王凡[1]2008年在《上市公司信用风险评估的实证研究》文中研究表明在全球信用不断膨胀的背景下,信用风险暴露越来越严重,已成为各国金融系统所面临的主要风险之一。市场经济本质上是信用经济,上市公司作为市场经济的重要参与者,其信用状况尤其应该受到重视。研究上市公司的信用风险问题对证券市场监管、投资者利益保护以及信贷机构风险控制都具有重要的现实意义。信用风险评估作为一种防范信用风险的社会监督手段,是市场经济发展到一定阶段的必然产物,其对市场经济的重要性和促进作用已得到了理论研究的证明和发达国家实践的检验。本文首先对国内外信用风险评估的研究现状进行了总结和分析。其次,界定了上市公司信用风险评估的内涵,指出了上市公司信用风险产生的原因及目前我国信用评估中还存在的问题。再次,本文简单介绍了信用评估模型的发展过程并进行了比较,在此基础上选取比较适合我国上市公司信用风险评估的模型进行了详细的介绍。最后,实证部分是本文的核心,主要研究内容有:通过样本选取,选用我国沪深上市公司的61家ST公司和61家非ST公司做为样本,构建了指标体系,并利用因子分析法对指标进行了浓缩,找出了对上市公司信用风险影响作用比较显着的6个因子;分别利用BP神经网络模型、支持向量机(SVM)模型、SVM- Logistic回归混合两阶段模型和Adaboost组合分类器模型进行了实证研究,并对这四种模型的实证结果进行了比较。实证结论:支持向量机采用结构风险最小化原则代替经验风险,能够有效避免过拟合现象,与BP神经网络模型相比具有较高的分类准确率;SVM- Logistic回归混合两阶段判别模型综合了SVM和Logistic回归模型的优点,能够提高SVM模型的分类准确率;Adaboost组合分类器模型具有整体上的最优性,分类准确率高于其他叁种模型。
刘璇[2]2015年在《我国制造业上市公司信用风险评估研究》文中指出制造业是我国经济的支柱产业,特别是上市的大型制造业公司,它们的发展情况直接影响着我国的经济水平。然而,面对着复杂的国内外环境,我国的制造业上市公司的信用风险日益暴露明显,制造业上市公司作为我国商业银行重要的客户,它们的信用违约将会给我国的商业银行乃至社会经济带来不利影响。因此,制造业上市公司的信用违约风险和其他行业公司的风险相比来言,更值得关注和研究。亟需建立我国的制造业上市公司的信用风险评估模型,为公司加强内部管理以及为商业银行开展授信业务提供依据。论文通过对我国制造业上市公司的信用风险以及风险评估方法进行理论概述的基础上,分析了评估模型的选择,并且建立出了我国制造业上市公司的logistic信用风险评估模型。实证中,选择我国沪深两市的76家制造业企业为研究对象,包括38家正常企业与38家具有违约风险的企业,利用其2013年的财务数据,选取具有代表性的16个财务指标和12个非财务指标进行主因子分析,并且根据得出的八个主因子进行Logistic二元回归,构建了公司的信用风险评估模型,并且通过检验样本的检验,研究结果表明模型拟合的较好并且具有较好的预测效果。同时,论文还指出除了反映企业还款能力的五大类基本财务指标外,公司的股权结构、市场地位和公司治理结构也是影响我国制造业企业信用风险的重要因素,其中公司的偿债能力以及公司的市场地位对于企业信用风险的影响最为显着。最后,从完善企业的信息披露机制、建立信息数据库以及模型的动态调整这叁方面提出了政策建议,为保证构建的模型能够被运用于我国制造业企业的信用风险评估中创造条件。
孙柏[3]2006年在《基于DEA的上市公司信用风险评估研究》文中提出我国金融市场尚处于转轨和新兴发展阶段,信用风险评估的方法和手段较为落后,对上市公司信用风险评估分析主要采用传统的静态比率分析等定性方法,以至于上市公司信用风险评估经常出现错判误判现象,专门针对上市公司特点而进行信用风险评估的实用模型还不多见。本文以我国上市公司信用风险为主要研究对象,以上市公司的信用风险程度与其财务情况的相关性为切入点,用基于新的(Worst DEA)概念框架下的DEA技术并对比古典的多元判别分析(MDA)来研究我国上市公司信用风险评估问题。研究内容主要包括基础理论、模型构建和应用研究叁大部分,共分四章撰写。第1章介绍了研究的选题来源、学术背景、意义及国内外的研究动态。提出了本文的研究框架及技术路线。