我国信用债违约现状及基于logistic多元回归的风险预警模型构建

论文摘要

在2018年紧信用强监管的宏观大背景下,信用债市场迎来新一轮违约潮,使得债券的违约风险受到了更大的关注。本文从违约事件发生的时间趋势、违约债券类型、违约发行主体的公司属性、行业分布和地域分布五个角度对我国至今以来所有违约事件进行梳理统计,并以2018年与2018年之前（2014-2017年）的违约情况比较作为分析重点,总结出2018年违约债券数量多,违约余额规模大,违约主体集中在民营企业,中期票据和面临回售和到期高峰的公司债是违约情况最严重的债券类型,违约事件发生于各行各业各地,没有明显的行业和地域属性。本文以2014年-2018年9月的违约主体作为分析样本,以2018年10月-12月的违约主体作为检测样本,通过一比一配对,选取代表企业偿债能力、资本结构、盈利能力、成长能力、营运能力和现金状况的25个财务指标,在19个两样本间有显著性差异的指标中提取了6个主成份因子,并结合宏观政策经济环境虚拟变量,建立logistic多元回归的风险预警模型。最终样本内识别正确率79.2%,样本外检测正确率78.6%,模型预测能力良好。最后结合我国违约现状和本文研究结果,提出了4个方面的政策建议。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景和意义
•   1.2 研究内容和方法
•     1.2.1 研究内容
•     1.2.2 研究方法
•   1.3 研究创新
• 第二章 文献综述
•   2.1
•     2.1.1 债券违约的定义
•     2.1.2 我国信用债违约研究
•   2.2 信用债违约风险预警模型构建相关研究
• 第三章 我国信用债违约现状
•   3.1 时间趋势
•   3.2 债券类型
•   3.3 公司属性
•   3.4 行业分布
•   3.5 地域分布
• 第四章 LOGISTIC多元回归风险预警模型构建
•   4.1 数据来源与样本选择
•   4.2 样本配对
•   4.3 解释变量的选取和显著性检验
•     4.3.1 解释变量的选取
•     4.3.2 解释变量的显著性检验
•   4.4 因子分析
•     4.4.1 因子分析适用性检验
•     4.4.2 主成份分析
•     4.4.3 计算主成分因子得分
•   4.5 logistic回归预警模型构建
•     4.5.1 模型设计
•     4.5.2 logistic回归
•     4.5.3 样本内识别
•     4.5.4 样本外检测
• 第五章 结束语
•   5.1 研究结论
•   5.2 政策建议
•     5.2.1 成立更加权威和有效的信用评级机构
•     5.2.2 适当提高经营不善公司发债门槛、加强对发债企业的动态监控
•     5.2.3 完善信息披露制度,建立我国违约事件数据库
•     5.2.4 引导投资者正确认识违约风险,加强辨别能力,理性投资
•   5.3 研究不足和展望
• 参考文献
• 附录1
• 附录2
• 致谢

文章来源

类型: 硕士论文

作者: 董傲雪

导师: 蔡明超

关键词: 信用债违约,模型,风险预警,因子分析

来源: 上海交通大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 上海交通大学

分类号: F832.51;F224

DOI: 10.27307/d.cnki.gsjtu.2019.000767

总页数: 52

文件大小: 1488K

下载量: 55