商业银行个人住房按揭贷款的违约风险分析及其应对

目前我国房地产行业处于高速发展和规模化扩张的阶段。近年来,房贷一直被各商业银行视为优质贷款项目极力拓展,导致房贷规模成倍扩大。在央行不断提高利率,房价持续上涨超过购房者的承受能力时,房贷违约现象也随之大量增加。美国次级房贷危机的前车之鉴,使得我国商业银行重新审视房贷风险。文章论述了商业银行住房按揭贷款违约风险的客观存在,并结合中国国情和美国次贷危机的教训,提出了进行违约风险控制的一系列举措。     

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模型的公司债券违约风险度量研究

基于遗传算法对KMV模型进行了修正,并运用修正的KMV模型对样本债券在2017—2018期间的违约风险进行度量。结果表明:基于遗传算法改进的KMV模型在预测公司债券违约风险方面有着不错的表现,拟合正确率远高于改进前的原模型;并且公司债券所属行业的不同会影响模型违约点的选择,从而影响KMV模型度量违约风险的效果。     

基于KMV模型的我国房地产行业信用风险度量

本文结合我国的具体国情,将KMV模型应用于我国房地产行业信用风险管理,得出了2008年上半年和2009年上半年我国房地产行业各个上市公司的违约率,实证分析了两年度违约率的差异并研究了KMV模型的应用效果。     

商业银行信贷业务风险预警 ——基于灰色系统理论与Logistic回归的实证检验

商业银行信贷业务在给银行带来丰厚收益的同时,也带来了很高的风险。其主要原因在于银行对违约企业的前期预警能力不足。研究以2011年制造型企业上市公司年报数据为样本,采用样本配比的抽样法,建立了基于灰色系统理论的logistic违约预警模型,并进行了实证检验。结果表明,引入灰色系统理论的logistic违约预警模型具有较好的拟合度,对违约企业具有较强的预测能力和预测精度,达到了对违约企业进行前期预警的目的。该模型的运用将显著降低银行的信贷业务风险,提升银行的经营效益。     

EDF模型度量信用衍生工具的信用风险研究

在分析违约条件及支付函数的基础上，借助KMV公司的EDF模型，建立了用于预测信用衍生工具联合违约概率的方法，并用此法分析了信用衍生工具对我国商业银行风险管理的意义．     

次贷危机对于我国商业银行的警示与对策

介绍了美国次贷危机时我国商业银行的警示作用,探讨了我国商业银行面临的按揭贷款风险,指出金融机构要加强对房贷风险的管理。     

个人住房贷款风险及其防范

自次贷危机在美国乃至全球市场蔓延以来，我国金融市场也面临着很大挑战。面对如此严峻的形势，商业银行如何保持稳定发展，是当前非常重要的课题。对我国商业银行个人住房贷款业务风险及其产生原因进行剖析，明确风险防范管理措施，对我国个人房贷有积极的现实意义。     

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.     

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。     

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.     

新冠疫情下物流产业信用风险研究——基于KMV模型

以信用风险在不同公司的普遍性为现实依据,以新冠疫情为背景,借助KMV模型,将抽象的信用风险具体化为可衡量的定量指标,结合我国物流产业加以测度,为推进我国物流产业的建设和发展提供对策建议。选取物流产业8个细分领域的34家上市公司为实证样本,利用KMV模型计算出不同公司的违约距离和预期违约率,违约距离数值越小,代表信用风险越高。研究表明：KMV模型能有效地测度我国物流产业的信用风险;在新冠疫情暴发前后,我国物流产业总体的信用风险呈先升后降的趋势。     

风险投资对科创型企业信用风险的作用效应——投贷联动框架下基于安徽省样本的实证分析

投贷联动框架下风险投资的加入对科创型企业信用风险产生作用,为商业银行信贷业务的开展提供新方向.遵循"风险投资-技术创新-企业价值-信用风险"的作用路径理论分析风险投资对科创型企业信用风险的作用效应,基于KMV模型,利用安徽省样本上市企业2019年数据进行实证检验.研究发现,风险投资的加入明显拉大了科创型企业的平均违约距...     

基于Logistic和KMV模型的我国商业银行信用风险评价研究

本文结合我国目前商业银行信用风险评价方法的实际情况,选择Logistic和KMV信用风险模型,通过实证分析比较两个模型的判别准确率,结果表明KMV模型能够弥补Logistic模型的不足,KMV模型在我国是一种效果显著的商业银行信用风险评价模型。     

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。     

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%.     

现代信用风险度量模型在商业银行信用风险管理中的应用

重点介绍了两个具有代表性的现代信用风险度量模型(CreditMetrics模型和KMV模型)的基本思想,并进行了模型分析,同时探讨了现代信用风险度量模型在我国商业银行应用的制约因素,就如何提高我国商业银行信用风险量化分析和管理技术提出了一些设想和建议。     

现代信用风险模型的统一性分析

从概念背景、建模基础及数学表达方式上对现今国际上信用风险管理实践中应用最为广泛的KMV、CreditMetrics、CreditRisk 、Portfolio View模型进行了比较研究,发现其不仅有相同的概念背景———Black-scholes的定价理论和相同的模型构建基础———Merton定价模型,而且还可以用统一的Bernoulli混合模型来表示,即各个模型均遵循由独立Bernoulli随机变量构成的违约分布,表明了现代风险模型的内在统一性.因此,这一特性对中国的商业银行构建信用风险模型具有指导意义.     

回归金融原理：企业财务危机预警研究述评与展望

财务危机预警一直受到企业、投资者和政府的关注,但已有预警模型方法的预警能力不能满足市场期许,甚至引发争议,政府部门、市场主体对优化债券违约风险识别与预警方法的需求强烈。该文系统梳理了1932至2020年间256篇财务危机预警文献,从财务危机的概念基础、预警模型的原理及迭代、预警指标选取、预警效率评估等维度进行了述评,指出了现有财务危机预警模型研究的3个现象、方法论特征及局限性。提出了一个跨模型可比的财务危机预警模型评价框架和“一个原则、三个方向”研究改进展望,主张回归金融原理,从而更加精确地进行企业财务危机绝对风险的评估、预警与治理。