上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究

《上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。

1、上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究2(陰年8月中閣管理信息化Aug.，2αm第12卷第16期ChinaManagementInformationizationVoI.12,No.16上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究李從欣肖士息鄭蕓2(1.石家應(yīng)經(jīng)濟(jì)學(xué)院，石家莊05ω31;2.重慶市工商局，愛(ài)慶4ωω0)[摘要]本文構(gòu)造了上市公司信用風(fēng)險(xiǎn)部?jī)r(jià)的Logit模型，并結(jié)合T檢驗(yàn)和主成分分析法對(duì)模型進(jìn)行了實(shí)證分析。結(jié)果農(nóng)明Lo酬模型具有非常可倍的識(shí)別、預(yù)測(cè)及格廣能力，是上市公司信用評(píng)估的有效工具。{關(guān)鍵詞]上市公司;信用風(fēng)險(xiǎn);評(píng)價(jià)doi:10.3969/

2、j.issn.1673-0194.2創(chuàng)衛(wèi)9.16.023[中團(tuán)分類(lèi)號(hào)]凹76.6文獻(xiàn)標(biāo)識(shí)兩]A文章編號(hào)]1673-0194(2侃>9)16-α)69-05企業(yè)倍用風(fēng)盼的評(píng)估-J革是金融紐講學(xué)理論界與景是代次數(shù)多、收敢速度慢等缺陷;判別分析中的Bayes實(shí)務(wù)界關(guān)性和操討的問(wèn)題。能否有效地判斷上市公詞判別分析和Logit回歸分析均可用來(lái)進(jìn)行違約概率分借用風(fēng)險(xiǎn)程度，意味著能否依據(jù)公開(kāi)披露的倍息準(zhǔn)確析，但Bayes判別分析需要對(duì)所研究的對(duì)象已有一燒的評(píng)價(jià)…上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究2(陰年8月中閣管理信息化Aug.，2αm第12卷

3、第16期ChinaManagementInformationizationVoI.12,No.16上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究李從欣肖士息鄭蕓2(1.石家應(yīng)經(jīng)濟(jì)學(xué)院，石家莊05ω31;2.重慶市工商局，愛(ài)慶4ωω0)[摘要]本文構(gòu)造了上市公司信用風(fēng)險(xiǎn)部?jī)r(jià)的Logit模型，并結(jié)合T檢驗(yàn)和主成分分析法對(duì)模型進(jìn)行了實(shí)證分析。結(jié)果農(nóng)明Lo酬模型具有非?？杀兜淖R(shí)別、預(yù)測(cè)及格廣能力，是上市公司信用評(píng)估的有效工具。{關(guān)鍵詞]上市公司;信用風(fēng)險(xiǎn);評(píng)價(jià)doi:10.3969/j.issn.1673-0194.2創(chuàng)衛(wèi)9.16.023[中團(tuán)分類(lèi)號(hào)]凹7

4、6.6文獻(xiàn)標(biāo)識(shí)兩]A文章編號(hào)]1673-0194(2侃>9)16-α)69-05企業(yè)倍用風(fēng)盼的評(píng)估-J革是金融紐講學(xué)理論界與景是代次數(shù)多、收敢速度慢等缺陷;判別分析中的Bayes實(shí)務(wù)界關(guān)性和操討的問(wèn)題。能否有效地判斷上市公詞判別分析和Logit回歸分析均可用來(lái)進(jìn)行違約概率分借用風(fēng)險(xiǎn)程度，意味著能否依據(jù)公開(kāi)披露的倍息準(zhǔn)確析，但Bayes判別分析需要對(duì)所研究的對(duì)象已有一燒的評(píng)價(jià)…個(gè)企業(yè)的借用收況。館用風(fēng)險(xiǎn)又稱(chēng)違的風(fēng)險(xiǎn)，認(rèn)識(shí)，即需要用到先驗(yàn)概率，而國(guó)內(nèi)銀行倍用風(fēng)險(xiǎn)度量是指借款人、證券發(fā)行人或交易對(duì)方因種種原因，不愿為時(shí)不長(zhǎng)，快

