论文部分内容阅读
信用风险是商业银行中最为传统的一类风险。近几年金融全球化不断加剧，信用衍生产品大量涌现，银行的经营范围也不断扩展，因此银行所面临的信用风险也在不断加大。目前信用风险管理逐步成为银行经营管理活动中最为重要的内容。信用风险管理中较为有效方法是使用信用风险预测模型对信用风险进行度量，目前被广泛关注的信用风险预测模型有基会计财务数据的Z评分模型和基于股票价格的KMV模型。这两种模型虽然在预测借款企业违约概率方面起着至关重要的作用，但是由于其所依赖的数据来源不同，导致两者分别适用于不同的范围。分位数回归依据因变量的不同条件分位数对自变量进行回归，它描述的是研究对象在不同分位数的分布，而不同分位数对应的参数估计量也不同，这就显示了同一种的影响因素对处在不同分位水平的研究对象的影响作用也大小不同。特别对于分析具有厚尾分布特征的金融数据方面，分位数回归方法往往能够提供更为准确详细的信息。本文将分位数回归模型应用于信用风险模型研究之中,通过分位数回归模型构建了一个用Z值和DD值预测违约概率的模型，旨在通过分位数回归方法对所构建的模型进行回归分析，以此判断Z值和DD值在不同分位数情况下对违约概率的影响，进而验证Z评分模型和KMV模型对不同信用质量上市公司的违约风险的预测效果。随后本文选取了40家上市公司的数据对所构建的模型进行实证分析，结果表明处于高分位水平的违约概率与DD值相关性强，与Z值相关性弱；处于低分位水平的违约概率与Z值的相关性高，与DD值的相关性低。这就说明Z评分模型预测信用质量较好的企业时准确性较高，相反KMV模型在预测低信用质量的企业时准确性较高。因此在预测交易对手的违约风险时，可以相应的考虑该公司的信用质量，选择适合的模型，从而更准确地预测违约风险。