基于违约概率模型KMV的上市公司财务危机预警研究
|
摘要
随着国内资本市场的逐步放开,公司融资渠道多样化,公司面临来自内外部的不确定性越来越多,爆发财务危机的可能性也越来越大,随之将会给投资者和债权人带来惨重的损失,严重的甚至威胁到整个金融体系的稳定性。因此,建立一套有效的财务危机预警模型,对公司爆发财务危机的可能性进行预测,进而在财务危机出现的萌芽状态就采取有效措施来防范和化解财务危机,对于保护投资者利益、维持资本市场稳定,尤其是解决目前国内商业银行不良资产率过高的问题等,有着积极的理论意义和实践意义。
财务危机预警是指以企业的财务报表、经营计划、相关经营资料以及所收集的外部资料为依据,根据企业建立的组织体系,对可能造成企业财务危机的风险因素进行跟踪、监测、预测,同时根据理论研究和经验总结,采用各种定量或定性的分析方法,设计一种有效的综合性模型并确定一个阀值,当相关因素指标综合值超过阀值时发出危机警报并采取对策。
目前的财务危机预警模型可分为两类:财务指标预警模型和信用风险量化模型。前者基于上市公司公布的财务数据,即反映上市公司各种能力的财务指标,比如盈利能力指标、偿债能力指标、成长能力指标、现金流量指标、营运能力指标等,利用统计学中的多元回归方法,建立静态的财务危机预警模型,然后对总体样本违约与否进行判别。比较常用的是Logistic回归模型。虽然这类模型操作方便,但是时期性强,再加上国内普遍存在的上市公司会计信息失真问题,使得其难以体现细微、快速的市场变化。
信用风险量化模型的出现使得以上问题得以解决。比较著名的就是违约概率模型KMV。该模型基于Black‐Scholes期权定价理论,将公司股权看作是以公司资产价值为标的的欧式看涨期权,该看涨期权的执行价格是公司债务,期限是公司债务的期限,根据债务到期上市公司的资产价值是否小于其债务价值的来判断是否将要发生违约风险,并进一步得出违约概率(EDF)。由于该模型利用资本市场上股票价格变动信息而非历史账面数据进行预测,因此能够科学的、动态的、及时的反映上市企业当前的经营状况的变动趋势。
本文在对Logistic回归模型和KMV模型的基本原理进行详细阐述的基础上,将KMV模型中的信用风险变量—违约距离DD引入到Logistic回归模型,建立另一套新的财务危机预警模型,并通过新旧模型预测准确率在时间上的比较,来考察违约距离对于预警模型预测能力和解释能力的影响。
首先,本文根据中国资本市场的实际情况对KMV模型的参数做出修正:
(一)股东权益的市场价值E :KMV模型是基于国外处于全流通环境的股票市场开发出来的,其中公司股权价值可以用公司总股本乘于股票二级市场价格来计算股东权益的市场价值。但是由于我国证券市场形成的特定历史原因,上市公司尚有其价值随市值变化的流通股与其价值不随市值变化的非流通股之分,因此不能简单的使用国外的方法计算股权价值。本文使用净资产定价法,基于历史数据回归出非流通股与每股净资产的线性关系,进而解决了这一问题。
(二)违约点DP:当公司的资产价值低于一定水平时,公司就会对债权人和股东违约,与这一水平相对应的资产价值为违约点DP(Default?Point),即公司资产价值等于负债价值时的点。根据对国外众多案例的研究,KMV公司将违约点确定短期负债加上二分之一的长期负债。鉴于国内对两种负债所占比例存在较多争议,本文设置了多个比例值,分别计算出违约距离,然后进行显著性对比。对比结果显示KMV模型中违约点计算方式同样适用于国内上市公司。?
