导读:本文包含了信用风险度量论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:信用风险,模型,风险,度量,概率,距离,互联网。
信用风险度量论文文献综述
单翠[1]（2019）在《基于内部评级法的县域农村商业银行信用风险度量研究》一文中研究指出针对县域农村商业银行信用风险管理粗放的现状,本文通过对巴塞尔协议Ⅲ中内部评级法的研究,在充分考虑县域农村商业银行实际情况基础上,建立基于CreditMetrics的信用风险度量模型,计算出组合贷款和单笔贷款违约概率、违约损失率,从而建立符合该行实际的信用管理体系。(本文来源于《时代金融》期刊2019年26期）
王思涵[2]（2019）在《我国P2P网贷平台的信用风险度量分析——基于因子分析法》一文中研究指出本文从网贷平台运营数据入手,从网贷之家选取了100家网贷平台的7个指标,通过因子分析法度量其风险,分析主要影响网贷平台信用风险的因子,得出平台风险主要由经营状况因素、产品设计因素、资金保障因素构成;有利于平台直观地度量和避免自身存在的风险,投资者更客观地了解平台,监管者有效地进行监管。(本文来源于《中国商论》期刊2019年14期）
李涛[3]（2019）在《基于KMV模型的我国上市公司信用风险度量实证研究》一文中研究指出随着我国社会主义市场经济的发展,金融行业在我国国民经济中的作用日益突出,其影响里已经渗透到我社会生活的方方面面。传统商业银行作为我国金融行业的重要金融机构,其在资金借贷等经济行为中时常面临着包括操作风险、市场风险在内的一系列风险问题,而其中又以信用风险最为重要。传统信用风险往往表现为其发生的个体性,并不具有一定的行业关联度,某一行业发生信用违约事件并不会影响其他行业正常的资本运作。而随着我国市场经济的发展以及金融全球化趋势的紧密,行业之间以及国家之间时刻都发生着各种交易行为,都存在着或多或少的信用借贷关系,各国经济往来日益紧密,某一领域的信用风险往往会影响到其他行业甚至整个金融体系。因此,通过对我国上市公司信用风险进行度量研究显得尤为重要。本文在研究过程中首先全面的阐明了传统信用风险度量方法以及现代信用风险度量模型体系,最终挑选中现代信用风险度量模型中的KMV模型作为本文研究模型,以此来对我国房地产上市公司信用风险进行度量分析,从而验证该模型在我国应用的适应性。文章在基本研究思路为运用KMV模型的信用风险度量能力对我国房地产行业进行实证研究,进而通过显着性检验验证该模型在我国的适用性。本文主要在沪深交所选取利润总额为负的企业作为违约组,同时根据公司规模选取10家相匹配的盈利组作为非违约组进行对比研究,最终结果显示违约组所测算出来的违约距离显着小于非违约组测算出的违约距离,因此表明该模型在我国信用风险度量中能够发挥一定的效用;同时本文根据研究结果进行了显着性检验,最终结论显示两组数据具有显着性差异,最终以房地产行业验证出该模型在我国市场具有一定的适用性。最终本文针对该模型在我国信用风险度量方面的局限性提出多维度建议,并最终根据模型特征提出几点新的研究思路。(本文来源于《西安理工大学》期刊2019-06-30）
于沐清,韩忠[4]（2019）在《基于KMV模型的我国上市银行信用风险度量研究》一文中研究指出信用风险广泛存在于社会经济运行与各类商业往来中,是我国金融体系中面临的主要风险之一。能够精准有效地度量信用风险,对于帮助金融机构和广大投资者合理选择风险管理策略具有重要的参考意义,能够有效控制因违约事件发生所造成的经济运行成本。对上市银行信用风险的定量分析,KMV模型对测度我国市场中的信用风险具有适应性,能够作为对监督防范信用风险的有力工具。(本文来源于《经营与管理》期刊2019年07期）
