资源描述：
《证券金融银行管理毕业论文 ｋｍｖ模型的修正及应用研究》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、湖南师范大学本科毕业论文考籍号：XXXXXXXXX姓名：XXX专业：证券金融银行管理论文题目：ＫＭＶ模型的修正及应用研究指导老师：XXX二〇一一年十二月十日摘要:根据我国资本市场的特点,选取KMV模型的相关参数,使用上市公司在某国有商业银行贷款不良率替代其违约率,拟合出贷款不良率与违约距离的函数关系实证结果表明,在KMV模型使用不良率替代违约率计量上市公司的信用风险的方法是可行的 关键词:贷款不良率;违约率;KMV模型;信用风险 Abstract:OnthebaseoftheparticularityofChina＇sstockmarket，selec
2、tingtheparametersoftheKMVmodelandusingthedatafromonecommercialbank，weadoptnon-performingloans(NPLs)ratiotosubstituteexpectdefaultfrequency(EDF)tofitthefunctionbetweenNPLsratioanddistancetodefault(DD).TheresultsshowthatthemethodthatusingNPLsratiotosubstituteEDFtoestimatethecreditri
3、sksoflistedcompaniesisfeasible. Keywords:non-performingloansratio;expectdefaultfrequency;KMVmodel;creditrisks 一引言 商业银行的风险管理一直是国际国内金融界关注的焦点,而风险计量技术则是风险管理的核心基于资本市场的发展和信息技术的提高,国际金融市场上开发了如Creditmetrics模型KMV模型CreditRisk模型和CreditPortfolioView模型其中的KMV模型基于Black-Scholes和Merton期权定价理论
4、,主要采用股票市场数据,因此数据和结果更新速度快,具有前瞻性,现已成为当今世界著名的信用风险计量工具之一 KMV模型自1993年推出以来,国外学术界对KMV模型的研究经历了两个阶段:第一阶段是将KMV模型的预测结果与实际的违约数据相比较,大多数研究结果表明,KMV模型能够反映信用风险的高低,并对信用风险具有很高的敏感性第二阶段,国外学术界对模型的验证寻找到新的角度,并开发出多种验证模型有效性的方法和技术我国学者主要对模型在我国适应性和参数调整方面进行了许多探讨,取得了一定的成果张林张佳林(2000)王琼陈金贤(2002)先后对KMV模型与其他模型进行理论
5、上比较,认为更适合于评价上市公司的信用风险薛锋,鲁炜,赵恒街,刘冀云(2003)利用中国股市的数据,得出了应中市场的σv和σE的关系函数,并以一只股票为样本进行了实证分析乔卓等(2003)介绍了KMV模型的基本内容,以及国外的应用经验,但是并没有进行实证研究易丹辉,吴建民(2004年)对深市和沪市随机抽取30家公司分行业计算违约距离和违约率并作比较,认为借助违约距离衡量上市公司的信用风险是可行的 由于缺少大量违约公司样本的历史数据库,因此,我国目前无法通过比较违约距离和破产频率的历史,拟合出代表公司违约距离的预期违约率函数本文尝试使用上市公司在某国有商业
6、银行贷款不良率替代其违约率,并根据我国资本市场的特点,选取KMV模型的相关参数,同时采用某国有商业银行2001年12月31日的235家贷款客户的不良率来替代上市公司的违约率进行实证分析,建立违约距离与不良率的函数关系 二样本选择与参数的确定 (一)KMV模型的计算步骤 1.估计公司资产的价值及其波动性 根据Black-Scholes的期权定价公式,我们可以得到以下表达式: E:期权的市场价值 D:负债的账面价值 V:企业资产的市场价值 τ:时间范围 r:无风险利率 3.估计违约率(ExpectedDefaultF
7、requency,EDF) 即确定违约距离与违约率的映射关系根据模型的假设,违约距离即是评价企业违约风险的一个度量指标,用其作为不同企业之间的比较 (二)参数的确定 1.违约率(EDF)的选取 预期违约率有两种类型:一种是经验的EDF;一种是理论的EDFKMV公司使用了前者它是在年初公司资产价值距违约点的距离都是其标准差的某一个常数倍到期时有多少公司违约,即EDF=违约数目(时间T)/N(N:年初资产价值距违约点为其标准差的某一个常数倍的一组公司的数目) 根据中国人民银行1998年4月制定《贷款风险分类指导原则(试行)》推行的贷款质量五级分类
8、管理办法《贷款风险分类指导原则(试行)》把贷款分为正常关注次级可疑