其次,对模型输出结果(违约距离DD)做正态性和显著性分析。正态性检验的目的是确定显著性检验采用的方法,而显著性检验的目的是检验违约距离能否有效的区分正常公司和违约公司两组样本。正态性检验结果显示,违约距离并不服从正态分布,因此不能使用参数检验法进行显著性检验,需采用非参数检验方法。显著性检验结果显示,违约距离能够较好的描述危机公司财务状况恶化的态势,并且能够有效的体现危机公司和正常公司之间的差异,因此能够作为变量为建立模型所采用。
再次,对选取的35个财务指标进行筛选。由于众多指标之间可能存在多重共线性,因此需要进一步筛选确定能够进入模型的指标。筛选原理与上述违约距离的相同。检验结果显示,从2004年到2006年,通过显著性检验的财务指标的数目逐渐增多,这表明,距离被ST日期越近,财务指标在危机公司和正常公司之间的差异性越显著。
然后,构建判别模型。基于上述研究过程,利用Logistic模型-逐步向前-Wald回归方法,针对各个时间阶段分别构建基于财务指标的财务预警模型和在此基础上引入违约距离的财务预警模型,通过对模型判别效果在横向和纵向的比较和分析,得出主要结论为:基于股票交易数据的违约距离可以提高财务预警模型的解释能力和预测能力,且模型提前两年判别的效果最佳,从而验证了本文的观点。
最后,根据研究结果,本文对上市公司管理层、投资者和债权人以及信用评级机构的评级框架提出了相应的建议,同时对模型在实际中如何应用做了简单的阐述。
本文的创新点主要体现在以下几个方面:
首先,KMV模型的修正。国内实际情况的特殊性决定了不能直接将模型引入研究,而以往研究往往忽略了模型修正的必要性。本文先就模型在国内的适用性进行分析,然后较为深入得对非流通股定价以及违约点计算方法等问题进行了探讨,取得了较为满意的结论,同时丰富了该领域的理论研究内容,具有较好的理论意义。
其次,模型指标的选取。以往研究中多采用盈利能力、偿债能力、成长能力、现金流量、营运能力五大类财务指标,本文在此基础上新引入了一种非财务指标——公司治理能力,包括:董事长与总经理兼任情况、独立董事比例、监事总规模、第一大股东持股比例、第二至十大股东持股比例、国有股比例、股权质押比例等,尝试着从多角度、全方位考察公司经营能力的变动情况。
再次,判别模型的构建。文本研究发现,三年中进入模型的财务指标差异较大。这表明以往研究中运用单一模型对公司的ST历程的不同阶段进行预警是不合理的,因此本文采用建立模型体系的方法对公司财务状况进行预警,并且结果验证了这种方法的有效性。?
最后,提出建议。本文根据研究结果对国内上市公司日常管理、投资者及债权人日常风险管理过程提出相应建议,并就如何在实际中应用模型做了简单的阐述。
With the domestic capital market being liberalized gradually, the company financing channels get diversified, so the company faces more and more uncertainties from internal and external, the possibility of the outbreak of financial distress is also growing, which will bring heavy losses to investors and creditors, even a serious threat to the stability of the entire financial system. Therefore, establishing an effective financial distress prediction model, and forecast the possibility of the outbreak of financial distress of listed companies, then take effective measures to prevent and terminate the financial distress in the embryonic stage, has a positive theoretical and practical significance in protecting the interests of investors and maintaining the stability of capital market.
The current financial distress prediction models can be divided into two categories: pure financial ratio models and credit risk quantitative models. The former is based on financial data disclosed by listed companies, uses multiple regression methods in statistics, to establish static financial distress prediction model. Although it is easy to operate, but owing to its strong time-phased feature and the prevalence of accounting information distortion in China, it is difficult to embody the small and rapid changes in the capital market. The emergence of credit risk quantitative models makes the above problems resolved; the relatively well-known model is KMV, which based on the Black-Scholes option pricing theory, makes full use of capital market information rather than historical data to predict, so that it can reflect the operating conditions of listed companies more scientifically, dynamically and timely. In this paper, the content is bringing the variable of KMV credit risk model-Default Distance (DD) into the traditional financial distress prediction model to study its impact on model's ability of forecasting and interpreting.
First of all, in this paper, according to China's capital market of the actual situation, we make certain amendments on some of the KMV model parameters, and make a qualitative analysis on its output (Default Distance DD), the conclusion is: the financial deterioration of risky companies can be well described by Default Distance, also, it can reflect the differences between normal companies and risky companies effectively. Then, this paper uses the financial data and transaction data of samples, constructs two types of prediction models: one with financial ratios, the other with Default Distance and financial ratios, by employing Logit model and forward wald regression method. Through comparison and analysis on the differentiation effect of two different models , the conclusion is: Default Distance can enhance the ability of forecasting and interpreting of prediction model evidently,and predicting two years ahead may achieve the best effect.Finally,in the light of the findings, this paper puts forward the corresponding recommendations on the risk management of company executives and investors, rating framework of credit rating agencies, meanwhile, expounds how to use the model in practice simplely.
