大数据时代制造业上市公司信用风险标准PDF电子书下载

上篇 KMV信用风险模型与应用研究 2

第1章 绪论 2

1.1 研究背景和意义 2

1.1.1 研究背景 2

1.1.2 研究意义 3

1.2 国内外文献综述 4

1.2.1 信用风险度量的研究 4

1.2.2 KMV模型研究综述 5

1.2.3 KMV模型应用于行业的研究 8

1.3 研究思路 9

1.4 研究内容 10

第2章 信用风险及其分析 11

2.1 信用风险的内涵和特点 11

2.1.1 信用风险的内涵 11

2.1.2 信用风险的特点 11

2.2 信用风险的度量 12

2.2.1 传统的信用风险度量方法 12

2.2.2 现代信用风险度量的模型 13

2.2.3 现代信用风险度量模型在我国的适用性分析 14

2.3 本章小结 15

第3章 KMV模型及分析 16

3.1 KMV模型的基本思想 16

3.2 KMV模型的内容 18

3.3 KMV模型的计算步骤 18

3.3.1 估算公司资产的市场价值和其波动性 18

3.3.2 计算违约距离 19

3.3.3 确定违约距离DD与违约概率EDF之间的映射关系 19

3.4 KMV模型的适用性分析 19

3.5 本章小结 20

第4章 我国制造业及其上市公司信用分析 21

4.1 我国制造业构成及发展现状 21

4.1.1 我国制造业构成和发展分析 21

4.1.2 我国制造业上市公司信用分析 22

4.2 制造业上市公司负债结构分析 23

4.3 制造业信用风险的特征分析 24

4.3.1 我国制造业信用风险背景分析 24

4.3.2 制造业行业信用风险的特殊性分析 25

4.4 本章小结 26

第5章 模型的适用性实证分析 27

5.1 模型的计算 27

5.1.1 样本选取 27

5.1.2 模型各参数的计算 28

5.2 模型适用性结果分析 31

5.2.1 描述统计分析 31

5.2.2 两独立样本均值T检验 31

5.2.3 模型的准确率分析 32

5.2.4 全部样本股票违约距离分析 33

5.2.5 样本股票违约距离特例分析 34

5.2.6 模型的纵向验证分析 34

5.3 本章小结 35

第6章 模型的应用和修正分析 36

6.1 模型的应用分析 36

6.1.1 评价对象样本选取和计算 36

6.1.2 不同地区制造业上市公司信用风险值比较 37

6.1.3 制造业上市企业不同行业信用风险值比较 37

6.2 模型的修正分析研究 39

6.2.1 模型的修正过程 39

6.2.2 修正模型结果分析 40

6.3 本章小结 42

第7章 绿色环保时代中国制造业上市公司的信用风险评价 43

7.1 引言 43

7.2 模型原理 44

7.3 环境信息披露程度评分 45

7.4 样本数据和实证分析 47

7.4.1 样本选取 47

7.4.2 实证分析 47

7.4.3 模型的验证 48

上篇附录 50

附录A一 计算违约距离的100家样本公司财务数据 50

附录A二 ST与非ST配对的40家样本公司数据 54

附录A三 ST与非ST配对的40家样本公司参数结果和行业分类 64

附录A四 模型程序 66

附录A五 样本公司（ST海龙）数据 67

附录A六 计算违约距离的100家样本公司模型参数结果 70

附录A七 回归数据中60家样本公司财务数据 74

中篇 典型省市制造业上市公司信用风险研究 78

第8章 北京现代制造业上市公司的信用风险 78

8.1 数据来源 78

8.2 实证计算过程 78

8.2.1 计算公司股权价值VE 78

8.2.2 计算公司股权价值波动率σE 79

8.2.3 计算违约点DP 80

8.2.4 求解公司资产价值V、资产价值波动率σV 81

8.2.5 计算上市公司违约距离DD 82

8.3 实证结果分析 83

第9章 天津现代制造业上市公司的信用风险 84

9.1 数据来源 84

9.2 实证计算过程 84

9.2.1 计算公司股权价值VE 84

9.2.2 计算公司股权价值波动率σE 84

9.2.3 计算违约点DP 85

9.2.4 求解公司资产价值V、资产价值波动率σV 85

