KMV模型在我國(guó)上市公司財(cái)務(wù)預(yù)警中的應(yīng)用.pdf

1、隨著我國(guó)經(jīng)濟(jì)的發(fā)展和金融體系的建設(shè),金融體系的風(fēng)險(xiǎn)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(shí)別和預(yù)測(cè)金融風(fēng)險(xiǎn),尤其是信用風(fēng)險(xiǎn),對(duì)于減少銀行呆壞賬,提高銀行業(yè)和投資者的風(fēng)險(xiǎn)抵抗能力都有重大意義。國(guó)內(nèi)在這方面的研究分兩個(gè)階段:第一階段多采用多變量分析法,依賴傳統(tǒng)的財(cái)務(wù)指標(biāo)進(jìn)行風(fēng)險(xiǎn)識(shí)別和預(yù)警;第二階段主要是嘗試將近幾年國(guó)際上新發(fā)展的信用風(fēng)險(xiǎn)計(jì)量方法和模型,如KMV模型、神經(jīng)網(wǎng)絡(luò)模型、Credit Me

2、trics模型等引入國(guó)內(nèi)并進(jìn)行本土化改造和應(yīng)用研究。對(duì)新舊兩類方法進(jìn)行融合的研究,國(guó)內(nèi)尚屬空白,本文在前人研究的基礎(chǔ)上,嘗試將傳統(tǒng)的依賴財(cái)務(wù)指標(biāo)的多變量分析法和近幾年在國(guó)際上應(yīng)用比較廣泛的KMV模型進(jìn)行結(jié)合,以期提高信用風(fēng)險(xiǎn)預(yù)測(cè)的精度。文中設(shè)定兩類對(duì)比模型:僅含有傳統(tǒng)財(cái)務(wù)指標(biāo)的多變量分析模型;包含了代表KMV模型的違約距離和預(yù)期違約率以及傳統(tǒng)財(cái)務(wù)指標(biāo)的創(chuàng)新模型。通過運(yùn)用自編的Matlab程序計(jì)算出代表KMV模型的關(guān)鍵變量:違約距離DD和

3、預(yù)期違約率EDF,通過主成分分析法從選取的21個(gè)傳統(tǒng)財(cái)務(wù)指標(biāo)中提取5個(gè)主成分因子,將以上這些變量作為構(gòu)建模型的自變量,使用Logit方法對(duì)兩類模型分別進(jìn)行回歸檢驗(yàn),結(jié)果顯示兩者的預(yù)測(cè)精度均達(dá)到了90％上,但后一個(gè)模型的預(yù)測(cè)精度較僅依賴財(cái)務(wù)指標(biāo)進(jìn)行預(yù)警的傳統(tǒng)多元線性分析模型的預(yù)測(cè)精度提高,故這一處理方法是有效的,為今后的銀行信用風(fēng)險(xiǎn)預(yù)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(duì)于KMV模型中的變量也都進(jìn)