本文選題：城投債　切入點：信用風險　出處：《北京外國語大學》2017年碩士論文

【摘要】：隨著城市化進程加快,城投債作為地方政府基建項目的籌資工具應運而生,近幾年發(fā)展速度迅猛,同時也因為政企難分飽受爭議。2015年新《預算法》實施,地方政府可以自行發(fā)行地方政府債,城投債前景未定,地方政府負有償還責任的城投債面臨被全部置換的可能,置換進度尚不確定。雖然中國城投債市場到目前為止尚未出現一例實質性違約,一些違約征兆也將潛藏在市場背后的危機展現在投資者面前。城投債作為當前深受投資者追捧的金融產品,信用風險突出,亟待量化。目前從整體上看,我國大陸31個省、自治區(qū)及直轄市均已發(fā)行過城投債。以省級政府為城投債信用風險的研究對象簡單且意義深刻。截至2017年2月底,各地方政府共有未到期城投債6039只,總金額6.16萬億元。從歷年的發(fā)行規(guī)模來看,2009年城投債進入發(fā)展的井噴期,2013年突破萬億大關,2015年受新政策影響同比略有下降,2016年重返高位。從當前債券余額規(guī)模,各省級政府城投債負債率,城投債修正債務率等指標來看,江蘇省有未到期城投債1249只,總金額1.02萬億元,兩項指標均居各地方政府首位,西藏自治區(qū)2015年首次發(fā)行城投債,目前有未到期城投債1只,總金額9億元,債務最輕。經過計算,城投債負債率指標天津市最高,為21.44%;修正城投債債務率指標重慶市最高,為161.10%。西藏自治區(qū)均處于兩項指標的最低點,分別為0.78%、6.78%。其余省市中,海南省兩項指標也較低,分別為2.03%、]2.86%。本文首先以債務規(guī)模較大的江蘇省為例,介紹將江蘇省城投債數據應用到信用風險度量模型中的步驟,之后對剩余的30個樣本進行計算。度量信用風險的模型很多,現代度量模型中,KMV模型避開對歷史違約數據的數量要求,主要通過對公司資產價值的預測來進一步估算信用違約概率,不涉及由于信用違約造成的損失估計或債券定價等問題,最適合城投債信用風險的分析。將地方政府財政收入等同于公司資產價值,將地方政府未償還城投債等同于公司負債,通過ARIMA模型預測地方政府財政收入,通過累積地方政府每一只債券2017年應償付的本息得到債務變量,代入改造后的KMV模型中即得到各個樣本的違約概率。通過計算,我國各省級政府城投債的預期違約率區(qū)間為[0.00%,2.64%],最高概率仍在5%以內,違約發(fā)生的可能性很小。根據實證結果繪制出中國大陸地區(qū)各省級行政單位城投債違約風險預警圖,以0.5%為間距,分為六個區(qū)間,重慶市、江蘇省、湖北省、云南省、湖南省等地區(qū)違約風險相對較高。考慮到實證過程均以省級行政單位為基礎,縣級、市級城投公司發(fā)行的城投債風險被平均化,一些市縣級地方政府的違約概率可能更高,應引起投資者警惕。該預警圖可以指導不同類型投資者配置資金,指導地方政府及城投公司適量發(fā)行債券,指導中央政府發(fā)布前瞻性政策。盡管計算結果樂觀,但是城投債正處于更迭階段,不是唯一的地方政府債務,地方政府債的當前余額約為城投債的4.40倍,防范化解城投債債務風險、確保地方政府負有償還責任的城投債順利過渡刻不容緩,故提出以下幾點建議:允許地方政府局部違約;把原來的城投債轉變?yōu)檎嬲牡胤秸畟?對現有地方政府投融資平臺公司進行整頓合并;推進地方政府債務的甄別公開工作;加快編制地方政府資產負債表。未來政企分離是大趨勢,城投公司將為城投債還本付息負責,城投債將向項目收益?zhèn)繑n,地方政府債將成為地方政府融資的主要工具。
[Abstract]:As the urbanization process is accelerated , the capital investment debt is a fund - raising tool for the local government infrastructure projects . In recent years , the development speed is rapid , and because of the difficulty of government - owned enterprises , the capital investment in the city has not yet been determined . As of the end of February 2017 , the capital investment in the city has not yet been determined . In the remaining provinces and municipalities , the capital investment in the city has reached its lowest level , with a total amount of RMB 9.6 trillion yuan . In the rest of the province , the KMV model is the highest in the market . In the modern metric model , the KMV model avoids the quantitative requirement of historical default data , and the credit default probability is further estimated by forecasting the value of the company ' s assets . Based on the empirical results , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , the local government debt is divided into six sections , and the city investment bank will pay the principal and interest to the city . The city investment debt will be closed to the project income debt , and the local government debt will be the main tool for local government financing .

