文章利用我國ST和非ST的上市公司真實數(shù)據(jù),對KMV模型進行修正,引入了基于EGARCH的KMV模型計算單個資產(chǎn)的違約概率。進一步分別采用二元正態(tài)-Copula、二元t-Copula以及二元阿基米德-Copula包括Gumbel-Copula、Clayton-Copula和Frank-Copula函數(shù)對信用資產(chǎn)組合的違約相關(guān)性進行建模,研究多資產(chǎn)間的聯(lián)合違約概率。研究結(jié)果表明,修正的KMV模型具有合理性和有效性,Clayton-Copula函數(shù)對聯(lián)合違約概率擬合更好。研究結(jié)果有助于商業(yè)銀行預(yù)測各企業(yè)的信用風(fēng)險大小及可能性,提升應(yīng)對風(fēng)險的能力,以維護我國金融市場安全穩(wěn)健運行。 

【文章來源】：會計之友. 2019,(07)北大核心

【文章頁數(shù)】：6 頁

【文章目錄】：
一、引言
二、模型構(gòu)建
    （一） 基于EGARCH的修正KMV模型構(gòu)建
    （二） KMV-Copula模型構(gòu)建
    （三） Copula函數(shù)的參數(shù)估計
三、實證分析
    （一） 樣本選取
    （二） 基于EGARCH-KMV模型的單個資產(chǎn)信用風(fēng)險度量
    （三） 基于二元Copula的組合信用資產(chǎn)聯(lián)合違約概率測算
四、結(jié)論


【參考文獻】：
期刊論文
[1]引入違約距離的修正KMV模型在財務(wù)危機預(yù)警中的應(yīng)用[J]. 王莉.  統(tǒng)計與決策. 2017(17)
[2]類平臺公司債信用風(fēng)險度量及控制的實證研究——基于改進版Logistic-KMV混合模型[J]. 類承曜,王星祺.  投資研究. 2017(01)
[3]上市公司信用風(fēng)險的度量[J]. 唐振鵬,陳尾虹,黃友珀.  統(tǒng)計與決策. 2016(24)
[4]基于KMV模型的公司債券信用風(fēng)險研究[J]. 韋茜,李立平,董哲.  財會通訊. 2016(35)
[5]KMV模型違約點修正的實證研究[J]. 禹久泓,羅正英,曹宇,高飛燕.  財會月刊. 2016(30)
[6]KMV模型在商業(yè)銀行信用風(fēng)險管理下的實證研究[J]. 孫偉,王宇.  科技與管理. 2016(03)
[7]基于KMV-GARCH-t-copula模型的上市公司BDS定價研究[J]. 劉向華,李林娜.  統(tǒng)計與決策. 2015(03)
[8]改進的KMV模型在我國上市公司信用風(fēng)險度量中的應(yīng)用[J]. 張能福,張佳.  預(yù)測. 2010(05)
[9]基于KMV模型的上市公司信用風(fēng)險研究[J]. 李永濤,王立洪,張建華.  商業(yè)時代. 2010(25)



本文編號：3005185