第2章从上市公司信用及信用风险为引入点对上市公司信用风险评估理论基础进行研究,并对古典的多元判别分析(MDA)和DEA方法的评估基础和思路作了详细介绍。第3章在前两章分析的基础上,从实际数据的特点出发,构建了符合我国制造业上市公司实际情况的DEA模型。第4章对比分析了检测样本上市公司被ST处理前四年运用DEA和MDA模型进行信用风险评估的实证研究结果,并以此来对我国上市公司信用风险管理提出指导意见。研究结果表明,Normal/Worst DEA模型能较好地对上市公司信用风险进行评估,具有超前4年的预测能力,精确度较之主流的MDA模型更高,能有效地识别中国上市公司的信用风险及其变化,为我国上市公司信用风险评估和管理方面提供了重要的思路和方法。
黄韵华[4]2016年在《基于二元选择分位数回归视角的信用评估方法与应用》文中进行了进一步梳理信用评估在市场经济中发挥了重要的作用,受到了理论研究与实践部门的共同关注,使得信用度量和管理技术不断得到发展。然而,国内已有信用评估工作只是在均值框架下开展,难以揭示经济行为的异质性。分位数回归能够刻画解释变量对响应变量在不同分位点处的影响,从而成功解释现实世界中普遍存在的异质性现象。针对信用数据的复杂性和信用行为的异质性,本文基于分位数回归开展了两个方面的研究工作,拓展了国内已有研究。首先,基于普通二元选择分位数回归建立了中国上市公司信用评估方法。二元选择分位数回归是二元选择均值回归在分位数框架下的推广,能够更好地揭示解释变量对响应变量在不同分位点处的异质影响,从而可以更加准确地描述与预测二元选择行为。通过数值模拟和实证研究,比较了二元选择分位数回归模型与二元选择均值回归模型的信用评估能力,表明二元选择分位数回归模型具有更好的判别能力和稳健性,且可以揭示信用影响因素对信用的异质影响。其次,应用Lasso二元选择分位数回归模型于中国上市公司信用评估,一方面通过Lasso变量选择功能,从众多的信用影响因素中识别出关键因素；另一方面通过分位数回归细致描绘各个关键因素对信用的异质影响,提供更为全面和详细的信用评估信息。本文改进了已有的Lasso二元选择分位数回归模型,从而提高了参数估计效率和变量选择能力。通过数值模拟和实证研究,将本文模型与Logit模型、Lasso-Logit模型和支持向量机进行对比,发现前者不但具备良好的变量选择能力而且可以获得最佳的评估效果。本文研究工作具有一定的学术价值和应用价值,主要集中表现在叁个方面：第一,通过模型的优良评估性能,实现对企业信用状况的准确定位；第二,根据各因素对企业信用的异质性影响,可以采取更有针对性的企业治理策略以提高信用水平；第叁,通过Lasso变量选择功能识别出影响信用的关键因素,从而降低无关因素搜集成本和管理成本。
曾贤[5]2013年在《基于云重心评估法的上市公司信用风险评估研究》文中研究表明信用是社会经济发展的必然产物,是现代经济社会金融体系运行中必不可少的一环。维持和发展信用关系,是保护社会经济秩序的重要前提。上市企业已成为我国市场经济建设的中坚力量,在资本市场中扮演着重要的角色。为维持正常的经济秩序,信用评价有助于防范商业风险,确保资本市场的公平、公正和诚信,也能够为商业银行确定贷款风险程度提供依据。通过运用云理论,对上市公司的信用风险进行研究,可为信用信息的使用者提供一种可行的信用评估方法和结果。本文首先阐述了云理论和信用风险的相关概念,然后介绍了信用风险的特征、来源,指出信用风险形成的原因主要是信息在交易双方分布的不完全性,并阐述了常用的信用风险评估模型。然后针对上市公司的管理特征,从上市企业的治理水平、关联交易情况、财务情况叁个方面构建了20个评估指标,其中公司治理水平包括股权结构、股东大会和股东权利、董事会的运营、监事会、高层约束的和激励、信息透明度、利益相关者的情况,关联交易包括关联交易的额度和次数,财务方面的情况包括偿债能力、运营能力、盈利能力和发展能力。然后选择适于处理较为复杂情况的建构评估模式(Dematel)对选取的评估指标进行处理,建立因子影响矩阵,得到各个因子对系统的影响程度,并进行详细的分析。在此基础上,再利用Topsis方法对云重心评估模型进行优化,并利用该改进后的云评估模型对48家上市企业数据样本进行处理,得到所有企业的信用评级,通过与实际情况进行比较,评估的结果较为准确。由此说明本文在对上市公司信用风险评估的指标选取、处理和最终的评估结果具有科学性和合理性。本文以信用风险管理为理论基础,选取上市公司信用风险评估的指标,然后运用经Topsis改进后的云重心评估法对上市企业的信用风险进行评估并确定其信用风险等级,不仅能够为上市企业的信用风险管理提供一定的借鉴,而且能够为债权人、投资者、银行等信用风险使用结构提供一定的参考。