谢赤,胡扬斌,龙剑友[5]（2019）在《证券与投资证券投资基金市场风险与信用风险度量及其关系研究》一文中研究指出运用VaR模型和KMV模型分别度量证券投资基金的市场风险和信用风险,并基于面板向量自回归模型(PVAR)考量两者之间的相互作用关系。结果表明:基金投资同时存在市场风险和信用风险,且它们互为Granger原因。同时,信用风险显着受前一期市场风险的正向影响,而市场风险显着受前一期信用风险的负向影响。因此,在衡量基金投资的总风险时,必须充分考虑其市场风险与信用风险之间的耦合关系。(本文来源于《财经理论与实践》期刊2019年03期）
曹昱[6]（2019）在《基于BP-KMV组合模型的民营企业信用风险度量实证研究》一文中研究指出近年来我国债券市场发展迅速,发行规模持续走高。2018年,我国债券市场发行规模已达到22.6万亿元人民币,同比增长10.41%。截止2018年末,债券市场总托管余额达到76.45万亿元人民币,同比增长13.95%。民营企业方面,2018年共计发行债券1513只,同比增长99.08%,债券发行规模合计为8755.8亿元,同比增长93.60%。民营企业债券发行规模较往年大幅增加。债券市场繁荣的背后,违约风险却在逐步显现。2018年我国信用债市场步入了违约高发期,全年共有52家债券发行人出现债券违约,涉及债券175只,规模高达1601亿元。在这52家违约主体中,民营企业有44家,占比高达84.62%。民营企业债券违约成为资本市场的焦点。面对当前债券市场违约的常态化,有必要对民营企业的信用风险进行全面度量。KMV模型是基于期权定价理论的现代风险度量模型,它根据企业的股权价值和债务水平来衡量其资产价值和波动率。由于KMV模型只能应用于上市公司,本文主要研究的民营企业大多数为非上市公司,故需要对模型进行修正与改进。考虑引入BP神经网络,构建BP-KMV组合模型,对民营企业的信用风险进行度量。本文首先介绍了民营企业整体的信用风险情况,对民营企业债券违约的原因和影响进行了探讨。然后介绍了实证研究中需要用到的理论模型,包括KMV模型,因子分析法和BP神经网络。最后结合上市民营企业和发债民营企业进行实证分析,并根据实证结果提出建议。本文实证分析的大致思路如下。首先是建立两类样本,以上市民营企业作为参照的训练集和待求解的发债民营企业作为测试集。其次是运用KMV模型求解上市民企的资产价值和波动率。然后运用因子分析法将企业微观财务数据归纳为几类公共因子,建立公共因子得分值与资产价值和波动率的BP神经网络。最后将待求解的发债民营企业数据代入神经网络中求解其资产价值和波动率,进而求解出违约距离和违约概率,并就实证结果进行分析与研究。根据BP-KMV组合模型的实证研究,并结合KMV模型的假设,我们发现发债民营企业的整体信用风险介于A股民营企业和ST民营企业之间;BP-KMV组合模型度量的结果与信用评级法基本保持一致,但是度量的效果较外部评级法更好,BP-KMV组合模型可以对各级别发债民企的违约距离和违约概率进行度量,量化各级别民企之间信用风险的差异,抑制“评级通胀”现象;最后我们对发债民营企业的各行业整体信用风险进行了分析,“公共事业”、“房地产”、“综合”、“建筑装饰”和“计算机”等行业的整体信用风险较低,而“传媒”、“钢铁”、“建筑材料”、“商业贸易”和“化工”等行业的整体信用风险相对较高。希望本文能给各位投资人和监管方提供一些新的想法和思路,为民营企业信用风险管理领域带来一些理论和实务的参考。(本文来源于《山东大学》期刊2019-05-20）
