現(xiàn)階段我國(guó)金融行業(yè)進(jìn)入了改革的深水期,隨著近幾年來中國(guó)黃金發(fā)展期,我國(guó)債券市場(chǎng)的規(guī)模也加速擴(kuò)張。但是伴隨而來的,我國(guó)信用債券違約事件頻頻發(fā)生,并且出現(xiàn)接連違約事件,對(duì)信用債券市場(chǎng)以及我國(guó)金融市場(chǎng)穩(wěn)定發(fā)展產(chǎn)生了很大的沖擊。所以目前市場(chǎng)形成對(duì)信用債券違約風(fēng)險(xiǎn)進(jìn)行監(jiān)測(cè)、預(yù)測(cè)和風(fēng)險(xiǎn)控制的完善體系對(duì)于債券市場(chǎng)以及金融市場(chǎng)穩(wěn)定健康發(fā)展都具有十分重要的理論和現(xiàn)實(shí)意義。本文將我國(guó)2016年至2018年首次發(fā)生違約的全市場(chǎng)信用債券上市公司作為樣本,建立KMV模型計(jì)算出來的樣本違約距離作為因變量,通過違約成因分析以及銀監(jiān)會(huì)監(jiān)測(cè)指標(biāo)構(gòu)建包括公司資產(chǎn)情況、營(yíng)業(yè)情況、償債能力及杠桿水平等多個(gè)維度指標(biāo)作為自變量,分別通過嶺回歸、Lasso回歸以及自適應(yīng)回歸模型進(jìn)行變量選擇,通過模型篩選結(jié)果及擬合優(yōu)度檢驗(yàn)值對(duì)比擇優(yōu)。由于擬合優(yōu)度結(jié)果相近,但是考慮到自適應(yīng)Lasso模型的壓縮變量特性致使模型計(jì)算過程中丟失有用信息,所以在進(jìn)行變量篩選后,本文采用Lasso模型構(gòu)建可加半?yún)?shù)回歸模型,對(duì)Lasso方法篩選出的關(guān)鍵財(cái)務(wù)指標(biāo)作為參數(shù)其他變量作為非參數(shù)部分,建立部分線性可加模型用于預(yù)測(cè)我國(guó)債券市場(chǎng)非上市公司債券主體未來風(fēng)險(xiǎn)情況... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：61 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖３．２：嶺跡圖??

?山東大學(xué)碩士學(xué)位論文???市盈率、凈利潤(rùn)增長(zhǎng)率、ＥＢＩＴ／營(yíng)業(yè)收入、只０Ａ、有息負(fù)債率、現(xiàn)金比率、現(xiàn)??金流量利息保障倍數(shù)、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、流動(dòng)比率均與違約距離成??反比。按流動(dòng)比率指標(biāo)的定義可知流動(dòng)比率與違約距離理論上應(yīng)成正比，但是??根據(jù)市場(chǎng)數(shù)據(jù)得到反比結(jié)果，只能說明我國(guó)市場(chǎng)較為復(fù)雜，即使變現(xiàn)能力較強(qiáng)??的企業(yè)也可能面臨違約風(fēng)險(xiǎn)。非參數(shù)部分利用二階高斯核估計(jì)來擬合，擬合結(jié)??果為圖３．３－３．７．??￣７１?〇．??？?－?／??？－?／?＿＿??弄?＼?／?５?????§?°?－?—＊?－－?．３??／?、、??？－?？－??ＩＫ?１?ＸＩ?Ｉ?Ｉ１Ｓ?■?Ｉ?ＨＩ?Ｉ?ＸＢＸＨＩ?Ｉ?Ｉ?Ｉ?ＳＢＨ?！?１??ｉ?ａ?■丨則Ｉ?，??！??Ｉ?ｉ?ｉ?Ｉ??－１?０?１?２?０?５?１０?１５??Ｘ３?Ｘ５??圖３．３：?Ｘ３擬合結(jié)果?圖３．４：?Ｘ５擬合結(jié)果??°?＇?＼?＾?－??＼?ｙ???＼?，?＼??？的?＿?＼?／?＼?＿??１?〇?－?＼、一’’?，￣＾?Ｉ?〇－…二?：：：！?—??＾?＼?／?／一？…一＾?＇備?一…????９－??？／?－??＇＇??一??Ｕ＿＿，?Ｓ?Ｌ－Ｈ——ＬｊｍｆＪ?Ｉ?ＭＩＩＩＩＨ?１，１．１．?１ＩＩＩＩ．ＩＩＩＩＩ?１１，１?ｕｒｎ?Ｉ?．ＩＨ，——Ｕ??－１５?－１０?－５?０?－１０?４）５?０．０??Ｘ１１?Ｘ２２??圖３．５：?Ｘｌｌ擬合結(jié)果?圖３．６：?Ｘ２２

