基于KMV模型的我国商业银行信用风险管理实证研究

《基于KMV模型的我国商业银行信用风险管理实证研究》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、ASTUDYONTHECREDITRISKMANAGEMENTOFCOMMERCIALBANKS烈CHINAWITHKMVMODELDisseIrtationSubmittedtoNa巧ingUhiVersityofFinanceandEconomicsFortheAcademicDegreeofMasterofEconomicsBYXiaXia01eiSupervisedbyProfessorHuaRenhaiSchoolofFinanceNanjingUniVersityofFinanceandEconomics0ctober．2011

2、学位论文独创性声明本论文是我个人在导师指导下进行的研究工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外，不包含其他人或其它机构已经发表或撰写过的研究成果。其他同志对本研究的启发和所做的贡献均已在论文中作了明确的声明并表示了谢意。作者签名：殛J!盈日期：——学位论文使用授权声明本人完全了解南京财经大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其它复制手段保存论文。保密的论文在解密后遵守此规定。作者签名：二雌导师签名：作者签名：匿6j!整

3、导师签名：日期：摘要银行业建立之初，信用风险就是商业银行面临的最为重要的金融风险之一，利息收入对收入总额占比高达80％以上的中国银行业来说更是如此。银行自身的不良资产和国内外银行和相关金融机构的竞争，促使银行必须提高信用风险管理水平，这也成为银行业面临的重要课题。国际上，新巴塞尔协议已经实施，金融衍生品交易迅速发展，使得信用风险的管理正经历着一场巨变，出现了许多有代表性的信用风险量化管理模型。针对我国而言，商业银行在信用风险管理这一层面，较为薄弱的就是利用信用风险管理模型进行量化分析。本文主要从量化分析层面对我国商业银行的信用风险进行研究。

4、选取2010年我国证券市场已经完成股权分置改革的67家ST公司和与之配对的67家非ST公司作为研究样本，依据2010年这两类样本公司的年度财务数据和股票每日交易数据，运用KMV模型度量ST公司和非ST公司对商业银行产生的信用风险的不同，比较两类公司对银行产生的风险的大小。实证结果表明：运用KMv模型计量出的ST公司的违约距离要小于非ST公司的违约距离。违约距离是一个序数度量指标，其数值越大表明公司发生违约的机率就越小；反之，其数值越小，表明公司发生违约的机率就越大。由此可知，KMV模型能较好识别ST公司和非ST公司的信用风险差异，违约距离(

5、DD)对上市公司产生违约的可能性能较好的反映。运用KMV模型最大的优势是可以依据股票每日交易数据的不断更新对上市公司的违约距离进行及时的调整，就我国目前金融体系而言，商业银行监控上市公司贷款的预警指标可以运用上市公司发生的违约距离来衡量。本文最后章节阐述了提升我国商业银行信用风险量化管理的建议，希望对我国商业银行的经营管理发挥作用。关键词：信用风险；KMV模型；违约距离AbstractFromtlleb孤kingsectorinitsearlydays，mecreditriskisthemostimportantcommercialbank

6、sarefacedwiththefinancialrisks．Interestincomeisoneofthetotalincomethall80％ofthechinaballl(s．BanksandmeirnegatiVeassetsanddomesticaIldintemationalbanksandfinancialinstitutionsmere，thebarll(mustincreasemecreditriskmanagementstandards，thisisanimportantissuefacingmebaIll(ingse

7、ctor．Tlleintemationallevel，newBaselconcordat，hasbeenimplementedandfinallciald甜VatiVeproductstradehasdeVelopedrapidly，111ecreditriskmanagementisunde唱oingashiR，aIldmanyr印resentatiVeofthecreditriskmanagementmeasuremodelCommercialbaIll(sinme1evelofcreditriskmanagement，comparat

8、iVelyweal(ismeuseofcreditriskmanagementmodelsinquantitatiVeanalysis．Thispapermainlyf．romq