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

《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》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、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模型的实证苗晴马小剑摘要：在经济新常态背景下，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，并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；我国船舶制造行业尽管面临诸多经营困境，违约风险却极低，与政策扶持和企业自身加强风险管理有关。.jyqkp;Jeff(2001)[1]、DouglasSar?ah(2007)[2]、Mat

2、thep;Irina(2008)[3]、Sreed?harTyler(2008)[4]等。还有学者对KMV模型进行了改进，如：Navneet,JeffreyFanlin(2005)通过对莫顿模型的变型，改进了基于股权价值的资产市场价值与波动率的计算，提高了KMV模型的准确度。[5]Dionysiou,LambertidesCharitou(2008)在KMV模型的基础上发展了一种更为简单的违约预测模型，避免了传统KMV模型求解非线性方程组的困难，并通过实证证明了该模型具有较强的预测能力。[6]V模型，并对台湾数据进行了实证分析，结果表

3、明该模型能够准确找到违约点，提高了银行信用风险管理水平。[7]Ch?ing-ChiangYeh,FengyiLinChih-YuHsu(2012)利用随机森林算法和粗糙集理论，建立了混合KMV模型，用于对台湾高科技公司的信用评级，结果证实该模型提高了对信用评级的准确度。[8]Mar?tin,SergioRosella(2013)利用稳定帕累托分布对KMV模型中的股权波动率参数进行估计，建立了基于稳定非高斯过程的结构信用风险评估模型，并与传统KMV模型进行比较，得出的结论是该模型实现了优化。[9]国内学者对KMV模型的改进和应用做了大量

4、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，并选取沪市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好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所提高。[11]刘澄和张玲(2013)研究了KMV模型在度量中国公司信用风险时需要修正的所有参数及修正方法，分析表明在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

5、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2007-2012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，并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家不同性质上市商业银行为研究对象，运用KMV模型进行违约风险评估，结果表明我国上市商业银行整

6、体信用状况良好。[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，且不同板块上市公司信用风险具有差异性。[16]综上所述，KMV模型在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，并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，可用来刻画金融序列的波动，故本文对K

7、MV模型的股权波动率参数采用GARCH(1,1)模型进行估计，在此基础上运用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?skedasticity,GARCH)。[17]该模型可以对金融时间序列数据进行描述，能很好地对波动率聚集等现象进行建模，因此在金融领域应用广泛。标准的GARCH(1,1)模型的基本形式为：GARCH(

8、1,1)模型的基本形式是：σ2t=α0+α1μ2t-1+θ1σ2t-1①式①中，σ2t和σ2t-1为第t期和第t-1期方差，μ2t-1为滞后一期的随机误差项，α0为常数项，α1和θ1为变量系数。从式①可知，方差σ2t取决