离进行比较,认为使用GARCH(1,1)模型计算的结果与实际状况更加相符。     

基于模糊实物期权的公司股权价值评估

文章提出了将模糊集理论运用于B-S定价模型用来评价公司股权价值。由于市场和技术环境的不确定性,B-S模型中的一些输入参数往往不能很准确。因此,采用梯形模糊数来估计预期股权现金流现值和股权资本成本,建立了模糊实物期权定价模型,并应用案例验证该模型的有效性。     

KMV模型的改进及对上市公司信用风险的度量

针对我国资本市场和上市公司的特征,笔者对KMV模型进行了参数的改进,充分考虑了流通股和非流通股的分别计价问题,上市公司的违约点设定问题.因而参数调整后的KMV模型更加符合我国的实际.通过对沪市上市公司的信用风险评估的检验,充分证明参数调整后的KMV模型能够及时准确地识别出我国上市公司的信用质量变化趋势.     

信用风险管理中违约概率的估算方法

对于银行的信用风险管理,目前主要的模型包括JP摩根的CreditMetrics模型、穆迪KMV的EDF模型、CSFP的CreditRisk+模型和麦肯锡的CPV模型.这些模型中,对于违约概率的估算都是十分重要的构成部分.目前,计算违约概率的方法主要有两类:一是根据统计学的方法,即通过对历史数据推导出预计的违约概率;二是根据市场价格的方法,即通过公司的资产价值,亦包含企业所在行业以及宏观经济环境的有关信息计算违约概率.     

对公司价值评估中自由现金流量的辨析

自由现金流量估值模型在公司价值评估中有着重要的地位。自由现金流量估值模型依据预期未来现金流量的现值来评估公司价值,特别适用于不经常派发股利的公司价值评估。自由现金流量估值模型一般分为公司自由现金流模型和股权自由现金流模型两类。     

基于Tompkins方法的KMV模型研究

传统的KMV模型使用公司价值历史波动率来近似替代波动率.针对我国股市波动不稳定,尤其是重大经济事件或政治事件的信息披露,以及金融市场上可能存在的影响金融资产价格波动率的季节性或周期性等因素对标的资产市场产生影响较大这一特性,文章把基于历史数据的估计和对波动率变化规律的认识结合起来,综合运用各种定量与定性分析的工具,即运用预测波动率估计的基本思想替代了传统的历史波动率求解方法.实证分析表明,该方法能使模型对信用风险的预测更具准确性和前瞻性.     

上市公司信用风险计量研究——KMV模型及其应用

文章系统地讨论了KMV模型的基本结构及其形式,并对我国上市公司的信用状况给予了实证分析,指出了KMV模型在分析中国上市公司信用风险时所面临的一些问题与不足.     

限售股股东追加解禁承诺的股价变动研究

文章以2008~2010年沪深A股上市公司限售股股东对限售股追加解禁承诺的公司为样本,实证研究了我国股权分置改革过程中限售股股东追加解禁承诺与股价效应的关系。研究发现市场能够识别限售股股东追加解禁承诺对公司价值的影响,承诺公告在解禁日前发布比解禁日后发布的市场反应更好,而且越接近解禁日发布承诺公告的公司股价效应越好;限售股股东追加解禁承诺规模越大,市场反应越好,但市场并不关注追加承诺是否附带价格承诺,并且实际控制人是国家、股权集中度高以及营业利润增长率比较高的上市公司的股价在承诺公告发布前后更容易得到市场的积极支持。     

商业银行外部评级和资本市场评价比较研究

银行风险是当前中国面临的最主要的金融风险。为了准确评价银行的风险,首先介绍了两种最主要的方法——外部评级法和资本市场评价模型,再用默顿和KMV的相关理论计算了资本市场评价模型中最主要的参数d2,并用聚类的方法将d2分类后和外部评级法的结果进行比较,结果表明,市场评价模型的客观性和公正性较好,外部评级法的稳定性较好,两种方法各有优劣,可以互相借鉴。     

Coverage properties of beta estimated prediction intervals for multimodal recovery rates

In this paper we use bootstrap methodology to achieve accurate estimated prediction intervals for recovery rates. In the framework of the LossCalc model, which is the Moody's KMV model to predict loss given default, a single beta distribution is usually assumed to model the behaviour of recovery rates and, hence, to construct prediction intervals. We evaluate the coverage properties of beta estimated prediction intervals for multimodal recovery rates. We carry out a simulation study, and our results show that bootstrap versions of beta mixture prediction intervals exhibit the best coverage properties.     

Production Frontiers and Panel Data

Value at risk (VaR) is the standard measure of market risk used by financial institutions. Interpreting the VaR as the quantile of future portfolio values conditional on current information, the conditional autoregressive value at risk (CAViaR) model specifies the evolution of the quantile over time using an autoregressive process and estimates the parameters with regression quantiles. Utilizing the criterion that each period the probability of exceeding the VaR must be independent of all the past information, we introduce a new test of model adequacy, the dynamic quantile test. Applications to real data provide empirical support to this methodology.     

