在中國,銀行在企業(yè)融資中承擔著非常大的信用風險,商業(yè)銀行的不良貸款率呈現(xiàn)出上升趨勢。隨著中國銀行業(yè)市場化進程的深入,以及以第三方支付為先鋒的互聯(lián)網(wǎng)金融的興起,信用風險所涉及的領域和規(guī)模也迅速擴大,信用風險管理已成為商業(yè)銀行的重要課題。國外的大型商業(yè)銀行已建立起一系列適合自身的風險管理方法,與國外相比,我國在信用風險量化方面的技術較為落后。作為中國經濟發(fā)展的重要支柱產業(yè),房地產業(yè)是衡量中國經濟的主要指標之一。然而我國涉足房地產市場的企業(yè)眾多,良莠不齊,受經濟下行和激烈的行業(yè)競爭影響,大批競爭能力弱、資本運作水平低的公司將會面臨財務危機和破產風險。本文將從商業(yè)銀行的角度出發(fā),對兩種信用風險模型的原理和在房地產業(yè)上市公司中的應用進行詳細的介紹。模型的選取上,首先采用結構模型的代表—KMV模型,討論三種違約點設定下的模型預測效果,得到最適用于我國房地產業(yè)公司的違約點設定方法。接著又介紹了一種基于統(tǒng)計分析模型的方法—Logistic回歸模型,并將Logistic回歸模型與因子分析法相結合,有效的解決了因指標變量過多而導致的維度災難。在財務指標的選取上,針對我國房地產行業(yè)的財務結構特點,選取七大類...

【文章頁數(shù)】：41 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 信用風險評估模型概述
        1.2.1 結構模型
        1.2.2 統(tǒng)計評分模型
        1.2.3 數(shù)據(jù)挖掘模型
    1.3 信用風險評估模型的國內外研究現(xiàn)狀
    1.4 研究內容與論文結構
第二章 信用監(jiān)控KMV模型
    §2.1 KMV模型的基本思想
    §2.2 實證研究
        §2.2.1 樣本選取和數(shù)據(jù)采集
        §2.2.2 模型參數(shù)設置
        §2.2.3 實證過程
第三章 結合因子分析法的Logistic回歸模型
    §3.1 Logistic回歸模型的原理
    §3.2 實證研究
        §3.2.1 樣本選取和數(shù)據(jù)采集
        §3.2.2 評價指標的選取
        §3.2.3 評價指標的因子分析
        §3.2.4 建立Logistic回歸模型
        §3.2.5 違約判別模型的檢驗
第四章 結論
參考文獻
作者簡介
致謝
附錄



本文編號：3857437