朱亦农[7]（2019）在《基于KMV-随机森林模型信用债券违约风险度量》一文中研究指出改革开放40年以来,我国的经济发展取得了世界瞩目的成就。金融市场作为国民经济不可或缺的一部分,为我国的企业和投资者提供了资金融通的渠道。近几年我国金融市场发展过快的弊端开始暴露出来,公司债券违约事件频发,我国的企业信用风险愈发受到市场以及监管层的持续关注。作为企业重要的融资工具,我国信用债券的研究对于公司良性竞争,市场规范化发展,投资者理性投资都有实际的参考作用。第一部分对我国债券市场发生的信用债违约现象进行了分析,研究了国内外关于信用债券违约风险的文献,通过阶段性的发展脉络梳理,发现KMV模型违约距离和随机森林模型在我国上市公司债券信用风险量化上有很强的实用价值,因此创造性的将两者结合。第二部分,本文从沪深交易所上市公司中筛选39家ST、*ST公司和78家正常公司的2015-2017年叁年数据组成研究样本,并分行业对数据进行了标准化。首先根据KMV模型计算违约距离,发现违约距离在不良组与对照组中存在着显着的差距,说明KMV违约距离在正常公司与不良公司分类中能发挥显着作用。第叁部分,通过随机森林模型将传统财务指标与代表市场信息的违约距离进行变量筛选,得到随机森林模型评价指标体系:净资产收益率ROE、销售净利率、总资产报酬率ROA、经营型现金净流量、销售毛利率、总资产增长率、净利润增长率、流动资产周转率、违约距离。观察混合模型对上市公司债券违约风险的评估效果,并通过与LOGIT模型进行对比,证实随机森林模型在违约风险量化中有更好的效果。另外在实证最后也通过删减KMV违约距离指标观察到:不管是随机森林模型还是LOGIT模型预测效果显着下降。说明KMV模型与随机森林模型的结合具有理论与实际意义。最后,本文从监管层、上市公司、市场参与者角度就上市公司债券违约风险的规避提出了相应的建议与对策。(本文来源于《山东大学》期刊2019-05-20）
张艳娜[8]（2019）在《互联网金融中基于GBDT的叁类信用风险度量及其驱动的海萨尼转换》一文中研究指出互联网金融中,贷款企业与申请者之间存在不完全信息博弈,但实践中传统的海萨尼转换需要用到的新的贷款申请者的信用类型的概率分布很难获得,本文尝试利用统计学习方法解决此问题。主要的研究工作包括如下叁部分。第一,构建互联网金融企业与贷款申请者之间的不完全信息互联网贷款信用博弈(3ILCG),采用传统的海萨尼转换分析进行理论分析;并提出了采用统计学习方法预测贷款申请者的信用风险,以驱动海萨尼转换的方法。第二,采用叁种统计学习方法度量贷款申请者的信用风险。首先,定义了信用风险,并采用梯度提升决策树(GBDT)模型度量之。其次,提出了耦合支持向量机(SVM)的GBDT模型(SVM-GBDT),选择SVM中的支持向量作为新的训练集,在保证数据信息的同时大大减少数据规模;并利用该模型度量了信用风险,结果表明:SVM-GBDT在保证正确率的前提下效率提升了73.72%。最后,采用eXtreme Gradient Boosting模型(XGBoost)度量信用风险,实证结果表明:该模型相比于GBDT模型,精度提升了0.0107且效率提升了44.34%。叁种方法综合比较表明:在征信数据规模较大时适合采用SVM-GBDT模型,在一般情况下优先采用XGBoost模型。第叁,在3ILCG中,提出了信用风险驱动的海萨尼转换。基于本文数据特征,采用XGBoost驱动海萨尼转换。实证分析表明:互联网金融贷款企业依据XGBoost驱动的海萨尼转换做出的贷款决策准确率为94.8%。因此,面对新贷款申请者时,本文提出的信用风险驱动的海萨尼转换有助于互联网金融企业做出科学的贷款决策。(本文来源于《武汉科技大学》期刊2019-05-01）
王佳,杨艾琳,王旭[9]（2019）在《基于修正KMV-Copula模型的组合信用风险度量研究》一文中研究指出文章利用我国ST和非ST的上市公司真实数据,对KMV模型进行修正,引入了基于EGARCH的KMV模型计算单个资产的违约概率。进一步分别采用二元正态-Copula、二元t-Copula以及二元阿基米德-Copula包括Gumbel-Copula、Clayton-Copula和Frank-Copula函数对信用资产组合的违约相关性进行建模,研究多资产间的联合违约概率。研究结果表明,修正的KMV模型具有合理性和有效性,Clayton-Copula函数对联合违约概率拟合更好。研究结果有助于商业银行预测各企业的信用风险大小及可能性,提升应对风险的能力,以维护我国金融市场安全稳健运行。(本文来源于《会计之友》期刊2019年07期）
