论文部分内容阅读
随着我国资本市场的迅速发展,越来越多的资金流入股票市场,最近几年资本市场上上市公司的数量越来越多,大量投资者和债权人将自己的资金投入上市公司,但是上市公司的信用风险却在加大,同时关于上市公司的信用风险测度模型很多,但是那种模型更适合国内情况,国内学者研究的不多,因此本文主要采用国内最新数据对目前主要的信用风险测度模型进行分析和研究。
研究发现在基于判别分类模型方面Logistic的提前一年的预测效果最好,整体预测准确率可以达到80%,其他两个模型的预测效果较差,提前两年的预测方面所有模型的效果都差。同时通过分析还发现,用线性概率模型和Fisher判别回归得到的变量完全相同,都包括:总资产增长率,总资产周转率,净资产收益率,毛利率和流动比率,并且总资产周转率和毛利率对判别上市公司信用质量贡献最大。总体来讲无论是提前一年还是两年,这三个模型在关于非ST判定为非ST方面整体的有效性达到85%。在基于资本市场理论方面,经典的KMV模型可以用来预测上市公司的信用质量,并且用该模型得到的违约距离具有很强的理论基础,但是相比判别分类模型,KMV预测效果要差很多,但是目前我国股改已经完成,上市公司股票全流通已经开始,因此采用适合国内的KMV具有广泛的研究前景。