發(fā)布時間：2020-05-12 13:15

【摘要】：制造業(yè)是我國工業(yè)的主體,在我國的宏觀經(jīng)濟(jì)中占據(jù)著重要的份額。我國制造業(yè)發(fā)展速度快,其增長的速度比整個世界的平均增長水平快,規(guī)模不斷擴(kuò)大。2015年5月政府制定的“十三五”規(guī)劃中,提出了要實(shí)行《中國制造二0二五》,實(shí)現(xiàn)中國制造業(yè)強(qiáng)國的目標(biāo)。然而,現(xiàn)如今這個階段,我國的制造業(yè)面臨一些挑戰(zhàn)。內(nèi)外兩大紅利消退,使得企業(yè)升級緩慢,融資困難。這樣的環(huán)境致使了制造業(yè)企業(yè)經(jīng)營狀況惡化,風(fēng)險抵御能力較差,存在一定的信用風(fēng)險問題。因此,制造業(yè)上市公司的信用風(fēng)險問題成了廣泛關(guān)注的熱點(diǎn)話題之一。提前預(yù)測信用風(fēng)險,準(zhǔn)確測度它的規(guī)模大小,對最大限度地化解信用風(fēng)險隱患,具有十分重要的意義。本文嘗試參考和學(xué)習(xí)國內(nèi)外的信用風(fēng)險管理辦法和技術(shù),對不同模型在我國的適用性進(jìn)行研究,并根據(jù)我國的具體情況對模型加以適當(dāng)?shù)男拚?建立適合我國制造業(yè)上市公司實(shí)際狀況的信用風(fēng)險度量模型。首先,通過對KMV模型加以改進(jìn),并應(yīng)用于制造業(yè)進(jìn)行研究。改進(jìn)方法包含以更高的長期負(fù)債權(quán)重修正的違約點(diǎn),以及以更加靈活適用的GARCH(1,1)修正的股權(quán)價值波動率。發(fā)現(xiàn)模型預(yù)測效果不夠理想,預(yù)警時間僅為一年,但其違約距離可以作為單獨(dú)的變量衡量上市公司違約可能性。其次,通過Logit模型與加入違約距離作為自變量的KMV_Logit模型的對比分析,得到KMV_Logit模型的預(yù)測效果更好的結(jié)論。說明該變量的加入確實(shí)提升了風(fēng)險估計的效果,預(yù)警時間為提前一至三年。從模型的選擇上來說,KMV_Logit模型是首選。Logit模型效果稍弱,但與KMV模型相較仍更優(yōu)些。在提前三年做預(yù)測時,Logit模型比KMV_Logit模型更好些,說明違約距離在T-3年時不足以發(fā)現(xiàn)風(fēng)險問題。在長期預(yù)測中,Logit模型反而是更合適的模型。最后,從預(yù)測時間的角度來說,不論是KMV模型、Logit模型抑或是添加了違約距離變量的KMV_Logit模型,它們的預(yù)測效果都隨時間長度變長而逐漸變差,T-1年最好。
【圖文】：

．從圖中不難看出，Ｌｏｇｉｔ變化中勝算比與概率值是唯一對應(yīng)的，因此可以利用逡逑求取逆對數(shù)來求得概率值，逡逑ｎｆｘ（３．１４）逡逑Ｖ邐ｌ＋ｅｘｐＣ＾�。蓿╁义�

相關(guān)性檢驗。金融時間序列通常不存在自相關(guān)性，但為以防萬一，逡逑仍然對序列的進(jìn)行相關(guān)性檢驗，，再考慮是否需要引入自相關(guān)性的描述部分。本文逡逑采用Ｌｊｕｎｇ－Ｂｏｘ方法檢驗序列自相關(guān)性。＊ＳＴ寶實(shí)的收益率序列的Ｌｊｕｎｇ－Ｂｏｘ檢逡逑驗的Ｘ－ｓｑｕａｒｅｄ的值為９．３４４４，ｐ值為０．６０８０，遠(yuǎn)遠(yuǎn)大于０．０５，認(rèn)為序列不存在逡逑自相關(guān)。逡逑第三步，正態(tài)性檢驗。實(shí)際對于所有樣本的正態(tài)性檢驗中，只采用Ｓｈａｐｉｒｏ－逡逑Ｗｉｌｋ檢驗的ｐ值作判斷。而此處為了更直觀地說明正態(tài)性，對例子＊ＳＴ寶實(shí)同時逡逑采用ＱＱ圖和Ｓｈａｐｉｒｏ－Ｗｉｌｋ檢驗來說明。圖４．２中Ｑ－Ｑ圖顯示樣本分位數(shù)點(diǎn)與理逡逑
【學(xué)位授予單位】：廈門大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F425;F832.51

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 尹釗;韓佳菲;;信用風(fēng)險模型比較及實(shí)證研究——以房地產(chǎn)企業(yè)為例[J];中央財經(jīng)大學(xué)學(xué)報;2015年S2期

2 馬成文;汪誠;;基于KMV模型的我國信貸資產(chǎn)證券化信用風(fēng)險分析[J];沈陽大學(xué)學(xué)報(社會科學(xué)版);2015年05期

3 孫森;王玲;;基于KMV-Logit模型的上市公司違約風(fēng)險實(shí)證研究[J];財會月刊;2014年18期

4 孔玉生;張文君;;上市公司KMV模型適用性實(shí)證研究——以創(chuàng)業(yè)板高新技術(shù)企業(yè)為例[J];財會通訊;2014年20期

5 鄒薇;;基于修正的KMV模型下制造業(yè)上市公司信用風(fēng)險預(yù)測[J];求索;2014年06期

6 鄒鑫;李莉莉;房琳;;基于Logit和KMV的我國上市公司信用風(fēng)險的比較研究[J];青島大學(xué)學(xué)報(自然科學(xué)版);2014年02期

7 于敏;尹文超;;修正的KMV模型及其在我國上市公司信用風(fēng)險度量中的應(yīng)用[J];企業(yè)科技與發(fā)展;2014年05期

8 尹麗;;基于KMV模型的中國商業(yè)銀行信用風(fēng)險評估[J];統(tǒng)計與決策;2013年06期

9 曾詩鴻;王芳;;基于KMV模型的制造業(yè)上市公司信用風(fēng)險評價研究[J];預(yù)測;2013年02期

10 施丹;姜國華;;會計信息在公司債信用等級遷移中的預(yù)測作用研究[J];會計研究;2013年03期

相關(guān)博士學(xué)位論文 前1條

1 張玲;基于判別分析和期望違約率方法的信用風(fēng)險度量及管理研究[D];湖南大學(xué);2005年

相關(guān)碩士學(xué)位論文 前6條

1 黃洋洋;基于Logistic模型制造業(yè)上市公司違約概率的評估[D];華東交通大學(xué);2016年

2 張鑫;基于KMV模型的我國行業(yè)信用風(fēng)險實(shí)證研究[D];廈門大學(xué);2014年

3 閆晨輝;我國ST上市公司信用風(fēng)險預(yù)警模型[D];西南財經(jīng)大學(xué);2013年

4 喬木青;KMV模型在中國的適用性研究[D];西南財經(jīng)大學(xué);2011年

5 馮瑾;信用風(fēng)險度量模型比較分析及在我國的適用性研究[D];西南財經(jīng)大學(xué);2008年

6 陳國輝;KMV模型在商業(yè)銀行風(fēng)險管理中的應(yīng)用研究[D];中央財經(jīng)大學(xué);2007年

本文編號：2660273