陈熙[10]（2019）在《Z银行基于KMV模型的信用风险度量研究》一文中研究指出信用风险一直以来都是商业银行面临的最主要的风险之一,由于Z银行近些年不良贷款率逐年升高,因此该行加强信用风险管理,尤其是准确地度量信用风险,对于Z银行的健康发展至关重要。论文首先论述Z银行信用风险度量现状,发现Z银行目前信用风险度量存在的主要问题是度量手段传统、工具单一,于是对现代信用风险度量工具进行了比较分析,发现KMV模型在几种主要信用风险度量工具中具有较高适用性,但该模型的应用有一定适用范围,因此需对运用KMV模型进行信用风险测度,并对其测度结果进行有效性分析。其次,对Z银行基于KMV模型进行信用风险测度,选取65家企业作为样本公司,其中实验组公司9家,是Z银行中具有代表性的企业客户,对比组公司共56家,来自实验组公司所属行业。运用KMV模型测算出样本公司自2017年以来7个季度的违约距离(DD),得到样本公司违约概率(EDF)。再次,结合基本面对结果的有效性进行分析,发现利用KMV模型测算出的结果在大部分情况下与现实情况较为相符,具有一定准确性,但在股价异常波动时期,其计算结果准确性降低,另外,求解出的理论违约概率与经验违约概率之间的有效性也存在一定差距。最后,基于测度结果的有效性分析,提出Z银行应加强KMV模型的应用性研究,尤其是分析该模型有效性领域、完善违约数据库以帮助计算经验违约概率、将违约概率与内部信用评级相结合以及运用KMV模型加强对企业信用风险度量的力度及深度的建议,从而帮助Z银行更有针对性的运用KMV模型进行信用风险度量。论文运用KMV模型进行信用风险测度的对象仅为只在A股中上市的企业,并未考虑股本中包含H股或B股的企业,可能会对模型测度结果的有效性分析产生一定的影响。因此如何运用KMV模型对这部分企业进行信用风险测度应是未来考虑的方向。(本文来源于《郑州大学》期刊2019-04-01）
信用风险度量论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文从网贷平台运营数据入手,从网贷之家选取了100家网贷平台的7个指标,通过因子分析法度量其风险,分析主要影响网贷平台信用风险的因子,得出平台风险主要由经营状况因素、产品设计因素、资金保障因素构成;有利于平台直观地度量和避免自身存在的风险,投资者更客观地了解平台,监管者有效地进行监管。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
信用风险度量论文参考文献
[1].单翠.基于内部评级法的县域农村商业银行信用风险度量研究[J].时代金融.2019
[2].王思涵.我国P2P网贷平台的信用风险度量分析——基于因子分析法[J].中国商论.2019
[3].李涛.基于KMV模型的我国上市公司信用风险度量实证研究[D].西安理工大学.2019
[4].于沐清,韩忠.基于KMV模型的我国上市银行信用风险度量研究[J].经营与管理.2019
[5].谢赤,胡扬斌,龙剑友.证券与投资证券投资基金市场风险与信用风险度量及其关系研究[J].财经理论与实践.2019
[6].曹昱.基于BP-KMV组合模型的民营企业信用风险度量实证研究[D].山东大学.2019
[7].朱亦农.基于KMV-随机森林模型信用债券违约风险度量[D].山东大学.2019
[8].张艳娜.互联网金融中基于GBDT的叁类信用风险度量及其驱动的海萨尼转换[D].武汉科技大学.2019
[9].王佳,杨艾琳,王旭.基于修正KMV-Copula模型的组合信用风险度量研究[J].会计之友.2019
[10].陈熙.Z银行基于KMV模型的信用风险度量研究[D].郑州大学.2019
论文知识图
