论文部分内容阅读
2014年3月“11超日债”实质违约事件的发生,标志着我国债券违约拉开了序幕。根据Wind数据库,截至2019年12月31日,我国公司发行债券发生违约事件总共425起,随着信用风险向多样化和复杂化趋势发展,企业信用风险问题日益受到监管层和国内银行等金融机构的关注。民营企业在产业结构中占有相当大的比例,在国民经济的重要地位不言而喻,其经营管理状况直接影响着我国经济的总体发展状况。在此背景下,深入研究我国民营企业上市公司的信用风险,选择合适的评估模型和指标体系更加科学地衡量企业信用风险,具有高度的理论和现实意义。本文研究的内容及得出的结论主要有:(1)选取360家上市民营企业在2018年1月1日至2018年12月31日的数据,其中包含发生债券违约及特殊处理(ST)的上市公司样本为60家,未发生债券违约的上市公司样本为300家,研究2019年上市民营企业违约行为。通过GARCH(1,1)修正股权价值波动率,然后代入KMV模型中求解违约距离。结果表明,KMV模型求解的违约距离对于信用风险具有良好的识别能力;相比于传统KMV模型,采用GARCH(1,1)模型修正的KMV模型具有更优越的信用评价效果。(2)为了得到更有效的信用风险评价模型,选取企业20个财务指标和3个非财务指标,通过主成分分析方法构建了信用风险评价的五因子,来表征企业的偿债能力、营运能力、盈利能力和成长能力,建立了 Logistic回归信用评价模型。结果表明,各因子在模型中表现效果均显著,模型的拟合性和预测性较好,Logistic回归是一种可靠的信用风险度量方法。(3)在Logistic回归模型的基础上,指标体系又加入违约距离DD作为新的解释变量,构建了 KMV-Logistic混合模型,对比分析Logistic模型与KMV-Logistic模型。结果表明,修正的KMV-Logictic混合模型判决系数可达87.9%;相较于Logistic回归模型,修正的KMV-Logictic混合模型TPR指标提高了 6.7%,FPR指标降低了 4.0%,总体正确率提高了 4.4%。采用修正的KMV-Logistic模型进行上市民营企业信用风险度量更为有效。通过GARCH(1,1)修正的KMV模型、Logistic模型和修正的KMV-Logistic混合模型对上市民营公司的信用风险进行了实证研究,对模型优化以及模型应用进行归纳总结。本文为上市民营企业信用风险度量提供了建议,对上市民营企业信用风险度量方法的选择具有一定的参考价值。