基于KMV模型的商業(yè)銀行信用風(fēng)險(xiǎn)度量及研究.pdf

1、在商業(yè)銀行的運(yùn)作過(guò)程中,信用風(fēng)險(xiǎn)是其面臨的最重要的風(fēng)險(xiǎn)之一。中國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)度量和管理水平同國(guó)際先進(jìn)銀行業(yè)相比還存在很大差距,信用風(fēng)險(xiǎn)度量方法和模型的研究仍處于起步階段。因此,根據(jù)中國(guó)銀行業(yè)獨(dú)特的經(jīng)營(yíng)環(huán)境,引進(jìn)國(guó)外先進(jìn)的信用風(fēng)險(xiǎn)度量方法和模型,再結(jié)合中國(guó)的實(shí)際經(jīng)濟(jì)情況加以修正,在提高中國(guó)銀行業(yè)信用風(fēng)險(xiǎn)管理水平方面具有顯著意義。
　　本文引進(jìn)了KMV模型,考慮了上市公司實(shí)際經(jīng)營(yíng)過(guò)程中的資產(chǎn)價(jià)值增長(zhǎng)率,重點(diǎn)研究了這種修正的KMV

2、模型對(duì)中國(guó)商業(yè)銀行面臨的信用風(fēng)險(xiǎn)的度量。為了檢驗(yàn)?zāi)Ｐ偷男Ч?本文選取56家公司作為研究樣本,其中包括28家ST公司和28家與之行業(yè)相同、資產(chǎn)規(guī)模相近的配對(duì)的非ST公司。根據(jù)這些公司的股市數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù),首先計(jì)算公司的股權(quán)價(jià)值和股權(quán)波動(dòng)率,接著運(yùn)用Matlab軟件求解出了相對(duì)應(yīng)的公司價(jià)值和公司價(jià)值的波動(dòng)率,最終計(jì)算出56家樣本公司的違約距離。文章利用了ROC曲線對(duì)模型的準(zhǔn)確性進(jìn)行了評(píng)價(jià),結(jié)果顯示識(shí)別概率達(dá)到了80.4％,表示修正后的KMV

3、模型能夠比較好的衡量?jī)蓚€(gè)樣本組的信用風(fēng)險(xiǎn)水平,證明了運(yùn)用該模型度量我國(guó)商業(yè)銀行的信用風(fēng)險(xiǎn)具有較強(qiáng)的可行性。本文還利用SPSS軟件對(duì)上市公司違約距離各參數(shù)的敏感性進(jìn)行了分析,結(jié)果顯示:違約距離受到資產(chǎn)價(jià)值波動(dòng)和資產(chǎn)價(jià)值增長(zhǎng)率的影響較大,資產(chǎn)價(jià)值的波動(dòng)每增加1％,違約距離減少2.858個(gè)百分點(diǎn),而資產(chǎn)價(jià)值增長(zhǎng)率每增加1％,違約距離將增加0.703個(gè)百分點(diǎn)。
　　文章最后對(duì)提高中國(guó)銀行業(yè)的信用風(fēng)險(xiǎn)管理水平提出了一些建議,并對(duì)KMV模型應(yīng)