【摘要】：隨著信用風(fēng)險(xiǎn)的多樣化、復(fù)雜化,企業(yè)融資問題日益受到監(jiān)管層和國內(nèi)銀行等金融機(jī)構(gòu)的關(guān)注。而制造業(yè)作為支撐國民經(jīng)濟(jì)的標(biāo)志性產(chǎn)業(yè),它們創(chuàng)造財(cái)富的能力直接影響著我國經(jīng)濟(jì)的總體發(fā)展情況。在此背景下,深入地研究我國制造業(yè)上市公司的信用風(fēng)險(xiǎn),并選擇合適的評(píng)估模型和指標(biāo)體系來更加科學(xué)地衡量企業(yè)信用風(fēng)險(xiǎn),具有高度的理論意義和現(xiàn)實(shí)意義。本文從研究背景和意義出發(fā),通過國內(nèi)外文獻(xiàn)的回顧,首先闡述了信用風(fēng)險(xiǎn)概念和特征等理論知識(shí),并依次介紹了三個(gè)階段信用風(fēng)險(xiǎn)評(píng)估方法的基本原理和框架,然后分別討論了現(xiàn)有理論模型在我國的適用性,并對(duì)我國制造業(yè)上市公司信用風(fēng)險(xiǎn)的現(xiàn)狀、特征及其產(chǎn)生的原因進(jìn)行了闡釋。通過比較分析,得出Logistic模型和KMV模型相結(jié)合能夠較好地評(píng)估我國制造業(yè)上市公司信用風(fēng)險(xiǎn)的結(jié)論。接下來,本文從我國滬深兩市中選出了90家制造業(yè)上市公司組成研究樣本來進(jìn)行實(shí)證分析。在對(duì)數(shù)據(jù)來源等進(jìn)行說明后,本文基于主成分分析法對(duì)23個(gè)初步選取的指標(biāo)變量實(shí)現(xiàn)降維處理,得到了8個(gè)主成分并以此來構(gòu)建Logistic模型,進(jìn)行應(yīng)用和檢驗(yàn)。接著又將通過KMV模型求得的違約距離引入到原有模型中,形成Logistic-KMV模型,在此基礎(chǔ)上通過回歸,觀察加入違約距離之后的混合模型對(duì)我國制造業(yè)上市公司信用風(fēng)險(xiǎn)評(píng)估的效果,根據(jù)模型結(jié)果來判定企業(yè)是否有違約風(fēng)險(xiǎn),并對(duì)其準(zhǔn)確性進(jìn)行檢驗(yàn)。最后,在對(duì)全部內(nèi)容進(jìn)行概括總結(jié)的基礎(chǔ)上,本文從多個(gè)方面就制造業(yè)上市公司信用風(fēng)險(xiǎn)評(píng)估提出了相應(yīng)的政策建議。在研究方法上,本文采用了文獻(xiàn)研究法、統(tǒng)計(jì)分析法和系統(tǒng)分析法相結(jié)合的方式,理論與實(shí)證并重,并且實(shí)際問題研究中著重采用定量分析。實(shí)證結(jié)果表明,構(gòu)建的混合模型具有較好預(yù)測(cè)效果,適合于我國制造業(yè)上市公司信用風(fēng)險(xiǎn)現(xiàn)狀,具有一定的實(shí)用性。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F832.51
【圖文】：

在實(shí)際使用時(shí)，銀行等金融機(jī)構(gòu)會(huì)基于其風(fēng)險(xiǎn)偏好和經(jīng)驗(yàn)設(shè)定一個(gè)概率臨界值。與線性的多元判別模型相比，Logistic 模型在統(tǒng)計(jì)假設(shè)上未對(duì)變量設(shè)置，并不強(qiáng)制要求任何的概率分布，所需復(fù)雜參數(shù)較少，操作起來也相對(duì)便。同時(shí)，Logistic 模型在有關(guān)文獻(xiàn)的實(shí)證分析中依舊顯現(xiàn)出其較高的，在測(cè)算違約概率時(shí)具備良好的適用性，因而評(píng)估企業(yè)信用風(fēng)險(xiǎn)時(shí)可以到 Logistic 模型在其中的運(yùn)用。3.神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)模型是模擬人類神經(jīng)系統(tǒng)運(yùn)作過程的一種智能化的信息處理技作原理類似于人類大腦的一些基本功能，能夠自行學(xué)習(xí)和記憶，解決繁性問題，并且不受到假設(shè)前提的嚴(yán)格限制。從結(jié)構(gòu)上來看，神經(jīng)網(wǎng)絡(luò)由隱含層和輸出層組成。其中，輸入層從整個(gè)結(jié)構(gòu)外部接收并提供輸入，輸入層或者相同層級(jí)另外的節(jié)點(diǎn)接收輸入后為輸出層提供輸入，輸出層輸入的收尾階段并最終產(chǎn)生輸出，如圖 2.2 所示。

法結(jié)合經(jīng)濟(jì)理論給出具體的原因，因而該模型的使用效果會(huì)大打折扣，準(zhǔn)確穩(wěn)定性還有待進(jìn)一步提升。另外，信用評(píng)分模型還可以通過分類樹法、數(shù)學(xué)規(guī)劃法等多種不同的方法立，具體要根據(jù)實(shí)際情況而定。.2.3 現(xiàn)代信用風(fēng)險(xiǎn)度量模型隨著經(jīng)濟(jì)全球化進(jìn)程的加快，金融市場(chǎng)開放程度也在不斷加強(qiáng)，頻發(fā)的金機(jī)使得信用風(fēng)險(xiǎn)度量日益被各大銀行和監(jiān)管機(jī)構(gòu)重視。20 世紀(jì) 90 年代以來來越多的公司和學(xué)者開始關(guān)注并成功研發(fā)了一系列信用風(fēng)險(xiǎn)評(píng)估模型。其中認(rèn)比較流行的現(xiàn)代信用風(fēng)險(xiǎn)度量模型有 KMV 模型、Credit Metrics 模型、Creisk+模型和 Credit Portfolio View 模型等。1.KMV 模型KMV 公司在 20 世紀(jì) 90 年代提出了衡量違約概率的 KMV 模型，用于預(yù)測(cè)券市場(chǎng)公開上市的公司或銀行等金融機(jī)構(gòu)違約的可能性大小，其基本思想框圖 2.3 所示。

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 肖珉;我國企業(yè)集團(tuán)上市公司財(cái)務(wù)預(yù)警與信用風(fēng)險(xiǎn)評(píng)估研究[D];電子科技大學(xué);2012年

本文編號(hào)：2717552