论文部分内容阅读
随着经济的高速发展,我国兴起大量公司,涵盖了社会生活的各个领域和行业。从改革开放到现在,大部分的行业都是需要自负盈亏的私营企业。客观地说,中国企业的平均寿命是五年,最多不超过三十年,许多企业最终停业倒闭或者被收购兼并甚至破产而结束。由此可见,如何科学管理和预测上市公司的风险对于一个企业来说非常重要。上市公司的风险包括很多方面,根据成因可以分为市场风险、操作性风险、政策风险、声誉风险、流动性风险、法律风险、信用风险等等。其中最重要却又难以度量和管理的就是信用风险。我国的信用风险研究发展的比较落后,尤其是在风险的管理方面与国际先进水平相差很大。国际上不断涌现出新的度量和管理信用风险的方法,这些方法随着经济的发展而不断创新。这些方法选用先进的模型对信用审核、等级评定、资产定价、风险预警等方面进行量化,使信用风险符合实际的水平。随着中国市场经济的快速发展以及国际金融的不断创新,加强信用风险的管理和预测变得越来越重要。本文研究的目的就是在学习和改进国际信用风险管理方法的基础上,尽快确立一个科学高效的上市公司信用风险模型和预警系统,为我国在管理和预测信用风险方面提供理论基础和实践基础。信用风险的传统度量方法有专家分析法、评级法、评分法等,这些传统的方法大多是定性分析。随着对风险管理的要求越来越高,涌现出许多以现代金融理论为基础,应用金融工程方法来管理和预测信用风险的理论和模型,认真研究信用风险管理的发展过程,我们可以看出关于信用风险的度量方法由定性逐步向定量的方向发展。除此之外,在数据使用方面,加入了财务报表数据和股票市场数据。本文的样本数据来自中国A股市场的60家上市公司,通过实证研究,对比分析了KMVV模型、Naive模型和LT模型在度量和识别信用风险方面的水平。KMV模型属于外生违约边界模型,Naive模型属于简化的Merton模型,LT模型属于内生违约边界模型,本文对这三个模型的理论基础和实证结果进行深入分析,通过选取ST公司和非ST公司两个对比样本,研究哪个模型更适合中国的金融市场。为了提高模型的识别能力,本文采用了极差波动率方法估计模型中的股权价值波动率。实证结果表明,KMV模型和LT模型具有很好的表现,无论是均值t检验还是中值Wilcoxon检验,两个模型都在5%显著性水平下显著,Naive模型在10%显著性水平下的t检验显著,在5%显著性水平下的Wilcoxon检验显著。本文采用定量分析的方法,运用ROC曲线和CAP曲线来比较三个模型的识别能力。本文计算出KMV模型,Naive模型,LT模型的ROC曲线下的面积分别为0.88,0.54,0.69。对于CAP曲线,我们需要使用精确比率AR来衡量,三大模型的AR值分别为0.81,0.39,0.42。综合ROC曲线和CAP曲线,本文认为KMV模型更适合中国市场。通过KMV模型的实证分析,我们统计出每个违约距离区间的ST公司出现的频数,绘制堆积柱形图,设计了基于本文样本的一级、二级信用预警线。低于二级信用预警线的上市公司出现信用风险的概率达到82%;低于一级信用预警线的上市公司出现信用风险的概率达到92%。本文的创新之处主要体现在:模型的计算采用极差波动率法而不是股权波动率法;目前中国关于Naive模型和LT模型的实证文献相对于KMV模型来说是少之又少,本文采用全新的样本数据对Naive模型和LT模型进行实证研究并结合KMV模型的输出结果,考察这三个模型在度量和识别信用风险方面的差异;为了考察模型的识别能力,引入ROC曲线和CAP曲线的分析方法,基于Logistic函数的ROC曲线方程形式增加了分析的稳定性。