论文部分内容阅读
企业发行信用债券是进行融资的重要方式,随着中国金融体制改革步伐的加快和金融市场开放程度的提高,近年来企业信用债券违约事件频发,对我国资本市场的稳定和发展造成了巨大影响,也极大的损害了广大投资者的利益。信用债券包含着巨大的信用风险,其中投资者最为关注的就是违约风险。基于信用风险管理的重要性和艰巨性,研究如何准确地度量信用债券的违约风险,以及如何动态及时地对度量结果进行检测具有重要的现实意义和价值。本文从传统度量信用风险的KMV模型入手,指出公司资产价值连续变化、服从对数正态分布这一基本假设,无法解释实际观察到的资产收益率的“尖峰厚尾”和“隐含波动率微笑”特征;传统KMV模型没有考虑资产价值的跳跃行为,会低估信用风险。进一步引入资产价值带有跳跃式波动的KMV模型来度量信用风险,阐明其理论基础,推导并简化其计算违约距离的表达式,基于极大似然法和最小二乘估计进行参数估计和方程求解,并对比跳跃扩散KMV模型和传统KMV模型的信用风险度量效果。将跳跃扩散KMV模型与Logit模型相结合,将违约距离作为解释变量加入到传统Logit模型中,构建混合模型,通过样本外测试对比混合模型与传统Logit模型的信用风险度量效果。对实际发生公司债券违约的20家上市公司及100家对照公司进行实证分析,结果表明传统KMV模型没有考虑资产价值跳跃行为,会低估公司的信用违约风险。跳跃扩散KMV模型有着更好的风险识别和度量能力,违约公司资产价值更易受到突发事件的冲击,会更加频繁的跳动,具有更大的跳跃风险。跳跃扩散KMV-Logit混合模型很好的结合了两个模型的优点,全面利用公司股市数据和财务数据,动态地监测上市公司的信用债券违约风险;跳跃扩散KMV-Logit混合模型可以显著提高对实际违约公司的识别能力,对于信用违约风险更加敏感和灵敏。