财务危机预警是指以企业的财务报表、经营计划、相关经营资料以及所收集的外部资料为依据,根据企业建立的组织体系,对可能造成企业财务危机的风险因素进行跟踪、监测、预测,同时根据理论研究和经验总结,采用各种定量或定性的分析方法,设计一种有效的综合性模型并确定一个阀值,当相关因素指标综合值超过阀值时发出危机警报并采取对策。
目前的财务危机预警模型可分为两类:财务指标预警模型和信用风险量化模型。前者基于上市公司公布的财务数据,即反映上市公司各种能力的财务指标,比如盈利能力指标、偿债能力指标、成长能力指标、现金流量指标、营运能力指标等,利用统计学中的多元回归方法,建立静态的财务危机预警模型,然后对总体样本违约与否进行判别。比较常用的是Logistic回归模型。虽然这类模型操作方便,但是时期性强,再加上国内普遍存在的上市公司会计信息失真问题,使得其难以体现细微、快速的市场变化。
信用风险量化模型的出现使得以上问题得以解决。比较著名的就是违约概率模型KMV。该模型基于Black‐Scholes期权定价理论,将公司股权看作是以公司资产价值为标的的欧式看涨期权,该看涨期权的执行价格是公司债务,期限是公司债务的期限,根据债务到期上市公司的资产价值是否小于其债务价值的来判断是否将要发生违约风险,并进一步得出违约概率(EDF)。由于该模型利用资本市场上股票价格变动信息而非历史账面数据进行预测,因此能够科学的、动态的、及时的反映上市企业当前的经营状况的变动趋势。
本文在对Logistic回归模型和KMV模型的基本原理进行详细阐述的基础上,将KMV模型中的信用风险变量—违约距离DD引入到Logistic回归模型,建立另一套新的财务危机预警模型,并通过新旧模型预测准确率在时间上的比较,来考察违约距离对于预警模型预测能力和解释能力的影响。
首先,本文根据中国资本市场的实际情况对KMV模型的参数做出修正:
(一)股东权益的市场价值E :KMV模型是基于国外处于全流通环境的股票市场开发出来的,其中公司股权价值可以用公司总股本乘于股票二级市场价格来计算股东权益的市场价值。但是由于我国证券市场形成的特定历史原因,上市公司尚有其价值随市值变化的流通股与其价值不随市值变化的非流通股之分,因此不能简单的使用国外的方法计算股权价值。本文使用净资产定价法,基于历史数据回归出非流通股与每股净资产的线性关系,进而解决了这一问题。
(二)违约点DP:当公司的资产价值低于一定水平时,公司就会对债权人和股东违约,与这一水平相对应的资产价值为违约点DP(Default?Point),即公司资产价值等于负债价值时的点。根据对国外众多案例的研究,KMV公司将违约点确定短期负债加上二分之一的长期负债。鉴于国内对两种负债所占比例存在较多争议,本文设置了多个比例值,分别计算出违约距离,然后进行显著性对比。对比结果显示KMV模型中违约点计算方式同样适用于国内上市公司。?
