上市公司信用风险

上市公司信用风险Tag内容描述：<p>1、Jn d e x ：F 2 7 6 UDC 3 3 6 S o u t h w e s tU niv e r sit y o fS c ie R c e a n dT e c h n oJ o g y M a s t er D e g r e eT h e siS S t u d yo nt h eO r e djtRis k M e a s u r e m e n t M o d eJso ft h e M a n u f a c tri n gL js t e d O o m p a n i e s inO h in a G r a d e C a n d i d a t e A c a d e m ic D e g r e eA p p Ii e df 0 7 S p e c iaJi t y S u p e r v is o t 2 0 0 9 C h e n gy n x u a n M a s t e ro fM a n a g e m e n t E n t e r p rs eM a n a g e m e n t P r oW e nY o n g j u n A。</p><p>2、___________________________________________________________________________________________基于模型的上市公司信用风险评估实证研究摘要 上市公司信用风险评估是目前我国在信用风险评估上的较为薄弱的环节，而其评估的技术要求比较高。本文利用KMV模型并结合我国上市公司的实际，对我国上市公司的信用风险进行度量研究。由于国内尚没有公开的公司违约数据库可以使用,本文以KMV模型输出的违约距离来度量上市公司的信用风险。 关键词 KMV模型 上市公司 信用风险 评估 一、KMV模型的理论基础及计算方法 KMV模型评价公司信用风险的基本。</p><p>3、摘要： 选取上证、深证A股32家2010年暂停上市公司作为高违约风险企业的样本，按照公司运营状 况将其特殊处理前的5年划分为“健康期”和“风险期”，运用KMV模型并引进GARCH（1，1）对模型参数 进行更高精度的估计，计算出违约距离。 结果表明该模型能有效判别违约风险，公司所处时期对违约距离 有显著影响，并计算出违约警戒区间。 关键词：KMV模型； 信用风险；暂停上市公司；GARCH（1，1） 中图分类号：F830文献标志码：A 文章编号：1671-6191（2010）03-0089-04 股票市场是我国资本活跃性最强、参与人数最多的市场。 作为股票背后的实。</p><p>4、上市公司信用风险预警的实证分析【摘要】本文运用KMV模型，对中国A股上市的2000多家公司进行了实证分析和检验，事实发现，KMV模型的假设条件在现实生活中不容易满足，并且KMV模型并不能在财务风险预警上取得良好的效果，很多非ST公司的违约概率要高于ST公司的违约概率。这一现象有可能是因为KMV模型自身的问题，如需要资产满足正态分布，不区分长短期债务时间，单纯考虑违约风险等。 下载 【关键词】KMV模型 ST公司 实证检验 20142015年中国资本市场波动加大，股指迅速飙升至40005000多点，大量企业呈现出非理性的高速增长和波动，为此我。</p><p>5、基于KMV模型的河南省上市公司信用风险管理实证研究【摘要】经比较研究发现KMV模型是最适用于上市公司信用风险的度量方法。本文利用河南省上市公司的数据，根据KMV模型，通过股权价值、股权价值的波动率和企业违约点估算出企业的资产价值和资产价值的波动率，从而求出了违约距离，得到了企业的预期违约率，有效地评价河南省上市公司信用风险状况，进而为投资者或投资机构进行理性分析和决策提供理论和实践经验。 【关键词】上市公司 信用风险 KMV模型 违约距离 资本市场的迅速发展引发了诸多问题，尤其是在我国制度不完善的条件下，信用风。</p><p>6、高维数据下基于主成分分析+支持向量机的上市公司的信用风险评价上市公司是市场经济的重要组成部分，其信用评价研究逐渐受到人们的重视。本文就高维数据下上市公司的风险评价问题提出了一种新的方法，首先运用主成分分析方法对影响上市公司信用风险的众多因素进行降维，提取出若干个主成分变量；然后基于这些主成分变量，再运用支持向量机方法对上市公司的信用风险进行综合测评。实证结果表明，与基于主成分分析和logistic回归分析的方法，以及传统的支持向量机方法相比较，基于主成分分析+支持向量机的方法的预测更加准确。 随着市场经济。</p><p>7、上市公司信用风险度量研究 摘要 本文利用kmv模型计算出样本上市公司的违约距离 并将其作为probit模型的自变量计算出上市公司的违约概率 实证结果表明 违约距离能较好地识别上市公司的信用风险 将违约距离作为自变量。</p>