9.2.5 计算上市公司违约距离DD 86

9.3 实证结果分析 86

第10章 四川现代制造业上市公司的信用风险 88

10.1 数据来源 88

10.2 实证计算过程 88

10.2.1 计算公司股权价值VE 88

10.2.2 计算公司股权价值波动率σE 89

10.2.3 计算违约点DP 90

10.2.4 求解公司资产价值V、资产价值波动率σV 90

10.2.5 计算上市公司违约距离DD 91

10.3 实证结果分析 92

第11章 云南现代制造业上市公司的信用风险 93

11.1 数据来源 93

11.2 实证计算过程 93

11.2.1 计算公司股权价值VE 93

11.2.2 计算公司股权价值波动率σE 93

11.2.3 计算违约点DP 94

11.2.4 求解公司资产价值V、资产价值波动率σV 94

11.2.5 计算上市公司违约距离DD 95

11.3 实证结果分析 95

第12章 重庆现代制造业上市公司的信用风险 96

12.1 数据来源 96

12.2 实证计算过程 96

12.2.1 计算公司股权价值VE 96

12.2.2 计算公司股权价值波动率σE 96

12.2.3 计算违约点DP 97

12.2.4 求解公司资产价值V、资产价值波动性σV 97

12.2.5 计算上市公司违约距离DD 97

12.3 实证结果分析 98

第13章 浙江现代制造业上市公司的信用风险 99

13.1 数据来源 101

13.2 实证计算过程 104

13.2.1 计算公司股权价值VE 105

13.2.2 计算公司股权价值波动率σE 106

13.2.3 计算违约点DP 107

13.2.4 计算结果 108

13.3 实证结果分析 112

13.3.1 违约距离、违约概率统计结果 112

13.3.2 样本数据按照行业分类的统计描述 114

13.3.3 样本数据按照地域分类的统计描述 115

中篇附录 117

附录B一 北京、天津、重庆、四川及云南现代制造业上市公司股权价值（VE）所需原始数据一览 117

附录B二 北京、天津、重庆、四川及云南现代制造上市业公司股权价值波动率（σE）所需股票月均价数据一览 121

附录B三 北京、天津、重庆、四川及云南现代制造业上市公司违约点（DP）所需原始数据一览 127

附录B四 有关部门发布的行业分类指引及分类 132

附录B五 浙江省现代制造业上市公司原始数据 135

附录B六 基于MATLAB的KMV模型语句 162

下篇 Logistic模型与应用研究 164

第14章 Logistic模型 164

14.1 基于Logistic模型的实证研究的文献 165

14.2 模型概述 166

14.2.1 模型概念 166

14.2.2 模型优缺点 166

14.2.3 模型原理 167

14.2.4 模型基本假设 167

14.2.5 模型应用步骤 167

14.2.6 模型参数解释 168

第15章 Logistic模型研究江苏现代制造业上市公司信用风险 169

15.1 江苏现代制造业概述 170

15.1.1 现代制造业概述 170

15.1.2 江苏现代制造业现状 171

15.1.3 相关上市企业 172

15.2 样本与指标选择 172

15.2.1 样本选择 172

15.2.2 指标选择 173

15.2.3 因子分析 178

15.3 模型建立 181

15.3.1 普通Logistic回归模型的建立 181

15.3.2 基于因子分析的Logistic回归模型的建立 181

15.4 模型回归结果 181

15.4.1 普通Logistic模型回归结果 181

15.4.2 基于因子分析的Logistic模型回归结果 183

15.4.3 小结 184

15.5 模型检验 184

15.5.1 普通Logistic回归模型的检验 185

15.5.2 基于因子分析的Logistic回归模型的检验 186

15.6 模型比较分析 188

下篇附录 190

附录C一 现代制造业行业目录及结构分类表 190

附录C二 江苏现代制造业上市公司 194

附录C三 因子数据 199

总结 214

参考文献 218

曾诗鸿简介 226