其次,对模型输出结果(违约距离DD)做正态性和显著性分析。正态性检验的目的是确定显著性检验采用的方法,而显著性检验的目的是检验违约距离能否有效的区分正常公司和违约公司两组样本。正态性检验结果显示,违约距离并不服从正态分布,因此不能使用参数检验法进行显著性检验,需采用非参数检验方法。显著性检验结果显示,违约距离能够较好的描述危机公司财务状况恶化的态势,并且能够有效的体现危机公司和正常公司之间的差异,因此能够作为变量为建立模型所采用。
再次,对选取的35个财务指标进行筛选。由于众多指标之间可能存在多重共线性,因此需要进一步筛选确定能够进入模型的指标。筛选原理与上述违约距离的相同。检验结果显示,从2004年到2006年,通过显著性检验的财务指标的数目逐渐增多,这表明,距离被ST日期越近,财务指标在危机公司和正常公司之间的差异性越显著。
然后,构建判别模型。基于上述研究过程,利用Logistic模型-逐步向前-Wald回归方法,针对各个时间阶段分别构建基于财务指标的财务预警模型和在此基础上引入违约距离的财务预警模型,通过对模型判别效果在横向和纵向的比较和分析,得出主要结论为:基于股票交易数据的违约距离可以提高财务预警模型的解释能力和预测能力,且模型提前两年判别的效果最佳,从而验证了本文的观点。
最后,根据研究结果,本文对上市公司管理层、投资者和债权人以及信用评级机构的评级框架提出了相应的建议,同时对模型在实际中如何应用做了简单的阐述。
本文的创新点主要体现在以下几个方面:
首先,KMV模型的修正。国内实际情况的特殊性决定了不能直接将模型引入研究,而以往研究往往忽略了模型修正的必要性。本文先就模型在国内的适用性进行分析,然后较为深入得对非流通股定价以及违约点计算方法等问题进行了探讨,取得了较为满意的结论,同时丰富了该领域的理论研究内容,具有较好的理论意义。
其次,模型指标的选取。以往研究中多采用盈利能力、偿债能力、成长能力、现金流量、营运能力五大类财务指标,本文在此基础上新引入了一种非财务指标——公司治理能力,包括:董事长与总经理兼任情况、独立董事比例、监事总规模、第一大股东持股比例、第二至十大股东持股比例、国有股比例、股权质押比例等,尝试着从多角度、全方位考察公司经营能力的变动情况。
再次,判别模型的构建。文本研究发现,三年中进入模型的财务指标差异较大。这表明以往研究中运用单一模型对公司的ST历程的不同阶段进行预警是不合理的,因此本文采用建立模型体系的方法对公司财务状况进行预警,并且结果验证了这种方法的有效性。?
最后,提出建议。本文根据研究结果对国内上市公司日常管理、投资者及债权人日常风险管理过程提出相应建议,并就如何在实际中应用模型做了简单的阐述。
With the domestic capital market being liberalized gradually, the company financing channels get diversified, so the company faces more and more uncertainties from internal and external, the possibility of the outbreak of financial distress is also growing, which will bring heavy losses to investors and creditors, even a serious threat to the stability of the entire financial system. Therefore, establishing an effective financial distress prediction model, and forecast the possibility of the outbreak of financial distress of listed companies, then take effective measures to prevent and terminate the financial distress in the embryonic stage, has a positive theoretical and practical significance in protecting the interests of investors and maintaining the stability of capital market.
The current financial distress prediction models can be divided into two categories: pure financial ratio models and credit risk quantitative models. The former is based on financial data disclosed by listed companies, uses multiple regression methods in statistics, to establish static financial distress prediction model. Although it is easy to operate, but owing to its strong time-phased feature and the prevalence of accounting information distortion in China, it is difficult to embody the small and rapid changes in the capital market. The emergence of credit risk quantitative models makes the above problems resolved; the relatively well-known model is KMV, which based on the Black-Scholes option pricing theory, makes full use of capital market information rather than historical data to predict, so that it can reflect the operating conditions of listed companies more scientifically, dynamically and timely. In this paper, the content is bringing the variable of KMV credit risk model-Default Distance (DD) into the traditional financial distress prediction model to study its impact on model's ability of forecasting and interpreting.
First of all, in this paper, according to China's capital market of the actual situation, we make certain amendments on some of the KMV model parameters, and make a qualitative analysis on its output (Default Distance DD), the conclusion is: the financial deterioration of risky companies can be well described by Default Distance, also, it can reflect the differences between normal companies and risky companies effectively. Then, this paper uses the financial data and transaction data of samples, constructs two types of prediction models: one with financial ratios, the other with Default Distance and financial ratios, by employing Logit model and forward wald regression method. Through comparison and analysis on the differentiation effect of two different models , the conclusion is: Default Distance can enhance the ability of forecasting and interpreting of prediction model evidently,and predicting two years ahead may achieve the best effect.Finally,in the light of the findings, this paper puts forward the corresponding recommendations on the risk management of company executives and investors, rating framework of credit rating agencies, meanwhile, expounds how to use the model in practice simplely.
引文
[1] Altman,Financial ratios,discriminate analysis and the prediction of corporate bankruptcy[J]。The Journal of Finance,1968(4):589-609.
[2] Altman,,Young Ho Eom,Failure prediction:evidence from Korea[J]。Journal of International Financial Management and Accounting,1995(6):230-249.