陈晓红, 杨志慧[6]2015年在《基于改进模糊综合评价法的信用评估体系研究——以我国中小上市公司为样本的实证研究》文中提出分析我国中小企业目前的融资困境及其根源,提出改进模糊综合评价模型——AFF模型(Analytic hierarchy process-Factor Analysis-Fuzzy Comprehensive Evaluation)对中小企业进行信用评估。该模型在进行指标权重决策问题时,不仅考虑了复杂大群体决策的不确定性,更是将主观赋权法和客观赋权法思想相结合,提出以基于群决策的AHP方法确定主观权重,基于因子分析法(FA)确定客观权重,最后将主客观权重集结得到指标的综合权重。模型既克服了传统主观因素赋权的不足,又充分考虑客观因素,而且引入了群体决策的思想,拓展了模糊综合评价法的应用,更具理论实际意义。选取信息技术服务业53家公司为样本,利用该模型进行了实证分析,验证了该模型的适用性、稳定性和客观性。分析结果表明,采用AFF模型能准确地得到公司的信用等级,并能发现导致公司信用状况不佳的相关因素,通过对相关因素的剖析,帮助领导者和决策者改善公司信用状况,具有较强的实践意义。AFF模型在各类理论与实践的综合评价中均具有应用和推广价值。
王丽娟[7]2008年在《信用风险的度量方法研究》文中提出信用风险是商业银行面临的最古老,最重要的金融风险之一。信用风险不仅直接影响到商业银行的经营与安全,也影响到一国的金融体系的稳定和宏观经济的健康发展,尤其是在金融全球化的新形势下,严重的信用风险还会引起世界性的经济波动。因此提高信用风险管理水平成为各国商业银行的重要任务和目标。信用风险的度量是信用风险管理的主要内容,近年来信用风险的度量研究已成为风险研究领域中一个富有挑战性的课题,受到国际金融业和学术界的关注和重视,信用风险的度量方法不断推陈出新,尤其是九十年代末期,信用风险度量研究取得了突破性的进展,以现代金融理论为基础开发出了现代信用风险度量模型,并在发达国家得到普遍应用。我国的信用风险评估和度量技术仍比较传统,单一,与发达国家相比存在很大差距,有鉴于此,本文选择信用风险的度量方法作为研究课题。本文从信用风险的概念,特点及产生的原因出发,阐述了巴塞尔新资本协议的基本内容、内部评级法的核心内容和对信用风险各要素的度量,分别给出了个体贷款和组合贷款预期损失和非预期损失的计算公式。然后着重回顾了信用风险的度量方法的发展历程,较为系统地总结了各种方法的思想原理,侧重评估信用风险度量的方法的优缺点,并将传统方法与现代模型进行分析比较,由此认为信用风险的定量化和模型化会是未来信用风险管理的发展趋势。在理论分析的基础上,本文根据我国实际选择了多元线性判别模型、Logistic回归模型对上市公司进行实证分析。实证结果表明两种模型对前溯1年和2年的样本违约准确率都具有较强的预测能力,但对前溯3年的样本的违约预测准确率则较低。在本文的研究中,两种模型的分类预测能力不相上下,都能在短期内较好的识别我国上市公司的信用风险,因此适合现阶段我国商业银行信用风险的度量。
李海霞[8]2015年在《基于BP神经网络的上市公司制造业信用风险评估研究》文中提出信用风险评估起始于二十世纪六七十年代以美国为首的西方资本主义国家,其最开始的目的是对企业的整体运营状况进行风险预测与客观评价。发展至今,企业信用已是社会信用的重要组成部分,是一个企业赖以生存的基石,对市场经济的健康平稳发展至关重要。信用风险评估作为一种防范风险的社会监督手段,对它的研究具有一定的实践作用和理论意义。