论文部分内容阅读
随着全球经济不断发展,信用风险暴露愈来愈严重,已成为世界各国金融系统所面临的主要风险之一。如何有效地控制和管理信用风险,已经成为世界各国金融机构和投资者关注的焦点。上市公司是我国国民经济的重要组成部分,更是证券市场的基础,公司的质量、行为是否规范及其财务状况将直接影响我国证券市场的发展以及投资者的利益。由此,本文对我国上市公司的信用风险及其相关问题做出了研究。本文分析了信用风险的定义和特点,研究了信用风险的计量方法,力求通过研究找到适合我国的上市公司信用风险计量模型,从而增强我国信用风险预测和管理能力:首先简要地介绍了传统的信用风险计量方法,例如“5C”专家法、信用评分和信用评级法等;接着研究了现代信用风险计量模型,主要有Credit Metrics模型, KMV模型, CreditRisk+模型,以及Credit Portfolio View模型。基于此,本文根据我国上市公司违约的情况,将因子分析结合Logistic回归分析法引入到上市公司信用风险的研究当中,选取了信用风险评价的财务指标和上市公司的相关财务数据进行因子分析,分别对各类指标加以提炼,得到综合因子。并且通过因子分析建立了可靠的、有效的上市公司信用风险的财务指标体系,丰富了信用风险计量的相关研究。然后进一步按照Logistic回归理论模型,构建了上市公司信用风险违约判别模型。由于信用风险模型的精度会直接影响银行的风险状态,所以本文最后运用贝叶斯估计量对标准Logistic模型进行了改进研究,力求提高信用风险模型的违约预测力。并利用统计量AUC(Area Under Curve)值和布莱尔分数(Brier Score)对两个模型的预测力精度进行了比较,结果标准估计量的AUC值为0.834,贝叶斯估计量的AUC值为0.870,高出标准估计量3.6个百分点,表明贝叶斯估计量具有更高的预测力精度,具有一定的实用价值。