KMV模型在我国上市公司财务预警中的应用

论文摘要

随着我国经济的发展和金融体系的建设,金融体系的风险防范越来越受到重视,此次的金融海啸也再次敲响了银行业和广大投资者的警钟。因此,如何识别和预测金融风险,尤其是信用风险,对于减少银行呆坏账,提高银行业和投资者的风险抵抗能力都有重大意义。国内在这方面的研究分两个阶段：第一阶段多采用多变量分析法,依赖传统的财务指标进行风险识别和预警；第二阶段主要是尝试将近几年国际上新发展的信用风险计量方法和模型,如KMV模型、神经网络模型、Credit Metrics模型等引入国内并进行本土化改造和应用研究。对新旧两类方法进行融合的研究,国内尚属空白,本文在前人研究的基础上,尝试将传统的依赖财务指标的多变量分析法和近几年在国际上应用比较广泛的KMV模型进行结合,以期提高信用风险预测的精度。文中设定两类对比模型：仅含有传统财务指标的多变量分析模型；包含了代表KMV模型的违约距离和预期违约率以及传统财务指标的创新模型。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DD和预期违约率EDF,通过主成分分析法从选取的21个传统财务指标中提取5个主成分因子,将以上这些变量作为构建模型的自变量,使用Logit方法对两类模型分别进行回归检验,结果显示两者的预测精度均达到了90%以上,但后一个模型的预测精度较仅依赖财务指标进行预警的传统多元线性分析模型的预测精度提高,故这一处理方法是有效的,为今后的银行信用风险预警研究开辟了新思路。本文选取了114家上市公司作为样本,样本容量大、有代表性,对于KMV模型中的变量也都进行了中国化改造,这些都使得本文的结论对于中国市场更具有应用价值。

论文目录

• 中文摘要
• ABSTRACT
• 第一章 导论
• 1.1 研究背景及意义
• 1.2 本文的结构安排及内容概述
• 1.3 本文创新点
• 第二章 文献综述
• 2.1 财务危机研究综述
• 2.2 KMV模型应用于财务危机研究综述
• 第三章 模型构建
• 3.1 基本理论介绍
• 3.1.1 KMV模型
• 3.1.2 Logit模型
• 3.1.3 主成分分析法
• 3.2 模型构建
• 第四章 实证分析
• 4.1 样本采集和数据处理
• 4.1.1 企业及其财务指标样本的采集
• 4.1.2 违约距离和预期违约率的求解及相关分析
• 4.1.3 财务指标的统计检验及主成分分析
• 4.2 logit回归及结果分析
• 4.2.1 只考虑财务指标的主成分因子
• 4.2.2 财务指标的主成分因子加入Merton期权模型的违约距离
• 4.2.3 财务指标的主成分因子加入传统KMV模型的违约距离
• 第五章 结论
• 5.1 本文的基本结论
• 5.2 本文的不足和进一步研究方向
• 附录1
• 附录2
• 附录3
• 附录4
• 参考文献
• 致谢
• 攻读学位期间发表的学术论文目录
• 学位论文评阅及答辩情况表