首先,本文对国内外信用风险评估的研究现状进行概括和总结,对企业信用风险进行界定和分析,并对较为常用的信用风险评估方法和模型进行阐述;其次,结合国内外研究现状,对适用我国上市公司制造业的信用评估所需的指标进行归纳,构建一套信用风险评估指标体系,该指标体系将财务因素与非财务因素结合,共选取了35个指标,基本涵盖了影响企业信用评估的所有因素,具有一定的适用性;再次,对本文所需的BP神经网络进行综述;最后,从国泰安数据库中随机选取198家上市公司制造业数据作为样本,构建叁层BP神经网络模型,通过设置合理的参数,运用Matlab软件对网络模型不断的训练,使信用风险评估指标的输出值接近目标值,从而获得适合我国上市公司的信用风险评估模型,再用未参加训练的样本数据进行仿真检验,将其与目标值进行比较,结果证实本文构建的以神经网络为基础的上市公司信用风险评估模型的评估结果准确率为63%,介于制造业行业的特殊性对模型的结果具有一定程度的误差影响,该模型评估结果仍在接受范围内,故本文模型对上市公司制造业的信用风险能够进行有效评估。
杨华[9]2004年在《上市公司信用风险评估模型的构建及其实证研究》文中研究指明上市公司或企业的信用风险评估是一项非常复杂的系统工程。国外有很多专门的信用风险评估机构对公司或企业的信用风险进行全面的评级，如美国着名的穆迪信用评级公司、标准普尔公司和费奇公司。这些评估机构对企业进行信用评估时主要考虑企业的商业竞争情况和财务状况。如标准普尔公司认为，必须综合考虑企业经营风险与财务风险两个方面的情况，才能准确地给出企业的信用等级。在进行行业经营风险分析时，标准普尔公司认为，评估的重点是在产业风险、多样化与规模和管理绩效这叁方面。关于企业财务风险和信用风险，标准普尔公司则重点评估企业的获利能力、财务杠杆与现金流的情况。我国的一些信用风险评估机构在借鉴国外信用风险评估机构的经验基础之上提出了适合我国企业的信用风险评估方法。该方法从叁个方面对企业进行比较全面的评估。一是企业素质的评估，二是企业的财务评估，叁是新建项目的评估。本文首先界定了信用风险的定义及分类，在此基础上，本文回顾了国内外信用风险评估及其管理的发展历史，并将信用风险每个发展历史阶段的信用风险评估模型做了简单介绍，对其中重要的、经典的模型做了详细阐述。在回顾了信用风险管理的发展历史后，针对我国上市公司的信用风险评估状况及管理状况，本文选择了208家上市公司2003年末的年度财务报表作为研究的样本，采用SPSS统计分析软件中的Fisher判别分析法和Logistic回归分析法，建立了基于财务报表分析的我国上市公司信用风险评估的新模型。实证研究表明，模型对预测样本的预测正确率都非常的高。
张莉, 张德栋[10]2008年在《上市公司信用评估模型》文中进行了进一步梳理论文在分析信用评估重要性和信用评估国内外现状的基础上,指出了目前上市公司信用指标体系建立中存在的不足,进而提出了一种基于特征选择FSDB算法的上市公司信用评估指标体系的建立方法,并在该指标体系的基础上,提出了一种基于SOM神经网络的上市公司信用评估模型。通过试验证明,该模型在经过一定的训练后,能够用于上市公司的信用评估,并具有较高的准确性。
参考文献：
[1]. 上市公司信用风险评估的实证研究[D]. 王凡. 北京工业大学. 2008
[2]. 我国制造业上市公司信用风险评估研究[D]. 刘璇. 天津财经大学. 2015
[3]. 基于DEA的上市公司信用风险评估研究[D]. 孙柏. 湖南大学. 2006
[4]. 基于二元选择分位数回归视角的信用评估方法与应用[D]. 黄韵华. 合肥工业大学. 2016
[5]. 基于云重心评估法的上市公司信用风险评估研究[D]. 曾贤. 武汉理工大学. 2013
[6]. 基于改进模糊综合评价法的信用评估体系研究——以我国中小上市公司为样本的实证研究[J]. 陈晓红, 杨志慧. 中国管理科学. 2015
[7]. 信用风险的度量方法研究[D]. 王丽娟. 中南大学. 2008
[8]. 基于BP神经网络的上市公司制造业信用风险评估研究[D]. 李海霞. 吉林财经大学. 2015
[9]. 上市公司信用风险评估模型的构建及其实证研究[D]. 杨华. 浙江大学. 2004
[10]. 上市公司信用评估模型[J]. 张莉, 张德栋. 管理现代化. 2008
标签：企业经济论文; 信用风险论文; 分位数论文; 企业信用论文; 回归模型论文; 信用政策论文; 二元经济论文; 风险模型论文; 模型公司论文; 二元结构论文; 风险管理论文;