九臺農(nóng)商銀行在我國東北金融領(lǐng)域一直處于領(lǐng)先地位,肩負(fù)著助力東北地區(qū)經(jīng)濟(jì)體系健康發(fā)展的使命,在諸如融資等資本配置金融活動中起著重要作用。作為一家經(jīng)營貨幣信用的特殊企業(yè),九臺農(nóng)商銀行最棘手的問題是如何在經(jīng)營過程中有效管理產(chǎn)生的風(fēng)險,在多種風(fēng)險當(dāng)中,信用風(fēng)險是其面臨的最重要的風(fēng)險�？茖W(xué)度量信用風(fēng)險,完善信用風(fēng)險管理體系,是九臺農(nóng)商銀行實現(xiàn)可持續(xù)健康發(fā)展的重要條件,也是其面臨的嚴(yán)峻挑戰(zhàn)。一般而言,商業(yè)銀行信用風(fēng)險不僅指商業(yè)銀行面臨的借款方的違約風(fēng)險,而且還指商業(yè)銀行自身所具有的信用風(fēng)險。本文主要以商業(yè)銀行面臨的自身的信用風(fēng)險為切入點,選取現(xiàn)代信用風(fēng)險評估方法,重點研究九臺農(nóng)商銀行的信用風(fēng)險現(xiàn)狀。本文基于現(xiàn)代信用風(fēng)險評估方法,首先,對商業(yè)銀行信用風(fēng)險管理理論進(jìn)行歸納整理,作為后續(xù)研究的理論基礎(chǔ)。其次,對現(xiàn)代信用風(fēng)險評估方法中主要的四種模型進(jìn)行詳細(xì)論述,包括模型的主要思路、優(yōu)缺點以及適用性等多個方面。通過比較四個現(xiàn)代信用風(fēng)險度量模型,選取KMV模型對九臺農(nóng)商銀行的信用風(fēng)險進(jìn)行度量。再次,根據(jù)九臺農(nóng)商銀行的財務(wù)指標(biāo),對其信貸業(yè)務(wù)結(jié)構(gòu)進(jìn)行研究,總結(jié)出目前九臺農(nóng)商銀行信用風(fēng)險的現(xiàn)狀。最后,在實證分析部分... 

【文章來源】： 楊皖迪 吉林大學(xué)

【文章頁數(shù)】：53 頁

【學(xué)位級別】：碩士

【部分圖文】：

按貸款類型劃分九臺農(nóng)商銀行貸款業(yè)務(wù)由上圖可知，相較于正常貸款余額的平穩(wěn)增加，九臺農(nóng)商銀行的關(guān)注貸款和不良貸款余額都呈現(xiàn)顯著的上升趨勢

按貸款業(yè)務(wù)結(jié)構(gòu)劃分九臺農(nóng)商銀行貸款業(yè)務(wù)由上圖可知，九臺農(nóng)商銀行的貸款主要由公司貸款與個人貸款組成，票據(jù)貼

第3章九臺農(nóng)商銀行信用風(fēng)險的度量18圖3.3按貸款擔(dān)保方式劃分九臺農(nóng)商銀行貸款業(yè)務(wù)由圖3.3可知，九臺農(nóng)商銀行的貸款業(yè)務(wù)主要來自于抵押貸款和保證貸款兩個方面，二者貸款余額之和占總貸款余額之比近乎90%，遠(yuǎn)遠(yuǎn)超過質(zhì)押貸款和信用貸款的業(yè)務(wù)比重。而九臺農(nóng)商銀行的抵押貸款與保證貸款主要來源于機(jī)械設(shè)備抵押貸款，存貨抵押貸款、經(jīng)營性物業(yè)抵押貸款、土地儲備貸款、固定資產(chǎn)貸款以及“房貸通”個人住房貸款等；其質(zhì)押貸款主要包括非上市公司股權(quán)質(zhì)押貸款、營運車輛經(jīng)營權(quán)質(zhì)押貸款、收費權(quán)質(zhì)押貸款、知識產(chǎn)權(quán)質(zhì)押貸款等。表明九臺農(nóng)商銀行的貸款業(yè)務(wù)主要集中于“三農(nóng)”事業(yè)、小微企業(yè)以及農(nóng)村居民貸款需求等領(lǐng)域，貸款主體缺乏多樣化，使得其信用風(fēng)險自改制以來未得到有效控制。3.1.2九臺農(nóng)商銀行的不良貸款結(jié)構(gòu)九臺農(nóng)商銀行的不良貸款結(jié)構(gòu)可以從兩個方面進(jìn)行考察，一方面按不良貸款類型加以研究，另一方面按不良貸款業(yè)務(wù)結(jié)構(gòu)加以研究。為了更精確的考察各項不良貸款的變化趨勢，未對九臺農(nóng)商銀行不良貸款余額作對數(shù)處理。（1）按不良貸款類型劃分不良貸款按類型可以劃分為次級、可疑和損失類貸款，如圖3.4所示。

【參考文獻(xiàn)】：
期刊論文
[1]環(huán)境信息透明度與企業(yè)信用評級——基于債券評級市場的經(jīng)驗證據(jù)[J]. �，摤�,曾泉.  金融研究. 2019(05)
[2]中國企業(yè)部門信用風(fēng)險溢價期限結(jié)構(gòu)與宏觀經(jīng)濟(jì)因子[J]. 張亦春,陳華,鄭曉亞.  中國管理科學(xué). 2019(05)
[3]商業(yè)銀行信貸資產(chǎn)證券化信用風(fēng)險研究——基于修正的KMV模型[J]. 王星予,余麗霞,陽曉明.  金融監(jiān)管研究. 2019(03)
[4]基于修正的KMV模型的信用風(fēng)險度量[J]. 謝遠(yuǎn)濤,羅潤方,楊娟.  統(tǒng)計與決策. 2018(15)
[5]巴塞爾協(xié)議Ⅲ改革、風(fēng)險管理挑戰(zhàn)和中國應(yīng)對策略[J]. 陳忠陽.  國際金融研究. 2018(08)
[6]基于KMV動態(tài)違約距離的商業(yè)銀行信用風(fēng)險研究[J]. 蔣書彬.  金融與經(jīng)濟(jì). 2016(05)
[7]基于KMV模型的中國上市公司信用風(fēng)險評估研究[J]. 蔣彧,高瑜.  中央財經(jīng)大學(xué)學(xué)報. 2015(09)
[8]我國上市公司動態(tài)違約概率KMV模型改進(jìn)[J]. 馬若微,張微,白宇坤.  系統(tǒng)工程. 2014(11)
[9]系統(tǒng)性金融風(fēng)險研究——基于金融不穩(wěn)定的視角[J]. 王妍,陳守東.  數(shù)量經(jīng)濟(jì)研究. 2014(02)
[10]基于KMV模型的中國商業(yè)銀行信用風(fēng)險評估[J]. 尹麗.  統(tǒng)計與決策. 2013(06)



本文編號：3007487