论文部分内容阅读
信用风险是指由于借款人或市场交易对手不愿或无力履行合同条件而构成违约,导致银行、投资者或交易对方遭受损失的可能性,它包括由于借款人的信用评级的变动和履约能力的变化导致其资产的市场价值变动而引起损失的可能性。本文围绕2001年《巴塞尔协议》对商业银行信用风险管理的总体方针,在借鉴发达国家信用风险管理技术和方法的基础上,从财务预警切入,运用古典的多元判别分析（MDA）和现代的期望违约率（EDF）技术来研究信用风险度量及管理中的三个核心问题,即:企业的信用评级、评级转移概率和基于违约损失度量的商业银行内部经济资本配置。研究内容共分8章。 第一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。 第二章概述了信用风险的基本概念、管理理论和《巴塞尔协议》对信用风险管理的主要内容,并从商业银行的角度对信用风险管理的内部系统进行了设计。同时概述了专家分析方法（5C、5W）、基于财务数据的信用评分系统（Zeta模型、LPM、Logit、Probit）、神经网络方法、期限结构模型、死亡率模型、信用度量术(CreditMetricsTM)、KMV模型、信用风险附加值(Credit Risk+)、信贷组合观点（Credit Portfolio View）、风险敞口等值法（REE）等信用风险度量方法及应用现状。 第三章介绍了信用评级的基本内容与方法,分析了信用评级在信用风险管理中的作用以及中国信用评级存在的主要问题。 第四章从财务预警切入,运用古典的多元判别分析技术（MDA）,采用中国上市公司的财务数据构建了4-变量和7-变量Z值判别模型并应用于上市公司的信用评级。结果显示,模型均具有超前4年的预测能力,能有效地识别企业的信用风险及其变化。中国上市公司的整体资信较好,但波动性较大,且呈下降趋势。论文通过观察5年（1998—2002）Z值评级的变化,构建出中国上市公司信用等级转移概率矩阵,发现某一信用等级维持原级别不变的概率最大;较高的信用级别转移为违约级的概率极小;当评级分类变得越来越大时,转移概率将变得越来越小。与国外的信用等级转移矩阵相比,本文构建的中国上市公司信用等级转移概率矩阵表现出波动性大、不太稳定的特点。特别是信用级别处于两端的企业,其信用评级维持原级别不变的比例较小。 第五章根据中国的实际情况,对期望违约率模型（KMV模型）的股权价值、违约点（DPT）等参数进行了修订,并应用参数调整后的KMV模型于中国上市公司信用评级。结果显示模型可以提前4年识别上市公司信用风险整体上的变化趋势;可以提前2年识别出上市公司个体上的信用风险差异。在三种不同违约点（DPT）