论文部分内容阅读
2013年以来,随着我国经济结构转型和供给侧改革的不断深入,资本市场积累的系统性金融风险逐渐暴露。2014年信用债券“11超日债”的违约打破了我国债券市场刚性兑付的神话。2014年至2017年,我国共发生信用债券违约事件156起,违约金额达到917.14亿元。在债券违约现象逐渐趋于常态化发展的背景下,研究我国信用债券在新常态下的违约风险度量及预测问题对于公司、投资者及监管机构都具有实际的借鉴意义。本文基于我国2014年至2017年发生违约的信用债券样本,通过分位数映射法结合KMV模型和LOGIT回归模型,构建涵盖样本估值、成长能力、偿债能力及盈利能力各项指标的信用债券违约风险度量模型——KMV-LOGIT混合模型,并利用包括违约样本及其对照样本在内的数据集对KMV模型、LOGIT模型及KMV-LOGIT混合模型进行实证研究,结果表明:(1)利用经典KMV模型计算样本的违约距离及预期违约概率能够较好地区分违约样本及其对照样本的违约风险;(2)利用样本实际违约数据构建的经典LOGIT模型能够较好地对样本违约概率进行计算,各年度模型准确率均在90%以上;(3)本文提出的KMV-LOGIT混合模型能够在不依赖样本实际违约数据的前提下计算样本的违约概率并进行动态监测,其预测结果与实际违约数据、经典LOGIT模型相比具有较高的一致性;最后利用涵盖2016年ST及非ST上市公司数据集对KMV-LOGIT混合模型进行有效性检测,结果表明其能够较好地识别ST公司的违约风险,模型准确率达到81.00%。