【學位授予單位】：北京外國語大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：F812.5

【相似文獻】

相關期刊論文 前10條

1 楊軍戰(zhàn);;價格與隱含遠期違約概率[J];經濟數學;2007年02期

2 張?zhí)K林;;信貸違約概率測算方法及其應用研究[J];洛陽理工學院學報(社會科學版);2010年03期

3 慕文濤;黨宇峰;王娜;;“公共品”信用評級模式下的公司違約概率預測[J];現代管理科學;2013年01期

4 于立勇,詹捷輝;基于Logistic回歸分析的違約概率預測研究[J];財經研究;2004年09期

5 陳東海,謝赤;信用風險管理中違約概率的估算方法[J];統(tǒng)計與決策;2005年13期

6 武次冰;易宇;武鍶芪;;貸款違約概率測算方法:違約比例模型[J];統(tǒng)計與決策;2010年06期

7 王穎;聶廣禮;石勇;;基于信用評分模型的我國商業(yè)銀行客戶違約概率研究[J];管理評論;2012年02期

8 王小明;;關于一類廣義可加違約概率模型的探討[J];系統(tǒng)工程理論與實踐;2008年06期

9 陳詩一;;德國公司違約概率預測及其對我國信用風險管理的啟示[J];金融研究;2008年08期

10 潘亮;李軍;楊曉光;;一種基于樣本配比的違約概率估計方法及其應用[J];科技促進發(fā)展;2011年11期

相關會議論文 前3條

1 朱訓;梁雪春;;基于區(qū)間數的商業(yè)銀行信貸違約概率測算研究[A];江蘇省系統(tǒng)工程學會第十一屆學術年會論文集[C];2009年

2 張大斌;周志剛;劉雯;焦鵬;;上市公司最優(yōu)違約系數的不確定性DE-KMV測算模型[A];中國系統(tǒng)工程學會第十八屆學術年會論文集——A10系統(tǒng)工程方法在金融、投資、保險業(yè)等領域的研究[C];2014年

3 陳林;周宗放;;基于倒數GAMMA分布的控股公司違約概率研究[A];第八屆（2013）中國管理學年會——金融分會場論文集[C];2013年

相關重要報紙文章 前8條

1 農總行信貸管理部信貸風險評級管理處供稿;違約概率的度量[N];中國城鄉(xiāng)金融報;2005年

2 本報記者 李金明;德意志銀行：希臘主權債務違約概率75%[N];證券日報;2011年

3 記者 朱周良　編輯 朱賢佳;希臘違約概率驟增 緊張情緒波及股市[N];上海證券報;2010年

4 西南財經大學信托與理財研究所;創(chuàng)新還是噱頭?[N];證券時報;2006年

5 許一覽;信用債選擇須看指標[N];上海金融報;2009年

6 瞿強;次貸危機評估：美國的損失與其他市場的損失[N];上海證券報;2008年

7 本報記者　 張煒;銀行理財產品不是沒有風險[N];中國經濟時報;2006年

8 西南證券 執(zhí)筆 匡榮彪 何可 朱仲華;債券違約常態(tài)化或將成為一種趨勢[N];上海證券報;2014年

相關博士學位論文 前6條

1 洪波;商業(yè)銀行公司授信違約概率預測方法研究[D];合肥工業(yè)大學;2014年

2 季峰;我國商業(yè)銀行消費信貸違約概率模型研究[D];中國科學技術大學;2009年

3 許一覽;人民幣對公貸款違約概率計量模型研究[D];復旦大學;2014年

4 麥強;基于違約概率和回收率負相關假設的信用風險模型研究[D];哈爾濱工業(yè)大學;2006年

5 孟紋羽;我國商業(yè)銀行風險傳染效應實證研究[D];山東大學;2015年

6 殷波;房地產泡沫與金融危機[D];華中科技大學;2010年

相關碩士學位論文 前10條

1 田林;上市公司違約概率與商業(yè)銀行潛在信用風險的度量[D];遼寧大學;2015年

2 李慧萍;我國城投債違約概率的影響因素與計量研究[D];復旦大學;2014年

3 黃荔莉;我國商業(yè)銀行信貸類理財產品信用風險研究[D];福州大學;2014年

4 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;2016年

5 曹宇;KMV模型違約點修正[D];蘇州大學;2016年

6 李寧寧;基于KMV模型的城投債信用風險分析[D];北京外國語大學;2017年

7 王芳;初探經濟周期條件下的違約概率計算[D];吉林大學;2006年

8 吳琪;銀行貸款違約概率測量方法研究[D];武漢大學;2005年

9 潘亮;一種基于樣本配比的違約概率估計方法及應用[D];長沙理工大學;2012年

10 劉佳;基于時點法測算違約概率的跨周期修正[D];湖南大學;2011年

，

本文編號：1671808