KMV模型在我國上市公司財務預警中的應用.pdf

1、隨著我國經(jīng)濟的發(fā)展和金融體系的建設,金融體系的風險防范越來越受到重視,此次的金融海嘯也再次敲響了銀行業(yè)和廣大投資者的警鐘。因此,如何識別和預測金融風險,尤其是信用風險,對于減少銀行呆壞賬,提高銀行業(yè)和投資者的風險抵抗能力都有重大意義。國內(nèi)在這方面的研究分兩個階段:第一階段多采用多變量分析法,依賴傳統(tǒng)的財務指標進行風險識別和預警;第二階段主要是嘗試將近幾年國際上新發(fā)展的信用風險計量方法和模型,如KMV模型、神經(jīng)網(wǎng)絡模型、Credit Me

2、trics模型等引入國內(nèi)并進行本土化改造和應用研究。對新舊兩類方法進行融合的研究,國內(nèi)尚屬空白,本文在前人研究的基礎上,嘗試將傳統(tǒng)的依賴財務指標的多變量分析法和近幾年在國際上應用比較廣泛的KMV模型進行結合,以期提高信用風險預測的精度。文中設定兩類對比模型:僅含有傳統(tǒng)財務指標的多變量分析模型;包含了代表KMV模型的違約距離和預期違約率以及傳統(tǒng)財務指標的創(chuàng)新模型。通過運用自編的Matlab程序計算出代表KMV模型的關鍵變量:違約距離DD和

3、預期違約率EDF,通過主成分分析法從選取的21個傳統(tǒng)財務指標中提取5個主成分因子,將以上這些變量作為構建模型的自變量,使用Logit方法對兩類模型分別進行回歸檢驗,結果顯示兩者的預測精度均達到了90％上,但后一個模型的預測精度較僅依賴財務指標進行預警的傳統(tǒng)多元線性分析模型的預測精度提高,故這一處理方法是有效的,為今后的銀行信用風險預警研究開辟了新思路。本文選取了114家上市公司作為樣本,樣本容量大、有代表性,對于KMV模型中的變量也都進