[3] Merton,On the pricing of corporaterate:the risk structure of interestrates[J]。Journal of Finance,1974, (29):44-47.
[4] Duffie and Singleton,Modeling term structures of defaultable bonds[J]。Review of Financial Studies,1996(12):687-720.
[5] Ernest,Harish,Comparing classification accuracy of neutral networks,binary logit regression and discriminant analysis for insolvency prediction for life insurers[J]。Journal of Economics and Finance,1995(3):1-18.
[6] Hull , J. , Options,Futures,and Other Derivatives,3rd Ed.,Prentice Hall International. Inc.,1997.
[7] Edward Altman,Andrea Resti and Andrea Sironi,Default recovery rates in credit risk modeling:a review of the literature and empirical evidence,Working Paper,2003.
[8] Modeling default risk[M],KMV Corporation,2002.
[9] Jeffrey,R. Bohn,,Using marketing data to value credit risk instruments,KMV corporation,1999.
[10]Ohlson J.A,Financial ratios and the probabilistic prediction of bankruptcy[J]。Journal of Accouting Research,1980(1):109-131.
[11]程鹏,吴冲锋,上市公司信用状况分析新方法[J]。系统工程理论方法应用,2002(2):89-93.
[12]鲁炜,刘冀云,KMV模型关系函数推测及其在中国股市的验证[J]。运筹与管理,2003(3):43-47.
[13]鲁炜,闵川,中外公司治理结构评价指标体系的比较我[J]。科学管理研究,2005(11):57-60.
[14]吕长江,徐丽莉,上市公司财务困境与财务破产的比较分析[J]。经济研究,2004(8):64-73.
[15]张红军,中国上市公司股权结构与公司绩效的理论及实证分析,经济科学,2000(4):34-44.
[16]杨星,张义强,中国上市公司信用风险管理实证研究[J]。中国软科学,2004(1):43-47.
[17]都红雯,杨威,我国对KMV模型实证研究中存在的若干问题及对策思考[J]。国际金融研究,2004(11):22-26.
[18]张鸣,程涛,上市公司财务预警实证研究的动态视角[J]。财经研究,2005(1):62-71.
[19]肖曙光,独立董事制度与我国上市公司业绩的相关性研究[J]。系统工程,2006(8)87-92.
[20]马若微,KMV模型运用于中国上市公司财务困境预警的实证检验[J]。数理统计与管理,2006(25):593-596.
[21]谭久均,财务指标与违约距离相融合的上市公司财务预警模型[J]。系统工程,2005(9):111-117.
[22]刘国光,王慧敏,考虑违约距离的上市公司危机预警模型研究[J]。财经研究,2005(11):59-67.
[23]李秉祥,基于期望违约率模型的上市公司财务困境预警研究[J]。中国管理科学,2004 (5):12～161.
[24]杨善朝,SPSS统计软件应用,广西师范大学出版社,2001(1):130-150.
[25]张立军,刘菊红,刘丹,上市公司财务危机预警的回归分析。南昌大学学报(理科版),2007(3):242-245.
[26]陆建桥,中国亏损上市公司盈余管理实证研究,会计研究,1999(9): 25-35.
[27]陈险峰,吴顺祥,我国上市公司财务危机预警模型的实证研究[J]。企业经济,2006(4):49-51.
[28]陈忠阳,信用风险量化管理模型发展探析,国际金融研究,2000(10):14-19.
[29]郭志,张緄鹏,我国上市公司财务困境预警研究[J]。当代经理人,2006(3):165-166.
[30]梁琪,企业信用风险的量化度量研究。南开经济研究,2000(6):30-41.
[31]郑茂,基于EDF模型的上市公司信用风险实证研究。管理工程学报,2005(3):151-154.
[32]宋雪枫,杨朝军,财务危机预警模型在商业银行信贷风险管理中的应用[J]。国际金融研究,2006(5):14-20.
[33]王宗萍,张淑慧,关于几种财务危机预警模型的比较[J]。企业经济,2006(4):136-137.
[34]王汝芳,杜勇宏,创值与资本资产定价—非流通股定价分析,生产力研究,2006(3):71‐73.?
[35]陈晓,江东,股权多元化、公司业绩与行业竞争性[J],经济研究,2000(8):28‐35.?
