不同行业上市公司信用风险研究

论文摘要

上市公司信用风险研究一直是国内外学者对金融风险研究的热门话题,而且上市公司的信用风险是全世界金融机构以及商业银行所面临的最主要风险之一,在日益复杂的金融经济环境下,如何使商业银行更好的对上市公司信用风险进行管理对维护我国金融经济持续健康稳定健康发展非常重要。上世纪八十年代以来,金融危机和次贷危机频频发生,这些金融危机的发生,主要“归功于”商业银行在上市公司信用风险管理方面存在严重问题,且事实告诉我们商业银行对上市公司信用风险管理,从微观方面看,影响商业银行的正常运营和发展,宏观方面来讲,还会影响整个国民经济的正常、健康运行,当商业银行对上市公司信用风险管理出现问题时甚至会出现社会问题,欧债危机中的希腊就是一个不争的例子。银行的信用风险管理的失控可以是金融危机发生的根本所在,虽然金融危机已经离我们而去,但是危机过后商业银行对上市公司的信用风险管理问题再次引起政府和公众的注意,加强商业银行对上市公司的信用风险管理进而避免产生信用危机、银行危机、经济危机的产生成为了各国监管机构的头等大事。本文汲取国外银行在金融危机中的经验教训,结合我国实际国情,对我国不同行业上市公司信用风险进行对比研究,对不同行业上市公司信用风险进行对比研究不仅可以提前规避行业内的客户风险,把握行业和企业的长期发展趋势,而且可以使商业银行在整体把握行业的发展态势,区别对待行业内不同的信用风险,并相应的根据不同行业上市公司的信用风险的大小,采取有针对性的贷款策略,进而能够在很大程度上规避上市公司信用风险,最终使商业银行的利益实现最大化。本文综合国内外学者对上市公司信用风险的研究方法,以及大量学者对中国实际国情的研究,发现在众多研究方法中,KMV方法比较符合我国国情,而且KMV模型也克服了其他传统信用风险度量模型的缺点,故引用KMV方法为本文测量上市公司的信用风险的方法,并对传统的KMV模型中计算股权价值波动率的方法进行了改进,使之更加符合我国股市股票收益率数据的特点。本文实证部分选取了上交所—GICS行业分类中的原材料业、医药卫生、工业、可选消费和金融地产五个行业,每个行业选取了上交所上市的十家上市公司,其中五家常规上市公司和五家ST上市公司,由于本文的重点为不同行业上市公司信用风险对比研究,所以只选取了2011年的样本数据。首先对所选取样本依次进行信用风险度量：计算公司股权市场价值；用GARCH-M模型估计股权价值波动率；用Matlab软件中的fsolve函数计算出公司资产市场价值和公司资产价值波动率；最后计算违约距离和违约概率。然后用SPSS软件中的配对样本均值T检验对不同行业上市公司信用风险进行对比性研究：分别是不同上市状态下上市公司信用风险对比和不同行业上市公司信用风险对比。结果表明常规上市的上市公司信用风险比ST公司信用风险小,按行业信用风险从小到大排列为工业和可选消费、医药卫生和原材料、金融地产行业。

论文目录

• 摘要
• ABSTRACT
• 1 引言
• 1.1 选题背景和意义
• 1.2 文献综述
• 1.2.1 国外文献综述
• 1.2.2 国内文献综述
• 1.3 论文结构安排和创新之处
• 2 信用风险概述
• 2.1 信用风险定义
• 2.2 信用风险的分类
• 2.3 信用风险的特征
• 3 上市公司信用风险测量方法介绍
• 3.1 传统的测量方法
• 3.1.1 专家分析法
• 3.1.2 信用评级法
• 3.1.3 多变量信用风险判别分析法
• 3.1.4 神经网络分析法
• 3.2 KMV模型在上市公司信用风险度量上的应用
• 3.2.1 KMV模型的假设条件和基本思想
• 3.2.2 KMV模型建模及计算过程
• 3.2.3 KMV模型的特点
• 4 基于KMV模型对不同行业上市公司信用风险度量实证研究
• 4.1 数据的选取
• 4.2 参数的设定和计算
• 4.2.1 股权价值E
• E'>4.2.2 股权价值波动率σ_E
• 4.2.3 公司债务到期时间参数T
• f'>4.2.4 无风险利率r_f
• T'>4.2.5 公司资产市场价值V和公司资产价值波动率σ_T
• 4.3 违约距离和违约概率
• 4.4 比较性分析
• 4.4.1 不同上市状态上市公司信用风险比较分析
• 4.4.2 不同行业上市公司信用风险比较分析
• 4.5 实证分析总结
• 5 本文结论和不足之处
• 5.1 本文结论
• 5.2 建议及进一步研究
• 附录
• 参考文献
• 后记