非上市公司公司债券信用风险度量的实证研究——基于信用风险结构化模型

摘要

相对于股票市场，我国的固定收益产品发行市场的发展较为缓慢。我国固定收益产品的市场规模和交易量远低于股票市场的市场规模和交易量。在一定程度上，我国资本市场这种发展的不均衡是因为市场缺乏有效的信用风险定价机制。2015年1月，中国证监会先行一步，发布了全新修订的《公司债券发行与交易管理办法》，这标志着我国公司债券市场开始大举扩容，也标志着一直被诟病“重股轻债”的证监会开始在债券市场上奋起直追。本次修订的《管理办法》重点将发行主体的范围扩大到了所有公司制法人，让没有公开发行股票的非上市公司获得了重要的直接融资渠道。然而，随着我国债券市场违约事件的增加，信用风险评估的重要性越来越被监管层和广大投资者所重视。
　　信用风险管理中最为重要的一环就是信用风险的度量。自上世纪70年代以来，国外学者对于信用风险的度量技术就不断推陈出新，许多定量工具、支持软件被应用到了商业领域。KMV公司建立的KMV模型和之后衍生出来的PFM模型就是非常主流的信用风险度量模型。KMV模型和PFM模型是在结构化模型框架下创立的。它们继承了Merton模型的基本假设，即把公司的债务看作是以公司资产为标的看跌期权，把公司的股权看作是以公司资产为标的看涨期权。运用KMV模型或是PFM模型的基本程序相似，最重要的步骤是要测算信用风险主体的资产市场价值及其波动率，进而可以计算得出用以度量信用风险的违约距离。KMV模型和PFM模型在我国的应用较为少见，尤其是PFM模型。我国使用KMV模型进行的实证研究对象多为上市公司，对于非上市公司的研究非常少，本文的创新点就在于运用了PFM模型测算缺乏公开市场交易数据的非上市公司的信用风险水平。

目录

声明

第1章 引言

1.1研究背景与意义

1.1.1研究背景

1.1.2研究意义

1.2文献综述

1.2.1 Merton模型

1.2.2 KMV模型和PFM模型

第2章 参数度量估计方法

2.1股票收益波动率

2.1.1 估计方法

2.1.2 估计模型

2.2公司资产市场价值

2.3违约点DP

2.4公司资产价值增长率g

第3章 实证研究

3.1估算股票收益波动率

3.1.1 样本的选取

3.1.2 样本的预处理

3.1.3 描述性统计

3.1.4 平稳性检验

3.1.5 自相关检验

3.1.6 ARMA阶数的选择

3.1.7 ARCH效应的检验

3.1.8 GARCH模型阶数选取

3.1.8 ARMA(2，2)-GARCH(1，1)模型拟合结果

3.1.9根据残差方程计算股票收益波动率

3.2 估算公司资产市场价值

3.3 违约距离DD

第4章 结论

4.1 实证结果分析

4.2 政策建议

参考文献

附录A 上市公司股票收益率序列拟合结果

致谢

个人简历 在读期间发表的学术论文与研究成果