商业银行信用风险评估的考克思模型

为探讨Cox模型在中国商业银行信用风险评估中的应用问题,借助生存分析中的Cox模型构建样本公司的信用风险评估及预测模型,在商业银行信用风险评估模型中,Cox模型具有可以使用时间序列、无需样本配对、连续预测和高鲁棒性的特点,并采用中国上市公司的财务报表数据,通过2001年到2004年数据实证研究表明,该模型可以较好地对信用风险进行评估。     

供应链金融信用风险实证研究——基于MF-Logistic模型

供应链金融是传统商业银行授信模式的转变,带来了各参与主体共赢的局面。供应链金融在我国处于起步阶段,商业银行受收益驱动积极开拓供应链金融业务,但对供应链金融的信用风险管理还处于相对落后状态。本文选取宏观经济指标和微观企业信用风险评估指标,使用计量经济学方法构建出蕴含宏观经济因素和反映企业内部信用能力的财务指标的MF-Logistic模型,进而对2007年第一季度至2013年第三季度的27组样本数据进行实证研究,并通过实证和规范分析给出研究结论。通过对供应链金融信用风险的度量和预测,为商业银行提供供应链金融信用风险预警,并为制定相应的应对措施提供参考。     

基于神经网络的商业银行信用风险研究

针对商业银行信用风险的性质和借款人财务指标的非线性、高度相关性、不成正态分布等,利用人工神经网络能模拟人的部分形象思维能力能较好地处理非线性问题,信息的并行分布式处理与存储,可以多输入、多输出,能进行学习以适应环境的变化等特点,构建商业银行信用风险神经网络模型。该神经网络模型由输入层、隐层和输出层三部分组成,输出结果表明,利用三层隐节点的神经网络模型能达到理想的输出结果,比传统的信用风险管理方法有较高的预测精度。     

等距特征映射的支持向量机模型在上市公司信用风险评估中的应用

为了实现上市公司信用风险的科学定量管理,提出了一种基于支持向量机(SVM)的信用风险评估方法。考虑到财务数据特征的非线性和高维性,采用等距特征映射(Isomap)算法对财务指标进行特征提取,以减少数据的冗余,针对人为选择SVM参数的盲目性,应用遗传算法优化其参数。通过以中国上市公司财务数据为基础的实证分析表明:基于Isomap的SVM模型比BPNN(BP神经网络)、PCA-SVM(主成分-支持向量机)模型具有更强的信用风险评估能力,小样本评估准确率达到91%。     

我国中小企业信用风险评估实证研究

经过多轮征询专家意见,建立评估中小企业信用风险的非财务指标体系,从行业环境、企业经营管理水平、经营者经验与素质、信用品质四方面评估。以主成分分析法得到财务指标体系,包括负债现金流保障度,资产负债率,盈利能力,营运能力,流动性,贷款保障度6个主成分。以Logistic回归模型为基础建立的评估模型,分别评估非财务指标信息和财务指标信息后,加权相加两方面结果得到综合评估结果。实证检验证明,该模型的评估正确率达到96%,显著高于只包含某一方面信息的评估模型。     

基于GA-PSO混合规划算法的企业信用风险评估模型

利用一种新的人工智能方法———GA-PSO混合规划算法构建企业信用风险评估模型。并利用上证50若干企业的实际数据对模型进行了实证检验。实证结果显示该模型能有效预测上市企业的信用风险状况。该模型在收敛性能及预测准确率等方面优于基于传统的多元回归方法及GP方法的信用风险评估模型。     

基于决策树与logistic的上市公司信用评估比较研究

本文构建了基于决策树和logistic的评估模型,对我国目前已上市的216家上市公司进行了实证研究。首先运用单因素方差分析、因子分析对46个变量进行属性约简,最后选定了整合16个指标信息的6个主因子。随后分别运用基于熵方法、基尼系数法的决策树、logistic方法,建立了3个上市公司信用分类的模型。本文的研究结果显示:决策树并不严格优于logistic回归,在公司信用水平差的可能性高的情况下,采用Logistic模型预测能力较好,信用差的概率处于中高水平时,决策树模型较好,其他情况下,三种模型预测能力相当。     

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。     

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。     

基于单变量分析的我国上市公司两阶段财务预警模型实证研究——以纺织行业为例

我国现有的财务预警研究大部分仅限于对上市公司是否会陷入ST来建立预测模型,缺少对公司陷入ST后财务状况预测的进一步研究。应着眼于为上市公司的外部信息使用者建立ST前和ST后两阶段的预测模型,即把正常公司是否会转为ST公司作为模型预测的第一阶段,把ST公司是否会暂停上市作为模型预测的第二阶段,可选取包括现金流量指标在内的五种财务指标,以纺织行业为例进行分行业的实证研究,建立纺织行业两阶段的单变量预测模型。研究结果表明这些模型在两个阶段都达到了较好的预测效果。     