?山東大學(xué)碩士學(xué)位論文???市盈率、凈利潤(rùn)增長(zhǎng)率、ＥＢＩＴ／營(yíng)業(yè)收入、只０Ａ、有息負(fù)債率、現(xiàn)金比率、現(xiàn)??金流量利息保障倍數(shù)、存貨周轉(zhuǎn)率、總資產(chǎn)周轉(zhuǎn)率、流動(dòng)比率均與違約距離成??反比。按流動(dòng)比率指標(biāo)的定義可知流動(dòng)比率與違約距離理論上應(yīng)成正比，但是??根據(jù)市場(chǎng)數(shù)據(jù)得到反比結(jié)果，只能說明我國(guó)市場(chǎng)較為復(fù)雜，即使變現(xiàn)能力較強(qiáng)??的企業(yè)也可能面臨違約風(fēng)險(xiǎn)。非參數(shù)部分利用二階高斯核估計(jì)來擬合，擬合結(jié)??果為圖３．３－３．７．??￣７１?〇．??？?－?／??？－?／?＿＿??弄?＼?／?５?????§?°?－?—＊?－－?．３??／?、、??？－?？－??ＩＫ?１?ＸＩ?Ｉ?Ｉ１Ｓ?■?Ｉ?ＨＩ?Ｉ?ＸＢＸＨＩ?Ｉ?Ｉ?Ｉ?ＳＢＨ?！?１??ｉ?ａ?■丨則Ｉ?，??！??Ｉ?ｉ?ｉ?Ｉ??－１?０?１?２?０?５?１０?１５??Ｘ３?Ｘ５??圖３．３：?Ｘ３擬合結(jié)果?圖３．４：?Ｘ５擬合結(jié)果??°?＇?＼?＾?－??＼?ｙ???＼?，?＼??？的?＿?＼?／?＼?＿??１?〇?－?＼、一’’?，￣＾?Ｉ?〇－…二?：：：！?—??＾?＼?／?／一？…一＾?＇備?一…????９－??？／?－??＇＇??一??Ｕ＿＿，?Ｓ?Ｌ－Ｈ——ＬｊｍｆＪ?Ｉ?ＭＩＩＩＩＨ?１，１．１．?１ＩＩＩＩ．ＩＩＩＩＩ?１１，１?ｕｒｎ?Ｉ?．ＩＨ，——Ｕ??－１５?－１０?－５?０?－１０?４）５?０．０??Ｘ１１?Ｘ２２??圖３．５：?Ｘｌｌ擬合結(jié)果?圖３．６：?Ｘ２２

【參考文獻(xiàn)】：
期刊論文
[1]基于XGBoost算法的信用債違約預(yù)測(cè)模型[J]. 周榮喜,彭航,李欣宇,閆宇歆.  債券. 2019(10)
[2]債券違約風(fēng)險(xiǎn)預(yù)警模型探究[J]. 俞寧子,劉斯峰,歐陽(yáng)炎力,陳綠原.  中國(guó)市場(chǎng). 2016(39)
[3]高維數(shù)據(jù)回歸分析中基于LASSO的自變量選擇[J]. 張秀秀,王慧,田雙雙,喬楠,閆麗娜,王彤.  中國(guó)衛(wèi)生統(tǒng)計(jì). 2013(06)
[4]嶺回歸視角下金融數(shù)據(jù)分析與算法實(shí)現(xiàn)[J]. 任媛媛,姚宏亮.  經(jīng)濟(jì)研究導(dǎo)刊. 2013(32)
[5]線性回歸方程中多重共線性診斷方法及其實(shí)證分析[J]. 馬雄威.  華中農(nóng)業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2008(02)
[6]解決多重共線性問題的線性回歸方法[J]. 周松青.  江蘇統(tǒng)計(jì). 2000(11)

碩士論文
[1]上市公司債券違約風(fēng)險(xiǎn)研究[D]. 許文華.北京交通大學(xué) 2019
[2]基于EGARCH-KMV模型的上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[D]. 張冰.哈爾濱工業(yè)大學(xué) 2019
[3]甘肅省財(cái)政收入影響因素與財(cái)政收入預(yù)測(cè)分析[D]. 李敏.山東大學(xué) 2019
[4]基于KMV-LOGIT模型的我國(guó)信用債券違約風(fēng)險(xiǎn)影響因素研究[D]. 李丹婷.山東大學(xué) 2019
[5]基于KMV-隨機(jī)森林模型信用債券違約風(fēng)險(xiǎn)度量[D]. 朱亦農(nóng).山東大學(xué) 2019
[6]我國(guó)信用債券違約風(fēng)險(xiǎn)測(cè)度及預(yù)警機(jī)制研究[D]. 黃琛.遼寧大學(xué) 2019
[7]企業(yè)債券違約預(yù)警系統(tǒng)研究[D]. 陳雪蕾.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 2019
[8]基于KMV模型的地方政府債務(wù)違約風(fēng)險(xiǎn)測(cè)度研究[D]. 肖家宇.成都理工大學(xué) 2019
[9]基于KMV-LOGIT混合模型的信用債券違約風(fēng)險(xiǎn)度量與實(shí)證研究[D]. 魏國(guó)健.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[10]債券信用評(píng)級(jí)的信息披露機(jī)制研究[D]. 鄔江揚(yáng).重慶大學(xué) 2018



本文編號(hào)：3265628