基于KMV模型对上市企业信用违约风险度量的研究

采用KMV模型对上市企业的信用违约风险进行度量.首先,对KMV模型理论框架进行分析推导;其次,以2020年6月30前被处理为ST或?ST的18家上市企业和与之配对的18家非ST企业为样本,基于KMV模型,使用相关软件对样本数据进行实证分析;最后,依据实证分析结果得出KMV模型可以有效度量上市企业的信用违约风险,对上市企业的信用风险具有一定的预警作用的结论,并提出相关建议.     

基于遗传算法KMV模型的最优违约点确定

现代市场经济中资信评估具有重要作用,它起着社会监督和识别违约风险的作用.根据可获得的中国上市公司的基本数据,结合遗传算法对经典KMV模型中的最优违约点进行了重新定义.结果显示改进的模型拟合正确率比原模型高,即改进的KMV模型更适合应用于中国上市公司的资信状况评估.     

上市公司信用风险的评价——基于KMV模型视角

如何度量信用风险是从事金融活动的各方迫切关心的重要问题。本文以2009年ST公司及与之配对的非ST公司为研究样本,在对KMV模型的求解过程进行解析的基础上,用KMV模型对其信用风险进行识别与评价,研究结果表明,ST公司的违约距离显著不同于配对样本,其信用风险明显较高,这说明KMV模型对存在不良贷款的违约公司具有较强的风险识别和预警能力,是一种有效的风险管理工具。     

基于KMV模型的国际保理信用风险度量

为了定量的度量保理业务中进口商的风险,本文使用KMV模型,将股票市场上的股价作为输入数据,通过违约点和违约距离的计算,得出进口公司的违约频率,以此来衡量其风险等级。     

新兴产业非ST上市公司风险管理新思路——基于KMV模型的信用风险分析

在介绍信用风险评估模型KMV后,依据一定的规则选取7个新兴产业14家上市公司42组数据,通过计算对上市公司信用风险进行探索的同时,利用相关数据对KMV模型的使用程度进行探索。实证分析说明,对于中国非ST上市公司的信用风险,KMV模型可以对信用风险做出度量,但精确程度有待提高。由此可以看出我国金融市场中行业及上市公司的性质,对KMV模型进行进一步修正及改进具有重要的意义。KMV模型为上市公司的风险管理提供了新思路。     

KMV模型在银行贷款定价中的应用

利率市场化要求银行能按风险来确定贷款利率.运用基于期权定价理论的KMV模型来得到公司的预期违约率和违约损失,从而能合理地确定贷款利率.KMV模型特别适用于银行对上市公司的贷款定价.     

新兴产业非ST上市公司风险管理新思路——基于KMV模型的信用风险分析

在介绍信用风险评估模型KMV后,依据一定的规则选取7个新兴产业14家上市公司42组数据,通过计算对上市公司信用风险进行探索的同时,利用相关数据对KMV模型的使用程度进行探索。实证分析说明,对于中国非ST上市公司的信用风险,KMV模型可以对信用风险做出度量,但精确程度有待提高。由此可以看出我国金融市场中行业及上市公司的性质,对KMV模型进行进一步修正及改进具有重要的意义。KMV模型为上市公司的风险管理提供了新思路。     

修正的KMV模型对中国中小企业信用风险的度量

利用KMV模型对14家（7家ST和7家非ST）公司进行信用风险度量分析,结合中国股票的实际情况,对KMV模型中的股权资产价值和股权资产价值波动率进行了修正,再利用修正后的模型进行实证分析.分析结果表明,ST公司比非ST公司有更高的信用风险,且对于陷入困境的ST公司,KMV模型也提供了一种全新的角度来度量其信用风险.     

基于KMV-CatBoost增强的企业信用债券违约风险评估模型

针对传统预测模型对于企业信用债券违约预测准确率低、拟合效果差的问题,提出了基于Kaufman-Merton-Voss （KMV）-Categorical Boosting （CatBoost）的企业债券违约预测模型. 首先对原始样本数据进行预处理,降低噪声数据对预测模型的影响;然后,利用KMV模型评估借款公司信用违约概率,计算公司资产市场价值与公司资产市场价值的波动率,获得企业资产价值与违约点之间的差额Distance-to-Default（DD）;最后,利用债务偿还期限、短期无风险收益率、公司股权市场价值、公司债务面值计算出的违约距离,将其加入指标中,利用CatBoost算法预测企业信用债券违约风险,通过基于Ordered Boosting方式的CatBoost算法训练模型,得到无偏梯度估计,以减缓预测偏移,从而增强模型的泛化能力. 实验结果表明：基于KMV-CatBoost增强的模型能够提高企业信用债券违约风险识别的准确率,识别正确率约为95.5%.     

