中国农业类上市公司信用风险实证研究【开题报告+文献综述+毕业论文】

《中国农业类上市公司信用风险实证研究【开题报告+文献综述+毕业论文】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、本科毕业论文开题报告金融学中国农业类上市公司信用风险实证研究一、立论依据1.研究意义、预期目标农业经济是国民经济的基础部门，农业类上市公司作为连接农业生产和资本市场的重要纽带，对推动农业产业化生产、提高农业科技水平、促进我国农业生产力的发展具有重要作用。农业类上市公司的发展壮大可以巩固农业经济的基础地位，农业上市公司作为农业企业中的佼佼者，可以充分发挥组织模式的辐射效应，有效引导、培养和营造一批新型的农业法人主体，这无论对保障农业发展、促进农业产业化现代化，还是对于提我国农业经营管理水平，都有着积极的作用。农业类上市公司大多以农产品加工、流通和服务为主,使农

2、产品生产、加工、销售有机结合、相互促进。从资产规模方面看,农业类上市公司与其他行业上市公司相比资产规模较小,但近年来资产增长速度较快;从股本结构来看,农业类上市公司国家股“一股独大”现象显著,同时非流通股比重也较大。我国加入世贸组织之后，农业类上市公司受到世贸组织价格补贴、出口补贴和公益性补贴各种规格的严格限制，而且其较之于其他类上市公司起步晚、科技含量低，面临着更多的风险。农业上市公司若发生信用危机，将会影响农业现代化的进程。但目前在我国结合农业行业特色构建的信用风险识别体系还很不完善，因此，本文对农业上市公司进行信用风险评估系统构建的尝试更具有现实性和紧

3、迫性。本文将以KMV模型为手段，对农业类上市公司信用风险进行实证性评估。由于本文研究的是农业类上市公司信用状况，鉴于上市公司交易数据特殊性，本文首先采用KMV违约概率的计算，以MathCAD为辅助工具，评价行业信用状况，然后采用统计检验与比较分析，根据辅助工具SPSS对得出的实证结果进行计量分析。2.国内外研究现状在KMV模型运用上，国外研究者注重利用信用风险度量分析证券收益。Vasicek（1995）研究一个含有1089只债券的样本采用期权调整后的收益利差数据,发现利用KMV模型确定定价偏低或偏高的方法来组建组合会产生明显的超额收益，也就是说可以运用KMV

4、模型对公开交易债券的收益变化做出预测。RogerM.Stein（2005）在对KMV模型进行分析后，通过与现实情况因素进行对比，提出了模型自身存在的一些预测问题和模型相关的改进意见。PeterCrodbie和JeffBohn（2003）专门以金融类公司为样本应用KMV模型,结果显示预期违约概率值在这些公司发生信用事件时或破产前能够准确、灵敏地检测到信用质量的变化。MatthewKurba和IrinaKorablev（2002）使用Levelvalidation和calibration方法对KMV模型进行验证，选取了三年近千家美国公司数据证明KMV模型十分有效

5、。Stefan.M.Denzle（2006）利用KMV模型的EDF估算股票价格。在国外学者对KMV模型研究的基础上，国内学者开始探索这类模型在信用风险度量上的优势以及在中国的适用性。周沅帆（2009）利用KMV模型对我国已上市的保险公司的风险进行了度量，旨在探讨在未来时机成熟时保险监管中引入KMV模型，利用KMV模型良好的风险预测能力，加强和改善保险监管的可能性。王赛（2010）结合我国的具体国情，将KMV模型应用于我国房地产行业信用风险管理，得出了2008年上半年和2009年上半年我国房地产行业各个上市奋司的违约率，实证分析了两年度违约率的差异并研究了KM

6、V模型的应用效果。陆珩瑱，张佳慧（2010）以KMV模型作为度量信用风险的基本模型，验证了KMV模型适用性，分析了次贷危机对纺织业上市公司信用风险的影响。研究发现KMV模型适用于我国纺织业上市公司的信用风险衡量，次贷危机对上市公司信用风险产生了显著的影响。综上所述，国内外对于信用风险度量的研究成果在规避信用风险带给企业的损失上有着很大的帮助。国内外对信用风险的研究起点不同，适应度不同，研究成果也有部分差异。国外的研究是针对完全市场上的个别公司进行信用违约评价分析，再根据该公司进行模型的相关修正，找出适合该公司的信用风险评价方法，而国内研究则大多针对整个金融市

7、场或者针对金融行业进行信用风险分析，大多照搬照抄国外的经验和方法，并没有进行相关修正，得出的违约数据并不与我国金融市场的实情相符。国外对模型进行相关修正和改善，以得出适应于研究对象的方法，这是国内研究学者需要改善的地方。9根据我国证券市场的现状，在研究上市公司信用风险时，应正确选用度量模型。国内的金融市场虽然发展很快，但并不是完全由市场操控，模型运用上需要进行部分修正，才能得出准确的结果。近年来国家对于证券市场的有效性也不断提高，证券市场整体规模的膨胀和上市公司数量的快速增加迫切需要相应的模型对其信用风险进行度量。只针对历史数据进行研究的传统信用风险模型已经

8、明显满足不了我国上市公司的需求，所以只有综合过去、现