【摘要】：改革開放40年以來(lái),我國(guó)的經(jīng)濟(jì)發(fā)展取得了世界矚目的成就。金融市場(chǎng)作為國(guó)民經(jīng)濟(jì)不可或缺的一部分,為我國(guó)的企業(yè)和投資者提供了資金融通的渠道。近幾年我國(guó)金融市場(chǎng)發(fā)展過(guò)快的弊端開始暴露出來(lái),公司債券違約事件頻發(fā),我國(guó)的企業(yè)信用風(fēng)險(xiǎn)愈發(fā)受到市場(chǎng)以及監(jiān)管層的持續(xù)關(guān)注。作為企業(yè)重要的融資工具,我國(guó)信用債券的研究對(duì)于公司良性競(jìng)爭(zhēng),市場(chǎng)規(guī)范化發(fā)展,投資者理性投資都有實(shí)際的參考作用。第一部分對(duì)我國(guó)債券市場(chǎng)發(fā)生的信用債違約現(xiàn)象進(jìn)行了分析,研究了國(guó)內(nèi)外關(guān)于信用債券違約風(fēng)險(xiǎn)的文獻(xiàn),通過(guò)階段性的發(fā)展脈絡(luò)梳理,發(fā)現(xiàn)KMV模型違約距離和隨機(jī)森林模型在我國(guó)上市公司債券信用風(fēng)險(xiǎn)量化上有很強(qiáng)的實(shí)用價(jià)值,因此創(chuàng)造性的將兩者結(jié)合。第二部分,本文從滬深交易所上市公司中篩選39家ST、*ST公司和78家正常公司的2015-2017年三年數(shù)據(jù)組成研究樣本,并分行業(yè)對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化。首先根據(jù)KMV模型計(jì)算違約距離,發(fā)現(xiàn)違約距離在不良組與對(duì)照組中存在著顯著的差距,說(shuō)明KMV違約距離在正常公司與不良公司分類中能發(fā)揮顯著作用。第三部分,通過(guò)隨機(jī)森林模型將傳統(tǒng)財(cái)務(wù)指標(biāo)與代表市場(chǎng)信息的違約距離進(jìn)行變量篩選,得到隨機(jī)森林模型評(píng)價(jià)指標(biāo)體系:凈資產(chǎn)收益率ROE、銷售凈利率、總資產(chǎn)報(bào)酬率ROA、經(jīng)營(yíng)型現(xiàn)金凈流量、銷售毛利率、總資產(chǎn)增長(zhǎng)率、凈利潤(rùn)增長(zhǎng)率、流動(dòng)資產(chǎn)周轉(zhuǎn)率、違約距離。觀察混合模型對(duì)上市公司債券違約風(fēng)險(xiǎn)的評(píng)估效果,并通過(guò)與LOGIT模型進(jìn)行對(duì)比,證實(shí)隨機(jī)森林模型在違約風(fēng)險(xiǎn)量化中有更好的效果。另外在實(shí)證最后也通過(guò)刪減KMV違約距離指標(biāo)觀察到:不管是隨機(jī)森林模型還是LOGIT模型預(yù)測(cè)效果顯著下降。說(shuō)明KMV模型與隨機(jī)森林模型的結(jié)合具有理論與實(shí)際意義。最后,本文從監(jiān)管層、上市公司、市場(chǎng)參與者角度就上市公司債券違約風(fēng)險(xiǎn)的規(guī)避提出了相應(yīng)的建議與對(duì)策。
【圖文】：

我國(guó)信用債券違約進(jìn)入了頻繁發(fā)生的時(shí)期。逡逑２０１４年上海超日太陽(yáng)能公司宣布公司債券無(wú)法按時(shí)兌付，這一時(shí)間如同平逡逑地驚雷，博得各方面關(guān)注，我國(guó)債券市場(chǎng)的所有參與者心頭都敲下了一記重錘，逡逑債券違約終于來(lái)了。從那時(shí)起，踩雷事件頻頻發(fā)生，我國(guó)債券市場(chǎng)終于打破了剛逡逑性兌付，投資者和上市公司紛紛認(rèn)識(shí)到了信用風(fēng)險(xiǎn)這個(gè)概念的重要性。截止２０１８逡逑年底，我國(guó)總共發(fā)生的違約信用債２４６支，總違約金額達(dá)到２０９７．邋１６億元。從趨逡逑勢(shì)看，２０１４年發(fā)生違約信用債６支，違約金額為１３．邋４億元；２０１５年發(fā)生違約信逡逑用債２５支，違約金額為１１５．１９億元；２０１６年發(fā)生違約信用債５６支，違約金額逡逑為３９３．邋７７億元；２０１７年發(fā)生違約信用債３５支，違約金額為３３７．邋４９億元；２０１８逡逑年發(fā)生違約信用債１２４支，違約金額為１２０５．邋６１億元。從趨勢(shì)中我們可以看到，，逡逑自２０１４年以來(lái)，我國(guó)信用債違約規(guī)模有所增加，２０１８年更是超過(guò)了先前違約金逡逑額的總和，這表明在經(jīng)濟(jì)下行的壓力之下，我國(guó)信用債券也面臨著前所未有的挑逡逑戰(zhàn)。逡逑

圖４．邋４決策樹個(gè)數(shù)選取逡逑以上橫坐標(biāo)表示決策樹的棵樹，縱坐標(biāo)表示隨機(jī)森林模型的錯(cuò)判率。能夠看逡逑出，決策樹個(gè)數(shù)低于２００時(shí)０ＢＢ誤差率比較高，因此我們考慮數(shù)個(gè)數(shù)超過(guò)２００逡逑的情況，決策樹的棵數(shù)是６００時(shí)，基本趨于平穩(wěn)，且個(gè)數(shù)適中。故本文選擇逡逑ｎｔｒｅｅ＝６００。逡逑在任何評(píng)價(jià)模型中，變量的選取都尤為重要，在隨機(jī)森林模型中也是如此。逡逑直觀上指標(biāo)變量數(shù)量的個(gè)數(shù)變化會(huì)導(dǎo)致模型預(yù)測(cè)誤差波動(dòng)，過(guò)多過(guò)少都對(duì)模型有逡逑負(fù)面的影響，我們希望找到一個(gè)能釋放模型性能的最佳指標(biāo)個(gè)數(shù)。經(jīng)過(guò)文獻(xiàn)學(xué)習(xí)，逡逑決定選擇使０ＢＢ誤差率最小的指標(biāo)個(gè)數(shù)作為本文隨機(jī)森林模型指標(biāo)體系的最佳逡逑個(gè)數(shù)。逡逑
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F832.51

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈智勇;蘇

本文編號(hào)：2640180