我国商业银行信用风险度量研究——基于KMV模型的验证分析

该文将KMV模型与我国国情相结合,在现有研究成果的基础上对模型加以修正,利用修正之后的模型对沪深两市24家上市公司的信用风险进行验证分析,结果表明,修正之后的KMV模型能够在上市公司违约前预测出其信用质量的急剧下降,能够清晰地观察出其信用质量的动态变化趋势,能够较好地预测出信用风险的变化。     

约化模型下的公司债券定价

公司债券是一种可违约风险债券.公司债券定价的约化模型将违约时间定义为具有违约强度的绝不可及时,将违约过程看作跳过程.违约过程的强度过程既可依赖外生宏观状态变量,也可以受到其他公司违约的影响.本文分析了违约强度过程的构造,给出了风险债券的定价原理,得到了可违约债券定价的一般公式,并推导出了交易对手风险存在时公司债券定价公式.     

流动性风险调整的信用违约互换定价

根据实证文献对信用价差之谜的解答,构建了考虑流动性风险影响的可违约债券定价模型,分离了信用价差中所包含的违约风险与流动性风险,并在此基础上得到了流动性风险调整的信用违约互换定价.由于排除了流动性风险的干扰,实现了对信用违约互换更为精确的定价.利用中国企业债券市场数据,分别估计了考虑流动性风险影响和忽略流动性风险影响下的违约强度参数,并据此计算了两种情况下的互换价格.结果表明,忽略流动性风险会导致对高信用级别公司债券,特别是到期期限较短的高信用级别公司债券违约率的高估,进而造成信用违约互换初始定价的高估.     

我国商业银行房贷违约风险KMV预警模型构建

美国次级贷危机给世界各国特别是欧美等发达国家经济带来巨大损失。同时次贷危机为我国商业银行房贷业务敲响了警钟,一时间房贷违约风险预警成为国内学者研究的重点,纷纷研究如何预警房贷违约风险。文章包括三个部分：首先介绍了本文研究背景;其次,概述了KMV模型相关理论;最后,提出如何构建我国商业银行房贷违约风险KMV预警模型。     

基于Logit和KMV的我国上市公司信用风险的比较研究

利用Logit回归模型和KMV模型分别对选取的29家我国上市公司样本的信用风险进行实证分析和比较。结果表明,两个模型基本上都能反映上市公司的信用状况,虽然KMV模型对非违约样本组的预测结果要优于Logit模型,但是在违约公司样本组的预测上,Logit模型要远比KMV模型准确。从总体效果来看,Logit模型的预测准确性要高于KMV模型。     

约化模型下考虑流动性风险的公司债券定价

在约化模型框架下,假设违约强度、随机利率和流动性风险均服从Hull-White模型,通过风险对冲方法推导出市值回收和面值回收情况下公司债券价格满足的偏微分方程定解问题,并求出封闭解.在此基础上,进一步考虑回收方式对公司债券信用利差的影响.     

基于KMV模型对中国上市公司的信用风险进行度量的实证分析

针对目前上市公司的日趋增多和广大投资者对于投资股市的热情,对上市公司的信用风险进行度量和评估已显得十分迫切和必要。运用KMV模型,从我国沪深两市中共选取三十家绩优股和绩差股,以2007年9月30日为基准日,运用三种方法计算其未来一年的违约距离DD(Default Distance)和预期违约频率EDF(Expected Default Frequency),在一定程度上可以对上市公司信用风险进行评估。分别采用了三种方法来计算违约距离并进行对比。实证分析结果表明,在KMV模型中引入资产连续回报率这个模型最适合中国国情,灵敏度和预测能力较好,在一定程度上可以揭示上市公司的信用风险。     

随机违约强度下可展期公司债券的定价

将公司债券发生违约事件与市场利率的变化联系起来,对可展期的公司债券进行定价．用约化模型处理企业违约风险,在随机利率下,用偏微分方程的方法给出了可展期的企业债券定价的公式,并讨论了它与普通企业债券在收益率上的差异．     

具有随机违约强度的公司债券定价模型

在随机违约强度与随机利率相关及其在无风险债券市值回收(或面值回收)的条件下,利用Δ对冲和无套利原理构造了可违约公司债券的定价模型;运用偏微分方程方法给出了公司债券的价格表达式,并讨论了回收方式对可违约公司债券的影响.     

基于EVA的信用风险度量模型修正设想

通过对现代信用风险度量模型的梳理发现,KMV模型适用于企业集团内部信用风险的度量.但由于当前上市公司居多,KMV对非上市公司信用风险的度量存在一定的局限.对EVA进行梳理和将EVA估价法与FCFF估价法进行比较得出,在KMV模型中用EVA指标去替代股价后能更好地应用到对企业集团内部非上市子公司信用风险的评价.     

基于修正的KMV模型的银行资产证券化信用风险测度

基于建元2007-1个人住房抵押贷款资产支持证券2008年1月至2014年9月的数据,运用修正的KMV模型对住房抵押贷款资产证券化过程的信用风险进行实证分析。研究结果表明,资产变现收入整体上呈现微弱的递减趋势,资产变现收入的波动率较小,预期违约概率很低,银行资产证券化产品整体的信用风险较低。