原创《基于KMV模型的一种信用风险评估方法与其应用》：本文关于信用风险论文范文,可以做为相关论文参考文献,与写作提纲思路参考。
【摘 要】 过去十几年中,KMV模型在上市公司风险度量中得到了广泛的应用,然而,在计算模型的关键纽带股权市场价值时,变量d1和d2的正态分布在我国却严重与事实不符,导致KMV在我国上市公司信用风险度量中的精确性较低.基于此,文章以万科A数据为例,应用基于期望最大化算法的极大似然估计对高斯混合模型进行了参数估计,并应用估计后的高斯混合模型重新模拟了变量d1和d2的概率密度函数,进而通过牛顿迭代算法对KMV模型进行了改进得到GKMV模型.文章最后检验了GKMV模型和KMV模型在信用风险度量中的精确性,发现GKMV模型确实比KMV模型有更好的信用风险度量精确性.
【关键词】 KMV模型； 信用风险； 高斯混合模型
【中图分类号】 F830.5 【文献标识码】 A 【文章编号】 1004-5937（2018）19-0034-06
一、引言
近年来,随着宏观经济波动的日趋剧烈,微观企业的风险管理逐渐显得尤为重要,KMV公司根据Merton期权定价理论构建了度量信用风险的KMV模型,并曾一度取得良好的风险度量效果.
然而,KMV却存在无风险利率的选择问题、公司资产价值VA的增长率假设问题、违约距离DD和EDF值的映射关系问题、实证研究的样本不足以及操作技术等诸多问题[ 1 ],其中,最为重要且明显的问题在于,KMV公司在开发KMV模型时是基于布莱克和斯科尔斯的期权定价模型（B-S模型）,该模型在计算企业股权市场价值时的关键变量d1和d2在西方国家的企业财务数据下是服从正态分布的,然而,d1和d2在中国的企业财务数据下并不严格服从正态分布,由此导致基于正态分布计算的企业股权市场价值是有偏的,进而影响到KMV模型在上市公司信用风险度量中的适用性,因此,应用半参数估计方法分析d1和d2的真实分布,不但有利于精确计算出企业股权市场价值,更能作为企业风险管理的有力工具.
过去的十几年里,KMV模型在企业信用风险度量中的精确性及其改进方法引起了众多学者的浓厚兴趣.Afik et al.[ 2 ]研究了原始KMV模型在违约风险预测中的精确性问题,发现原始KMV模型在股票市场的风险预测中不如其他一系列类似的模型,其原因在于估计的资产预期收益率和资产波动的选择,进而从这两个方面来改善KMV模型在违约风险预测中的精确性.Lu[ 3 ]基于Merton、Vassicek和Kealhofer的模型框架对KMV的基本思想和结构做了介绍,并解释了应用这些模型的前提条件,还把Merton模型拓展成特殊的KMV,在他的经验研究中,用真实数据检验了具有不同财务状况的服务公司的違约概率,并发现了输入输出参数的变化规律.
KMV模型在预测债务违约风险中的应用研究同样引起了中国学者的广泛兴趣.杨秀云等[ 4 ]测验了2013年部分上市公司的违约距离,发现测验结果存在较大误差,说明了KMV模型在中国信用风险度量中的适用性较差,其原因可能在于KMV模型的一些假设条件在中国并不相符.曾诗鸿和王芳[ 5 ]利用ST公司和非ST公司的财务数据对债务违约点的计算进行了修正,随后,他们在一定条件下选取了中国42家上市制造业公司数据作为样本,对原始KMV模型与改进后的KMV模型做了对比性校验,研究结果发现,以财务数据改进的KMV模型在对上市制造业公司的债务违约风险预测中表现出更好的精确性.王传鹏和李春蕾[ 6 ]提出了基于条件在险值和GARCH（1,1）扩展的KMV模型,并以条件在险值和其极端波动下的违约距离作为新的信用风险度量指标,发现扩展后的KMV可以精确地对市场信用风险状况做出预警.
本文从KMV模型的关键纽带股权市场价值的估计着手,发现在估计股权市场价值时默认的正态分布与实际经济情况不符,因而,以万科A（000002）的2005年1月1日到2014年12月31日数据为样本,应用高斯混合模型（GMM）重新估计了在计算股权市场价值时的d1和d2的真实分布,计算出了概率密度函数.本文将基于高斯混合模型（GMM）改进的KMV模型简称为GKMV模型,随后,应用GKMV模型计算的概率密度函数来估计股权市场价值,进而应用股权市场价值重新计算违约距离与违约概率,最后证明了GKMV模型在信用风险度量中比KMV模型具有更高的精确性.所以,本文的主要创新性贡献体现于,从KMV模型的关键纽带股权市场价值的估计着手,应用高斯混合模型（GMM）,基于Matlab软件,重新计算了d1和d2的概率密度函数,改进了KMV模型在信用风险度量中的精确性,这是以往关于KMV模型的研究空白.
二、模型原理
本部分首先介绍了KMV模型的理论基础；然后引入高斯混合方法,对不服从正态分布的d1和d2用高斯混合模型估计出其真实概率密度函数；最后创建出GKMV模型.
(一)KMV模型
假设股权的市场价值可表示为一个看涨期权的价值,即：
E等于f（x） （1）
其中：E为股权的市场价值；x为包括负债的账面价值、资产的市场价值、资产的波动性以及时间范围的变量向量；f（·）为B-S公式.从而可以得到：
E等于VN（d1）-De-rtN（d2）等于f（V,σA,r,D,t） （2）
其中：V是公司资产的市场价值；σA为资产价值的波动性；D表示负债的账面价值（即违约点DPT）；t为时间范围,即到期时间；r代表无风险借入或贷出利率；N是正态分布的累计概率密度函数.另外,d1和d2具有如下形式：
d1等于 （3）
d2等于d1-σA （4）
在公式（1）和公式（2）中有两个未知数,即资产的市场价值V和资产价值的波动性σA.对公式（1）两边微分后求数学期望,可得到公式（5）：
σE等于g（x） （5）
其中,σE为股权市场价值的波动性.同样,将其表示成B-S模型的形式,对公式（2）两边求导,然后再求期望,可得到公式（6）：
信用风险论文参考资料：
结论：基于KMV模型的一种信用风险评估方法与其应用为关于本文可作为相关专业信用风险论文写作研究的大学硕士与本科毕业论文信用风险论文开题报告范文和职称论文参考文献资料。
