关于新常态背景下我国船舶制造行业违约风险研究——基于garch的扩展kmv模型的实证

《关于新常态背景下我国船舶制造行业违约风险研究——基于garch的扩展kmv模型的实证》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、关于新常态背景下我国船舶制造行业违约风险研究——基于GARCH的扩展KMV模型的实证导读：这是一篇关于新常态背景下我国船舶制造行业违约风险研究——基于GARCH(1，1)的扩展KMV模型的实证的论文，对正在写模型和样本的毕业生有参考意义。苗晴马剑摘要：经济新常态背景下，以船舶制造行业上市公司为研究对象，运用GARCH(1,1)修正KMV信用风险评估模型的主要参数，将扩展模型应用于样本公司的信用风险度量.实证结果表明，修正后的KMV模型对上市公司违约风险水平的判定比较准确，且具有较强的前瞻性我国船舶制造行业管面临诸多经营困境，违约风险却极低，与政策扶持和企业

2、自身加强风险管理有关.关键词：新常态经济船舶制造行业信用风险GARCH(1,1)模型KMV模型当今世界经济是信用经济，信用是市场经济正常运行的必要条件和道德规范，关系到市场及其参与主体经济目标价值目标能否实现.中国经济新常态背景下，经济增长目标定位于经济结构对称态基础上的持续发展，经济发展模式和经济增长方式均以价值为核心要素，强调价值经济主客体间的对称.此，新常态经济环境中，市场参与者的信用将直接影响经济运行的质量.我国是造船大国，船舶行业三大指标市场份额连续3年保持世界领先，且该行业产业集中度较高，规模最大的10家企业造船产量占全国的50%以上.受多种素

3、影响，该行业目前存不少问题，主要有：一是过去传统的粗放型经济增长方式下由于投资增长过快，造成严重的产能过剩二是国外船舶需求减弱，市场前景堪忧三是远期结售汇业务带来一定程度的汇率风险四是高成本低售价造成利润空间被不断挤压五是上述问题导致严重的资金不足和融资困难.面对诸多经营问题，我国船舶制造行业是否存违约风险及其程度何？对此问题的研究对于新时期我国船舶制造行业加强风险管理，提高国际竞争力具有重要的理论价值和现实意义.一、文献回顾KMV模型是美国KMV公司于1993年创立的一种度量预期违约率的模型.该模型以期权定价理论为基础，根据企业的股票价格波动和股权价值来

4、估计其预期违约概率，以具有时变性和前瞻性的资本市场信息来推断其信用情况，被认为国内学者对KMV模型的改进和应用做了大量工作.王秀国和谢幽篁(2012)提出了基于CVaR和GARCH(1,1)的扩展KMV模型，选取沪市A股14个样本公司进行实证分析，结果表明该扩展模型能更地对市场信用风险做出预警.[10]曾诗鸿和王芳(2013)选取42家制造业上市公司为研究对象，利用ST和*ST公司的财务数据对KMV模型违约点进行修正，实证结果表明采用新违约点的KMV模型的适用性和准确性有提高.[11]刘澄和张玲(2013)研究了KMV模型度量中国公司信用风险时需要修正的有

5、参数及修正方法，分析表明中国违约点设定应当提高，按理论值计算的预期违约概率通常低于真实值.[12]黄笑(2014)以2013年沪深两市20只上市公司作为研究样本，运用GARCH(1,1)方式修正KMV模型中的主要参数，得出的结论是修正后的KMV模型准确率提高.[13]邓晶等(2014)以沪深两市A股林业上市公司为研究对象，选取20072012年首次成为ST的公司和对应的非ST公司为配对样本，运用KMV模型对其信用风险进行比较分析，以此为基础构建了我国林业上市公司两级信用风险预警体系.[14]张盼盼和周新苗(2014)以16家不性质上市商业银行为研究对象，运

6、用KMV模型进行违约风险评估，结果表明我国上市商业银行整体信用状况良.[15]张方舟(2014)随机选取10家主板上市公司和10家创业板上市公司，利用公开财务数据，基于KMV模型进行信用风险评估，结果证明KMV模型对上市公司信用风险度量有较高的准确性，且不板块上市公司信用风险具有差异性.[16]综上述，KMV模型国内外企业信用风险评价方面得到了广泛应用，学者们多根据实际情况进行参数修正，通过实证分析证明其预测违约概率的准确度得到提高.由于大量资本市场证据表明股价波动具有聚集性和尖峰厚尾特性，而GARCH(1,1)模型能够捕捉到时间序列的异方差，用来刻画金融

7、序列的波动，故本文对KMV模型的股权波动率参数采用GARCH(1,1)模型进行估计，此基础上运用KMV模型对船舶制造行业上市公司进行违约风险度量.二、实证研究设计1。研究方法（1）GARCH(1,1)模型.Bollerslev(1986)提出了广义自回归条件异方差模型(Gen?eralizedAutoregressiveConditionalHetero?skedticity,GARCH).[17]该模型以对金融时间序列数据进行描述，能很地对波动率聚集等现象进行建模，此金融领域应用广泛.标准的GARCH(1,1)模型的基本形式为：GARCH(1,1)模型的

8、基本形式是：σ2t=α0+α1μ2t1+θ1σ2t1①式①中，σ2