[36]丁绍芳,田兵,基于违约距离的上市公司财务危机动态预警,中国现场统计研究会第十三届学术年会论文集,2007(8):146‐149.??
2都红雯,杨威,我国对KMV模型实证研究中存在的若干问题及对策思考[J]。国际金融研究,2004(11):22-26.
3马若微,KMV模型运用于中国上市公司财务困境预警的实证检验[J]。数理统计与管理,2006(25):593-596.
5张立军,刘菊红,刘丹,上市公司财务危机预警的回归分析。南昌大学学报(理科版),2007(3):242-245.?
6杨善朝,SPSS统计软件应用,广西师范大学出版社,2001(1):130-150.?
7刘国光,王慧敏,考虑违约距离的上市公司危机预警模型研究[J]。财经研究,2005(11):59‐67。?
8谭久均,财务指标与违约距离相融合的上市公司财务预警模型[J]。系统工程,2005(9):111-117。
9Altman,Financial ratios,discriminate analysis and the prediction of corporate bankruptcy[J]。The Journal of Finance,1968(4):589-609.
11鲁炜,闵川,中外公司治理结构评价指标体系的比较我[J]。科学管理研究,2005(11):57-60.
12肖曙光,独立董事制度与我国上市公司业绩的相关性研究。系统工程:2006(8)87‐92.
13陈晓,江东,股权多元化、公司业绩与行业竞争性[J]。经济研究,2000(8):28‐35.
14王汝芳,杜勇宏,创值与资本资产定价—非流通股定价分析。生产力研究,2006(3):71‐73。
15 Hull,J.,Options,Futures,and Other Derivatives,3rd Ed.,Prentice Hall International. Inc.,1997.
17Jeffrey,R. Bohn,,Using marketing data to value credit risk instruments,KMV corporation,1999.
23谭久均,财务指标与违约距离相融合的上市公司财务预警模型[J]。系统工程,2005(9):111-117。
24刘国光,王慧敏,考虑违约距离的上市公司危机预警模型研究[J]。财经研究,2005(11):59-67。
25陆建桥,中国亏损上市公司盈余管理实证研究。会计研究,1999(9):?25‐35。
[2] Altman,,Young Ho Eom,Failure prediction:evidence from Korea[J]。Journal of International Financial Management and Accounting,1995(6):230-249.
[3] Merton,On the pricing of corporaterate:the risk structure of interestrates[J]。Journal of Finance,1974, (29):44-47.
[4] Duffie and Singleton,Modeling term structures of defaultable bonds[J]。Review of Financial Studies,1996(12):687-720.
[5] Ernest,Harish,Comparing classification accuracy of neutral networks,binary logit regression and discriminant analysis for insolvency prediction for life insurers[J]。Journal of Economics and Finance,1995(3):1-18.
[6] Hull , J. , Options,Futures,and Other Derivatives,3rd Ed.,Prentice Hall International. Inc.,1997.
[7] Edward Altman,Andrea Resti and Andrea Sironi,Default recovery rates in credit risk modeling:a review of the literature and empirical evidence,Working Paper,2003.
[8] Modeling default risk[M],KMV Corporation,2002.
[9] Jeffrey,R. Bohn,,Using marketing data to value credit risk instruments,KMV corporation,1999.
[10]Ohlson J.A,Financial ratios and the probabilistic prediction of bankruptcy[J]。Journal of Accouting Research,1980(1):109-131.
[11]程鹏,吴冲锋,上市公司信用状况分析新方法[J]。系统工程理论方法应用,2002(2):89-93.
[12]鲁炜,刘冀云,KMV模型关系函数推测及其在中国股市的验证[J]。运筹与管理,2003(3):43-47.
[13]鲁炜,闵川,中外公司治理结构评价指标体系的比较我[J]。科学管理研究,2005(11):57-60.
[14]吕长江,徐丽莉,上市公司财务困境与财务破产的比较分析[J]。经济研究,2004(8):64-73.
[15]张红军,中国上市公司股权结构与公司绩效的理论及实证分析,经济科学,2000(4):34-44.
[16]杨星,张义强,中国上市公司信用风险管理实证研究[J]。中国软科学,2004(1):43-47.
[17]都红雯,杨威,我国对KMV模型实证研究中存在的若干问题及对策思考[J]。国际金融研究,2004(11):22-26.
[18]张鸣,程涛,上市公司财务预警实证研究的动态视角[J]。财经研究,2005(1):62-71.