基于Cox比例风险模型的ST公司复发风险影响因素分析

自证监会对财务状况异常的上市公司实施ST制度以来,一些公司屡次被实施ST,“戴帽-摘帽-又戴帽”现象频繁发生。上市公司的ST复发风险已成为我国资本市场上不可忽视的监管问题。为有效评估ST公司的复发风险,文章选取1999-2020年在沪深两市上市经历过“戴帽-摘帽”的A股公司为样本,运用生存分析方法构建Cox比例风险模型,提取影响上市公司ST复发风险的保护因素及危险因素,分别为现金比率、资本密集度、成本费用利润率、每股收益及成立年限;进一步,为验证模型的有效性,利用Harrell的C指数估算Cox比例模型预测能力,得出其预测精度达0.779,具有较高的预测能力。本研究结果可为证监会监管ST类公司提供精准监管指标,有利于防控系统风险,实施有效的监管措施并引导市场理性投资。     

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。     

固定收益债券信用等级迁移的影响因素分析：基于财务指标的实证研究

固定收益债券的信用等级迁移问题日益引起投资者和监管者的关注,预测信用等级迁移需要找到关键指标。财务数据对企业未来业绩具有显著影响,可以反映运营企业的信用质量。当前信用等级发生迁移债券存在发行期限集中、行业特征明显、发债目的差异化等特点,通过构建Logistic模型对影响债券信用等级迁移的财务指标进行实证分析发现：偿债能力和盈利能力都对企业债的信用等级迁移具有显著影响,但是信用升级和信用降级分别对不同的财务指标敏感。发债企业要想提高债券信用等级,需提高盈利能力;投资者要想降低信用风险,应考虑减少甚至剔除投资组合中偿债能力发生显著负面变化的债券;监管者要想对发债企业进行更有效监管,需关注偿债能力指标以及主营业务利润率的变化。     

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.     

负债资产比及资产波动率与信用风险研究

基于期权定价理论的EDF模型是现代信用风险定价与度量研究中极其重要的部分,对其适用性的研究对提高我国商业银行信用风险计量水平、国际竞争能力与监管机构风险监管能力有着十分深远的意义。通过利用我国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检验,研究表明：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,这两条结论均符合EDF模型。     

基于违约距离的上市公司信用风险研究——以制造业为例

本文以沪深两市2007年被＊ST处理的制造业上市公司为研究对象,选择与研究对象相同行业种类且资产规模相近的正常公司作对照公司,用默顿模型估计了参数并计算1年期和2年期的违约距离．发现违约距离在短期内能提供预测公司信用风险的信息,在长期内则预测效果不明显。     

上市公司财务危机预警实证研究

通过采用样本分析等方法对中国证券市场上市公司的财务危机预警进行实证研究,首先对国内外财务预警的发展历程和研究成果进行了评述,对上市公司财务预警的相关理论及方法作了总结和分析.然后结合中国上市公司的现状和特点,设计了样本A,对样本分别从行业和规模方面进行了分析.选取了37个财务指标,并按照财务指标的特性分为6个组,根据t检验的p值大小在37个财务指标中筛选出若干指标,作为预测模型的初始输入变量.运用Logistic回归分析作为主要建模方法,数据收集的时间延至样本公司可能出现财务危机的前五年或财务恶化的前三年.在此基础上,通过实证研究检验出若干预警能力强的财务指标,建立了一套动态财务危机预警模型.最后,通过有效性检验,得出了2007年上市公司有54家出现财务危机,模型的总判别率为80.30%,并在此基础上指出了模型的实际运用情况.     

上市公司财务困境预警的Logit模型实证研究

把传统财务指标与现金流指标结合起来,利用logit方法构建了一个上市公司财务困境预警模型,该模型对预测样本进行实证研究,证明是一种有效、实用的预测方法。     

基于Logistic与Fisher的上市公司财务困境判别模型比较研究

以我国股权分置改革后A股制造业公司为研究对象,采用大样本法选取样本,选用财务困境发生前2年内8个季度的财务数据进行分析,对财务困境公司与正常公司的财务指标分别进行Fisher判别分析、线性logistic回归和非线性logistic回归分析。研究结果表明,我国上市公司财务困境发生前2年的季度数据对公司财务困境是否发生具有预测效力;总资产净利润率、营运资金比率和成本费用利润率三个指标对财务困境的预测能力较强;非线性logistic模型的误判率最低,线性logistic模型其次,Fisher模型的误判率最高。     

公司财务舞弊的智能识别与模型优化策略

公司财务舞弊行为隐蔽、手法多样,扰乱资本市场,损害投资者利益.传统方法对财务舞弊识别困难,而近年来智能财务技术发展迅速,为识别财务舞弊提供了新的途径.本文以2010-2019年我国A股上市公司为研究对象,筛选出2338条舞弊数据和4676条非舞弊数据进行对照,构建了基于逻辑回归、决策树、支持向量机和神经网络四类模型,并通过调参进行模型比较和优化,智能识别财务舞弊现象.研究发现,财务杠杆、流动资产周转率等十个财务指标以及大股东持股比例、审计意见两个非财务指标对模型有较好的解释力;基于多层神经网络的模型有更好的识别效果.