原创《修正KMV模型在创业板上市公司信用风险度量中应用分析》：此文是一篇信用风险论文范文,为你的毕业论文写作提供有价值的参考。
摘要：针对传统KMV模型在我国目前创业板的市场环境下不适用的状况,本文在继承现有研究成果的基础上,对模型加以进一步的修正,将通过市盈率推导出的预期增长率引入到KMV模型中,并采用EGARCH（1,1）模型对公司资产价值的波动率进行了预测.通过对13家创业板上市公司和13家中小企业板上市公司的信用风险进行评估检验,结果表明,利用修正后的KMV模型能够较好地识别出创业板上市公司和中小企业板上市公司之间信用风险的差别,比较准确地把握上市公司信用质量的变化趋势.
关键词：KMV模型;创业板;信用风险;EGARCH
中图分类号：F830.31文献标识码：B 文章编号：1674-0017-2015（5）-0046-06
一、背景
创业板在国内是指专为暂时无法在主板上市的高科技和创意型中小企业提供融资途径的证券交易市场,创业板的推出为中小型企业提供了另一种英美式的证券融资方向.这对建立多层次资本市场体系,进一步缓解中小企业融资难的矛盾具有重要意义.所以说创业板是对主板市场的一种重要补充,其在资本市场的位置不容忽视.
信息不对称是中小企业中小公司难以借到长期贷款的重要原因,这同时也是创业板上市公司信用风险的主要诱因.但信息不对称是客观存在于市场经济中的.信息不对称而诱发的“机会主义”是市场中信用风险的主要原因.特别是国内,监管制度的漏洞,上市公司信息披露的不规范、制度不健全,导致上市公司信息披露作假等违规行为时有发生.著名的“银广夏”事件就让投资者损失惨重.而创业板公司以更低的条件上市,必然会带来更严重的信息不对称现象.创业板退市制度的出台使得一些上市公司的利润风险进一步加大,所以信用问题的揭露与评估对于有关监管机构及投资者都尤为重要.
目前,我国的信用风险管理水平也仅仅限于专家评估法等传统的度量方法,内部评级才处于起步阶段, 外部信用评级机构难以提供太多帮助.我国尚未能向发达国家一样拥有内外部评估角度多元、传统与现代多种评估方法结合的信用评估体系.所以找到一个较适合国内现状、评估相对较准确的信用评估方式具有重要意义.
二、现代信用风险管理模型综述与比较
当前,我国商业银行对信用风险的评价多选用定性分析方法（5C）,作为贷款发放的重要依据,这种方法显得主观色彩浓厚.在国外,多元化的定量分析技术已经成为银行评估信用风险的重要依据.J·P摩根的Credit Metrics 模型、瑞士信贷银行的 Credit Risk + 模型、麦肯锡公司开发的 Credit Portfolio View 模型以及运用B-S公式的 KMV 模型等,都对信用风险度量提供了现*估方法. Logistic 模型是早期开发的传统信用风险量化模型,随着企业经营模式的转变和资本工具的衍生,其适用特征逐渐消失.Credit Metrics模型和 Credit Portfolio View 模型都是基于信用评级矩阵开发出来的计量模型,此方法的缺点在于假定同一信用等级企业违约率一样,将信用等级与信贷质量划等号.其在中国市场的应用更是具有致命的缺点,即国内尚未建立起较为成熟的征信系统,信用数据的缺乏难以支撑起Credit Metrics的良好应用.Credit Risk + 模型的构建需要历史违约数据,但考虑到我国依旧是以宏观调控为主的市场经济体制,且缺乏历史违约数据.因而,Credit Risk + 模型应用难度较大.
1974年,KMV模型作为一种违约预测模型,由KMV公司开发,以Merton提出的将Black-Scholes option pricing model应用于公司价值评估为基础.他通过上市公司资产预期的市场价值、波动率以及负债的账面价值来预测公司的信用风险.根据Merton理论,可以将公司的债权视为一个对公司资产的call option .其假设公司仅有一种债务,call option 的执行价格为债务面值;到期期限为债务到期期限.当公司资产在债务到期时不足以抵付债务,则认定公司将违约,所有资产被转给债权人.否则公司将继续存在.这样,公司的股权价值可以通过option pricing 得到.
KMV衡量了风险的基数,相对于序数衡量,它更能反映出风险之间的具体差异,而不是简单的排序比较.KMV模型中的资产波动率来源于股价的计算,这在一定程度上反映了投资者对公司未来的预估.这种方法具有一定的前瞻性,从预测的运用看较优于别的依赖历史数据向后看的模型.KMV不依赖于会计报表的特性有效地弱化了国内会计数据夸大作假现象带来的分析偏误.此外,KMV模型所需求的股票数据不需要考虑市场的有效性,这对国内的弱势有效市场又是一种包容.21世纪以来,国内许多学者对KMV模型在国内的应用结果进行了验证.张玲和张佳林（2000）比较研究了KMV模型与其他模型,认为KMV模型比其他只看重财务数据的信用风险模型更适用于评价上市公司的信用风险.马若微（2006）首次将KMV模型运用到财务困境预警中,证明其在预警中国上市公司财务困境的可行性.翟东升、张娟和曹运发（2007）选取A股的ST公司和非ST公司各15家2005年的数据作为样本,检验了KMV模型的有效性,得出结论：KMV模型输出的违约距离（DD）有效地识别ST公司与非ST公司,并且随着公司被ST时间的临近,模型的识别能力越来越强.
综上,相比其他信用风险模型,KMV模型在应用于国内市场有极大的优势.所以本文选用KMV模型度量与分析创业板上市公司的信用风险,并验证KMV模型在创业板运用的可行性.
信用风险论文参考资料：
结论：修正KMV模型在创业板上市公司信用风险度量中应用分析为关于信用风险方面的的相关大学硕士和相关本科毕业论文以及相关信用风险举例论文开题报告范文和职称论文写作参考文献资料下载。
