【摘要】：近年來,我國債券市場總量不斷擴大,到2018年年末,我國債市總余額為86萬億元,債券融資成為企業(yè)的重要融資渠道。但2018年以來,隨著金融監(jiān)管和政府監(jiān)管的同步趨嚴,企業(yè)的經(jīng)營融資都出現(xiàn)了一定的困難,多方面壓力下出現(xiàn)了打破剛性兌付以來最大的債券集中違約潮,新增違約主體43家,且其中包括了許多大中型的民企上市公司。而上市公司通常規(guī)模巨大,利益相關(guān)者眾多,違約之后造成的損失和連鎖反應(yīng)通常難以估量,因此,防控由于中大型上市公司違約可能引發(fā)的范圍性、系統(tǒng)性風險,應(yīng)當成為目前打好防范化解重大風險攻堅戰(zhàn)的重要工作之一。而要想有效防控在債券違約逐步走向常態(tài)化背景下的信用風險問題,就必須建立起一套動態(tài)有效的風險監(jiān)測體系從而提高評級機構(gòu)提前識別違約風險的能力�，F(xiàn)有的信用風險度量方法中,KMV模型的獨特之處在于僅需要利用資本市場的動態(tài)數(shù)據(jù)而不直接依賴于信用歷史數(shù)據(jù),因此,研究KMV模型在我國的證券市場的適用性,對于幫助建立健全完善的本土評級體系具有重要的價值。本文圍繞2018年新增的15家實質(zhì)性違約的A股上市公司的信用狀況,同時在A股上市公司中隨機選取了 15家“ST”公司和15家主體評級為“AAA”的公司作為對照,利用KMV模型對三組上市公司的信用風險進行實證研究,通過對三組樣本的預(yù)期違約概率計算、分析和對比,研究KMV模型評估A股上市公司信用風險的適用性。另外,本文引入了經(jīng)粒子群算法優(yōu)化過的PSO-KMV模型,用PSO-KMV模型對三組上市公司進行了相同的處理,橫向比較了 KMV模型下和PSO-KMV模型下三組上市公司的違約距離和預(yù)期違約概率。作為補充,本文還對高杠桿的房地產(chǎn)企業(yè)進行了針對性的信用風險評估。本文研究發(fā)現(xiàn),KMV模型能夠識別出實質(zhì)性違約組、ST組、AAA組的信用風險差異,三組上市公司樣本的違約距離順序增大,預(yù)期違約概率順序降低;粒子群算法優(yōu)化后的PSO-KMV模型對上市公司的違約風險比KMV模型更敏感,因此能夠明顯提高信用風險預(yù)測的精度,特別是對于實質(zhì)性違約組的違約預(yù)測準確度很高;KMV模型下,5家主體評級均為AAA且規(guī)模較大的房地產(chǎn)企業(yè)表現(xiàn)十分一致,預(yù)期違約概率均接近1,說明房地產(chǎn)行業(yè)的高杠桿蘊含了很高的違約風險。
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F832.51;F275
【圖文】：

石貞士學位論文逡逑夕邋ＭＡＳＴＥＲ’Ｓ邋ＴＨＥＳＩＳ逡逑級別的概率矩陣。而該模型中的違約概念不同于ＫＭＶ模型，ＫＭＶ模型中給出的逡逑預(yù)期違約概率是發(fā)生實質(zhì)性違約的違約概率，而Ｃｒｅｄｉｔ－Ｍｅｔｒｉｃｓ模型中的違約既包括逡逑實質(zhì)性違約，也包括債務(wù)價值的下跌。逡逑￣￣

圖３．邋１邋ＫＭＶ原理圖逡逑．２邋ＫＭＶ模型的前提假設(shè)逡逑Ｖ模型的框架是建立在Ｍｅｒｔｏｎ模型的基礎(chǔ)上，因此要求滿足ＢＳＭ：逡逑公司資產(chǎn)價格變動服從幾何布朗運動＋邋ａｒａｗ，其中？和波動項，％是一個標準的維納過程，滿足TN？＃（0，０；逡逑無交易費用和稅收，公司資產(chǎn)價格變動連續(xù)，證券可以無限分割；逡逑不存在無風險套利機會；逡逑短期無風險利率為常數(shù)。逡逑權(quán)有效期內(nèi)不支付紅利或其他收益逡逑述基本假設(shè)外，還需滿足：逡逑業(yè)違約等價于企業(yè)資產(chǎn)價值小于債務(wù)，即不考慮企業(yè)的還款意愿只款能力，不考慮信息不對稱情況下的道德風險；逡逑業(yè)資本結(jié)構(gòu)僅包括所有者權(quán)益、短期負債、長期負債；逡逑

