基于EGARCH-M波动模型的KMV信用风险度量研究

提高股权价值波动率精确度的KMV模型对上市公司信用风险状况具有较强的反映和识别的能力。利用所选数据,建立EGARCH—M波动模型,从而计算上市公司三年间每半年KMV模型的违约距离,并通过与KMV参数估计中其它两个常用波动模型的结果进行比较,实证结果表明EGARCH—M波动模型能较好地提高KMV模型的信用风险识别反映能力。     

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。     

中国上市公司动态违约概率研究——基于KMV模型的实证检验

为测算中国上市公司的违约概率,在KMV模型的框架下,分别以我国A股市场上非ST上市公司和ST上市公司的数据作为样本,采用GARCH方法计算得出上市公司股价的隐含波动率,进而利用期权定价公式得到动态化的违约距离和违约概率的理论值,并通过对计算结果和理论假设的实证检验得出国际金融危机对中国上市公司信用风险有显著影响的结论,同时也发现KMV模型的理论假设存在不符合中国实际情况的若干现象,最后提出进一步研究的方向。     

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。     

KMV和Apriori算法在上市公司信用风险传染中的应用

运用KMV模型计算违约距离,作为度量我国上市公司信用风险的指标,并利用Apriori算法挖掘上市公司之间的信用风险传染.结果表明关联规则挖掘能直观有效地描述上市公司之间的信用风险传染,产生强关硖规则的上市公司之间信用风险传染较为明显.     

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。     

KMV模型在银行贷款定价中的应用

利率市场化要求银行能按风险来确定贷款利率.运用基于期权定价理论的KMV模型来得到公司的预期违约率和违约损失,从而能合理地确定贷款利率.KMV模型特别适用于银行对上市公司的贷款定价.     

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。     

中小企业集合债券发行主体发债比例确定 ——一个基于多元t-Copula-KMV模型的实证研究

结合KMV模型和多元t-Copula模型,构建中小企业集合债券发行主体发债比例优化模型,用以考察各发债企业的最优发债比例。为了排除宏观环境以及行业差异等因素的影响,同时考虑到数据的可得性,尽可能选取与现有中小企业集合债券发债企业处于同一行业的样本,具体以证券市场中小企业板块的上市公司为研究对象。实证结果表明,所确定的集合债券发债主体的最优发债比例能保证中小企业集合债券的信用风险预期损失率实现最小化。