上市公司信用風(fēng)險評價研究

《上市公司信用風(fēng)險評價研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、上市公司信用風(fēng)險評價研究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)險評價研究李從欣肖士息鄭蕓2(1.石家應(yīng)經(jīng)濟學(xué)院，石家莊05ω31;2.重慶市工商局，愛慶4ωω0)[摘要]本文構(gòu)造了上市公司信用風(fēng)險部價的Logit模型，并結(jié)合T檢驗和主成分分析法對模型進(jìn)行了實證分析。結(jié)果農(nóng)明Lo酬模型具有非常可倍的識別、預(yù)測及格廣能力，是上市公司信用評估的有效工具。{關(guān)鍵詞]上市公司;信用風(fēng)險;評價doi:10.3969/

2、j.issn.1673-0194.2創(chuàng)衛(wèi)9.16.023[中團(tuán)分類號]凹76.6文獻(xiàn)標(biāo)識兩]A文章編號]1673-0194(2侃>9)16-α)69-05企業(yè)倍用風(fēng)盼的評估-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實務(wù)界關(guān)性和操討的問題。能否有效地判斷上市公詞判別分析和Logit回歸分析均可用來進(jìn)行違約概率分借用風(fēng)險程度，意味著能否依據(jù)公開披露的倍息準(zhǔn)確析，但Bayes判別分析需要對所研究的對象已有一燒的評價…上市公司信用風(fēng)險評價研究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)險評價研究李從欣肖士息鄭蕓2(1.石家應(yīng)經(jīng)濟學(xué)院，石家莊05ω31;2.重慶市工商局，愛慶4ωω0)[摘要]本文構(gòu)造了上市公司信用風(fēng)險部價的Logit模型，并結(jié)合T檢驗和主成分分析法對模型進(jìn)行了實證分析。結(jié)果農(nóng)明Lo酬模型具有非常可倍的識別、預(yù)測及格廣能力，是上市公司信用評估的有效工具。{關(guān)鍵詞]上市公司;信用風(fēng)險;評價doi:10.3969/j.issn.1673-0194.2創(chuàng)衛(wèi)9.16.023[中團(tuán)分類號]凹7

4、6.6文獻(xiàn)標(biāo)識兩]A文章編號]1673-0194(2侃>9)16-α)69-05企業(yè)倍用風(fēng)盼的評估-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實務(wù)界關(guān)性和操討的問題。能否有效地判斷上市公詞判別分析和Logit回歸分析均可用來進(jìn)行違約概率分借用風(fēng)險程度，意味著能否依據(jù)公開披露的倍息準(zhǔn)確析，但Bayes判別分析需要對所研究的對象已有一燒的評價…個企業(yè)的借用收況。館用風(fēng)險又稱違的風(fēng)險，認(rèn)識，即需要用到先驗概率，而國內(nèi)銀行倍用風(fēng)險度量是指借款人、證券發(fā)行人或交易對方因種種原因，不愿為時不長，快

5、乏相應(yīng)的數(shù)據(jù)積累，這種先驗概率缺z充就無力履行合間條件而構(gòu)成違約，致使銀行、投資者成足的說服力，如果給定的先臉概率獲取較為困難.Bay捕交易對方遭受損失的可能性(1)對于上市公司附言，判別法可能會導(dǎo)致錯誤的結(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的統(tǒng)計方法，也適用于四架盤中樣在發(fā)行證券或債券進(jìn)行圈錢等失倍行為，因此對這種違定性指標(biāo)的問題，而且Logit模型采用最大似然估計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，不要求樣本數(shù)據(jù)顯正在分布，這句現(xiàn)實期以來，國內(nèi)

6、外以計算違約率對信用風(fēng)險進(jìn)行評價和中企業(yè)財務(wù)指標(biāo)的真實情況相吻合。目前，對企業(yè)倚用度蟹的方法及模型得到了迅速發(fā)膜。對企業(yè)的借用評風(fēng)險的評估，研究最多的方法是根據(jù)財務(wù)比率來建立模價主要是基于綜合財務(wù)指你特征計算違約風(fēng)險并用來糊。其中，以Beaver(1附)的單變輯模礎(chǔ)和Altman劃分倍用等級。以綜合財務(wù)指標(biāo)為解釋變盤，運用計(1968)的多元模型影響最為廣泛。除了傳統(tǒng)的判別分量統(tǒng)計方法建立模型分析信用，在金融實務(wù)界和學(xué)術(shù)析.Ohlson(1980)構(gòu)建了Logit識別模型.Libby(1叨5)首界逐漸成為主流，評價就果顯著。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1企血借用風(fēng)險評估方法概迷性的問題。在國內(nèi)，張玲等(2刷)運用KMV模型對上市從統(tǒng)計學(xué)角度看，對企業(yè)信用風(fēng)險進(jìn)行分析的數(shù)公司信用風(fēng)險進(jìn)行了評價川;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)問綿技術(shù)、別別分分析利用判別分析對上市公詞信用風(fēng)險進(jìn)行了評價[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等(2陽)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[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)系和計算方法，…般不能資產(chǎn)證掙化的倍用風(fēng)險問題{叫:牛東曉(2陽)利用改進(jìn)單獨使用，而是用來做數(shù)據(jù)的預(yù)處理;神經(jīng)網(wǎng)錨技術(shù)是的GRA法對電力睿戶信用風(fēng)險進(jìn)行了評價[7]。本文以一種對數(shù)據(jù)分布無任何要求的非線性技術(shù)，它能有效上市公司一系列財務(wù)比率變量建立L