圖３．邋２邋ＫＭＶ模型思路框架逡逑３．邋３邋ＰＳＯ－ＫＭＶ邋模型逡逑ＰＳＯ－ＫＭＶ模型由Ｚｈａｎｇ和Ｓｈｉ邋（２０１５）提出的。他們使用粒子群算法（和最大似然估計對ＫＭＶ模型進行了優(yōu)化，給出了針對我國證券市場的最優(yōu)和限售股的折價率。本文擬在實證中，將ＰＳＯ－ＫＭＶ模型作為補充，來驗證ＰＳＯ模型評估上市公司信用風險的有效性，并比較普通ＫＭＶ模型和ＰＳＯ－ＫＭＶ預(yù)測精度。逡逑３．３．１粒子群算法逡逑粒子群算法（Ｐａｒｔｉｃｌｅ邋Ｓｗａｒｍ邋Ｏｐｔｉｍｉｚａｔｉｏｎ），又叫鳥群覓食算法，是一種的搜索優(yōu)化算法，由Ｋｅｎｎｅｄｙ和Ｅｂｅｒｈａｒｔ于１９９５年基于對鳥群覓食行為的出的。該算法的計算效率高，系數(shù)的平穩(wěn)性強，且收斂比較容易。逡逑假設(shè)在一個Ｄ維搜索空間中，有Ｎ個粒子隨機均勻初始化過的粒子，這有自己隨機的位置和速度，即粒子ｉ被賦予了一個位置向量和一個速度向量：逡逑Ｘｉ邋＝邋｛ｘｎ，ｘｉ２，．．．，ｘｉＤｙ邋＼＊邋ＭＥＲＧＥＦＯＲＭＡ

【相似文獻】

相關(guān)期刊論文 前10條

1 劉慧婷;劉海龍;;基于KMV模型的中國地方政府債務(wù)風險評價研究[J];上海金融;2016年06期

2 鄧殷潔;胡丹云;;基于KMV模型的地方政府債券信用風險度量——以北京市地方政府債券為例[J];現(xiàn)代經(jīng)濟信息;2015年24期

3 李景峰;王繼光;;基于KMV模型的地方政府債券信用風險問題研究[J];廣東金融學院學報;2011年05期

4 潘庚飛;;基于KMV模型的地方政府債務(wù)線性融資規(guī)劃——以福建省為例[J];德州學院學報;2017年04期

5 呂函枰;馬恩濤;;基于KMV模型的市政債券信用風險研究——以濟南市1998年—2014年面板數(shù)據(jù)為例[J];石家莊經(jīng)濟學院學報;2016年02期

6 張海星;靳偉鳳;;地方政府債券信用風險測度與安全發(fā)債規(guī)模研究——基于KMV模型的十省市樣本分析[J];宏觀經(jīng)濟研究;2016年05期

7 張海星;靳偉鳳;;基于KMV模型的市政債券安全發(fā)行規(guī)模測度——以大連為實證樣本[J];東北財經(jīng)大學學報;2016年04期

8 徐崇波;;基于KMV模型的地方政府債務(wù)適度規(guī)模研究[J];當代農(nóng)村財經(jīng);2015年09期

9 蔣忠元;;地方政府債券發(fā)行過程中的信用風險度量和發(fā)債規(guī)模研究——基于KMV模型分析江蘇省地方政府債券[J];經(jīng)濟研究導刊;2011年19期

10 張旭;龔睿;甘莉;;基于KMV模型的我國地方債適度規(guī)模研究[J];商業(yè)時代;2011年28期

相關(guān)會議論文 前5條

1 何慧凌;張代軍;;地方政府債務(wù)信用風險與安全舉債規(guī)模研究——基于KMV模型的實證分析[A];21世紀數(shù)量經(jīng)濟學（第15卷）[C];2014年

2 李麗;周宗放;;基于修正KMV模型的集團公司信用風險度量[A];“中國視角的風險分析和危機反應(yīng)”——中國災(zāi)害防御協(xié)會風險分析專業(yè)委員會第四屆年會論文集[C];2010年

3 康宇虹;孫德鵬;郜中華;;KMV模型在我國上市公司信用風險度量中的實證研究[A];第三屆（2008）中國管理學年會——創(chuàng)業(yè)與中小企業(yè)管理分會場論文集[C];2008年

4 顧巧明;;基于改進的KMV模型的地方政府債券信用風險測度[A];轉(zhuǎn)型·創(chuàng)新·改革——上海市社會科學界第十屆學術(shù)年會文集（2012年度）經(jīng)濟·管理學科卷[C];2012年

5 潘潔;周宗放;;全流通下KMV模型中的違約點修正及實證研究[A];中國企業(yè)運籌學[C];2009年

相關(guān)博士學位論文 前1條

1 孫小麗;基于KMV模型的商業(yè)銀行信用風險測算研究[D];北京郵電大學;2013年

相關(guān)碩士學位論文 前10條

1 楊勝麟;基于KMV的上市公司股票質(zhì)押違約風險量化模型研究[D];西南科技大學;2019年

2 楊李帆;修正KMV棋型A股信用風險評估的適用性分析[D];華中師范大學;2019年

3 王映;我國信用債問題研究及KMV違約模型分析[D];蘇州大學;2017年

4 姜丹;基于修正KMV模型的河北省地方政府債務(wù)風險評價[D];燕山大學;2016年

5 莊園;基于KMV模型的地方政府債券償還風險測度研究[D];東南大學;2016年

6 謝思思;基于KMV模型的地方政府債券信用風險測度研究[D];上海交通大學;2015年

7 陳棋;基于KMV模型的我國地方政府債務(wù)風險評價[D];廈門大學;2014年

8 康蓓蓓;基于KMV模型的商業(yè)銀行信貸風險管理研究[D];西北大學;2011年

9 張園;基于KMV模型的地方政府債券適度規(guī)模研究[D];湖南大學;2017年

10 姜新蕾;基于KMV模型的市政債券信用風險研究[D];浙江大學;2014年

本文編號：2776723