上海股票市场分形特征的实证研究

以有效市场假说为基础的现代资本市场理论被越来越多的实践证明与现实情况不符,而分形理论则考虑到资本市场的复杂性和EMH的缺陷,以非线性范式为分析基础,解释了有效市场理论无法解释的许多市场现象,为更深入地分析资本市场提供了新的思路和方法。文章以上海股票市场为例,用分形理论对上海股市的分形特征进行了研究,其结果表明上海股票市场具有明显的分形特征。     

基于新三维客户细分模型的线上会员客户价值研究

从客户的当前价值、潜在价值、忠诚度价值三个方面出发,建立适用于线上企业的会员客户价值评价指标体系。同时,在传统RFM模型的基础上构建了新三维的客户细分模型,并根据改进的客户价值细分维度进一步细分客户,利用主成分分析法计算每个客户群的价值得分。最终选取某网站的会员客户数据进行算例分析,通过识别不同客户群体、价值和状态,为企业实施精准营销提供更加细致的客户细分依据。     

企业市场调查中敏感性问题的处理

信息时代的发展要求企业掌握及时、准确。可靠的数据资料以把握市场机遇,其中企业进行与自身产品、服务相关的市场调查不失为一种有效获取市场信息的方法。企业市场调查是一门新兴的管理技术,是减少决策主观性、增强产品竞争力。提高企业经济效益的有效工具。但就我国目前的市场调查而言,它尚处于起步阶段,属一个全新的行业,而且主要为调查公司实施的社会状况及热点问题调查,由企业为掌握市场信息、避免决策失误自行实施的市场调查少之甚少。这样无论从调查方法、调查模式,还是从调查人员素质来说,我国的企业市场调查有众多未解决的问题。就敏感性问题而言,它虽是市场调查中调查人员所竭力避免的,但有时无法回避。非问不可。这样无论是企业市场调查,还是敏感性问题调查,都是我国目前的薄弱环节,都迫切需要更为有效的技术支持。为了更好地处理企业市场调查中所遇到的敏感性问题,我们在分析随机化回答模型的基础上,提出一种新的解决思路,供企业市场调查者参考。     

Assessing the market values of soccer players – a robust analysis of data from German 1. and 2. Bundesliga

The paper examines to what extent a player's market value depends on his skills. Therefore, a data set covering 28 performance measures and the market values of about 493 players from 1. and 2. German Bundesliga is analysed. Applying robust analysis techniques, we are able to robustly estimate market values of soccer players. The results show (1) that there are significantly underrated and overrated players and (2) that a player's affiliation to a certain team may contribute to his market value. We conclude that a club's reputation affects the market values of its players and that star players are in tendency overrated.     

SVJD-LIBOR随机动态模型的市场校准估计与实证模拟

针对跳跃扩散LIBOR市场模型（JD-LIBOR）与随机波动率LIBOR市场模型（SVJD-LMM）各自应用局限,首先将正态跳跃扩散与Heston随机波动率同时引入标准化LIBOR市场模型中,建立一类新型双重驱动非标准化LIBOR市场模型（SVJD-LMM）。其次,运用Cap、Swaption等利率衍生产品市场数据和Black逆推校准方法,对模型的局部波动参数与瞬间相关性参数进行有效市场校准;并运用自适应马尔科夫链蒙特卡罗模拟方法（此后简称A-MCMC）对模型的随机波动率、跳跃扩散等其他主要参数进行有效理论估计与实证模拟。最后,针对六月期美元Libor远期利率实际数据,对上述三类市场模型进行了模拟比较分析。研究结论认为,若在单因子Libor利率市场模型基础上引入跳跃扩散过程,并且联立波动率的随机微分方程,则可极大地提高利率模型的解释力;加入随机波动率和跳跃扩散过程的模拟计算结果与实际利率的误差更小,从而更接近现实情况。     

A novel auto-regressive fractionally integrated moving average–least-squares support vector machine model for electricity spot prices prediction

In the framework of competitive electricity market, prices forecasting has become a real challenge for all market participants. However, forecasting is a rather complex task since electricity prices involve many features comparably with those in financial markets. Electricity markets are more unpredictable than other commodities referred to as extreme volatile. Therefore, the choice of the forecasting model has become even more important. In this paper, a new hybrid model is proposed. This model exploits the feature and strength of the auto-regressive fractionally integrated moving average model as well as least-squares support vector machine model. The expected prediction combination takes advantage of each model's strength or unique capability. The proposed model is examined by using data from the Nordpool electricity market. Empirical results showed that the proposed method has the best prediction accuracy compared to other methods.     

基于熵最大原则的GPD估计与中国股市极值风险测度

POT极值模型参数的准确估计是计算金融资产回报市场风险的关键。根据最大化熵原则（POME）得到POT模型中GPD参数估计方程组,通过回归模型的可决系数法选取阈值,最后将其应用到中国两个时段股市金融风险测度的实证研究中。结果表明：第1、2时段,最优阈值分别为0．01799、0．01801,γ、ξ和β的估计值分别为18．53467、0．14871、0．00802和2．93172、0．03649、0．01258,并得到不同显著性水平下的VaR和ES值,为GPD参数估计找到了一个更科学有效的方法,更为准确计算金融资产回报市场风险提供了新思路,同时也测算了本次国际金融危机对中国股市风险的影响。