5、乏相應(yīng)的數(shù)據(jù)積累，這種先驗(yàn)概率缺z充就無(wú)力履行合間條件而構(gòu)成違約，致使銀行、投資者成足的說(shuō)服力，如果給定的先臉概率獲取較為困難.Bay捕交易對(duì)方遭受損失的可能性(1)對(duì)于上市公司附言，判別法可能會(huì)導(dǎo)致錯(cuò)誤的結(jié)論山。Logit@l歸分析是這種遺約付為經(jīng)常表現(xiàn)為拖欠贓款、贊不抵債以及以一種非線性分類(lèi)的統(tǒng)計(jì)方法，也適用于四架盤(pán)中樣在發(fā)行證券或債券進(jìn)行圈錢(qián)等失倍行為，因此對(duì)這種違定性指標(biāo)的問(wèn)題，而且Logit模型采用最大似然估計(jì)法約失倍的可能性的度最顯得十分重要。自20世紀(jì)中進(jìn)行參數(shù)估計(jì)，不要求樣本數(shù)據(jù)顯正在分布，這句現(xiàn)實(shí)期以來(lái)，國(guó)內(nèi)

6、外以計(jì)算違約率對(duì)信用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)和中企業(yè)財(cái)務(wù)指標(biāo)的真實(shí)情況相吻合。目前，對(duì)企業(yè)倚用度蟹的方法及模型得到了迅速發(fā)膜。對(duì)企業(yè)的借用評(píng)風(fēng)險(xiǎn)的評(píng)估，研究最多的方法是根據(jù)財(cái)務(wù)比率來(lái)建立模價(jià)主要是基于綜合財(cái)務(wù)指你特征計(jì)算違約風(fēng)險(xiǎn)并用來(lái)糊。其中，以Beaver(1附)的單變輯模礎(chǔ)和Altman劃分倍用等級(jí)。以綜合財(cái)務(wù)指標(biāo)為解釋變盤(pán)，運(yùn)用計(jì)(1968)的多元模型影響最為廣泛。除了傳統(tǒng)的判別分量統(tǒng)計(jì)方法建立模型分析信用，在金融實(shí)務(wù)界和學(xué)術(shù)析.Ohlson(1980)構(gòu)建了Logit識(shí)別模型.Libby(1叨5)首界逐漸成為主流，評(píng)價(jià)就果顯著。次

7、將主成分分析方法引入判別模型以克服變量多重共錢(qián)1企血借用風(fēng)險(xiǎn)評(píng)估方法概迷性的問(wèn)題。在國(guó)內(nèi)，張玲等(2刷)運(yùn)用KMV模型對(duì)上市從統(tǒng)計(jì)學(xué)角度看，對(duì)企業(yè)信用風(fēng)險(xiǎn)進(jìn)行分析的數(shù)公司信用風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)川;事秉祥(2005)基于主成分學(xué)工具主贅鈕括:主成分分析、神經(jīng)問(wèn)綿技術(shù)、別別分分析利用判別分析對(duì)上市公詞信用風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)[4]:析和Lo原t回歸分析等4種典型。1:成分分析町以從變傅強(qiáng)等(2陽(yáng))利用Logistic模型分析了上市公詞的信用量的相宜影響關(guān)系中提取出主要因絮，并根據(jù)各要縈風(fēng)險(xiǎn)[5];閻慶民(川15)利用改進(jìn)的KMV法研究了不良

8、所含倍息的多少確定變量關(guān)系和計(jì)算方法，…般不能資產(chǎn)證掙化的倍用風(fēng)險(xiǎn)問(wèn)題{叫:牛東曉(2陽(yáng))利用改進(jìn)單獨(dú)使用，而是用來(lái)做數(shù)據(jù)的預(yù)處理;神經(jīng)網(wǎng)錨技術(shù)是的GRA法對(duì)電力睿戶(hù)信用風(fēng)險(xiǎn)進(jìn)行了評(píng)價(jià)[7]。本文以一種對(duì)數(shù)據(jù)分布無(wú)任何要求的非線性技術(shù)，它能有效上市公司一系列財(cái)務(wù)比率變量建立L