[19]肖曙光,独立董事制度与我国上市公司业绩的相关性研究[J]。系统工程,2006(8)87-92.
[20]马若微,KMV模型运用于中国上市公司财务困境预警的实证检验[J]。数理统计与管理,2006(25):593-596.
[21]谭久均,财务指标与违约距离相融合的上市公司财务预警模型[J]。系统工程,2005(9):111-117.
[22]刘国光,王慧敏,考虑违约距离的上市公司危机预警模型研究[J]。财经研究,2005(11):59-67.
[23]李秉祥,基于期望违约率模型的上市公司财务困境预警研究[J]。中国管理科学,2004 (5):12～161.
[24]杨善朝,SPSS统计软件应用,广西师范大学出版社,2001(1):130-150.
[25]张立军,刘菊红,刘丹,上市公司财务危机预警的回归分析。南昌大学学报(理科版),2007(3):242-245.
[26]陆建桥,中国亏损上市公司盈余管理实证研究,会计研究,1999(9): 25-35.
[27]陈险峰,吴顺祥,我国上市公司财务危机预警模型的实证研究[J]。企业经济,2006(4):49-51.
[28]陈忠阳,信用风险量化管理模型发展探析,国际金融研究,2000(10):14-19.
[29]郭志,张緄鹏,我国上市公司财务困境预警研究[J]。当代经理人,2006(3):165-166.
[30]梁琪,企业信用风险的量化度量研究。南开经济研究,2000(6):30-41.
[31]郑茂,基于EDF模型的上市公司信用风险实证研究。管理工程学报,2005(3):151-154.
[32]宋雪枫,杨朝军,财务危机预警模型在商业银行信贷风险管理中的应用[J]。国际金融研究,2006(5):14-20.
[33]王宗萍,张淑慧,关于几种财务危机预警模型的比较[J]。企业经济,2006(4):136-137.
[34]王汝芳,杜勇宏,创值与资本资产定价—非流通股定价分析,生产力研究,2006(3):71‐73.?
[35]陈晓,江东,股权多元化、公司业绩与行业竞争性[J],经济研究,2000(8):28‐35.?
[36]丁绍芳,田兵,基于违约距离的上市公司财务危机动态预警,中国现场统计研究会第十三届学术年会论文集,2007(8):146‐149.??
2都红雯,杨威,我国对KMV模型实证研究中存在的若干问题及对策思考[J]。国际金融研究,2004(11):22-26.
3马若微,KMV模型运用于中国上市公司财务困境预警的实证检验[J]。数理统计与管理,2006(25):593-596.
5张立军,刘菊红,刘丹,上市公司财务危机预警的回归分析。南昌大学学报(理科版),2007(3):242-245.?
6杨善朝,SPSS统计软件应用,广西师范大学出版社,2001(1):130-150.?
7刘国光,王慧敏,考虑违约距离的上市公司危机预警模型研究[J]。财经研究,2005(11):59‐67。?
8谭久均,财务指标与违约距离相融合的上市公司财务预警模型[J]。系统工程,2005(9):111-117。
9Altman,Financial ratios,discriminate analysis and the prediction of corporate bankruptcy[J]。The Journal of Finance,1968(4):589-609.
11鲁炜,闵川,中外公司治理结构评价指标体系的比较我[J]。科学管理研究,2005(11):57-60.
12肖曙光,独立董事制度与我国上市公司业绩的相关性研究。系统工程:2006(8)87‐92.
13陈晓,江东,股权多元化、公司业绩与行业竞争性[J]。经济研究,2000(8):28‐35.
14王汝芳,杜勇宏,创值与资本资产定价—非流通股定价分析。生产力研究,2006(3):71‐73。
15 Hull,J.,Options,Futures,and Other Derivatives,3rd Ed.,Prentice Hall International. Inc.,1997.
17Jeffrey,R. Bohn,,Using marketing data to value credit risk instruments,KMV corporation,1999.
23谭久均,财务指标与违约距离相融合的上市公司财务预警模型[J]。系统工程,2005(9):111-117。
24刘国光,王慧敏,考虑违约距离的上市公司危机预警模型研究[J]。财经研究,2005(11):59-67。
25陆建桥,中国亏损上市公司盈余管理实证研究。会计研究,1999(9):?25‐35。
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |