生命周期视角下并购类型对上市公司信用风险的影响--基于KMV模型的实证研究

以2009—2013年沪、深股市发生并购事件的103家上市公司为研究样本,利用KMV模型对不同生命周期、不同并购类型的上市公司并购事件发生前和并购事件发生后的信用风险进行了实证分析。研究发现,不同并购类型的上市公司并购前后的信用风险变化情况呈现生命周期差异。处于成长期的公司,实施相关并购会降低信用风险,实施多元化并购会增加信用风险;处于成熟期的公司,则相反。同时,还从不同角度进行了稳健性检验,发现研究结论不变,进一步验证了结论的可靠性。从企业生命周期视角研究并购类型对上市公司信用风险的影响,补充和拓展了现有上市公司并购风险方面的研究,同时也对企业并购决策和公司治理有重要启示。

基于核密度的KMV模型对公司信用风险度量研究

利用Laplace核密度函数来估计股权价值的波动率,从而确定KMV模型中的资产收益波动率,修正了KMV模型。选择42家上市公司的财务数据和收盘价为样本,对基于核密度估计的KMV模型进行实证分析,结果表明Laplace核密度函数刻画了上市公司股权价值服从"尖峰厚尾"的特征,且该模型更适用于分析我国上市公司的信用状况。

中国商业银行信用风险度量研究

信用风险是商业银行面临的主要风险,信用风险的度量模型有专家判断法、信用评分法、神经网络分析法以及现代违约概率模型等。通过比较分析LOGIT模型和KMV模型,选取了能够体现公司盈利能力、营运能力、资本结构、偿债能力、成长能力和现金流量的28个指标,运用逐步回归方法建立LOGIT模型,发现该模型能够提前一年较好地预测出公司的违约情况。在分析KMV模型时,通过GARCH-M模型计算出企业股权价值波动率,并运用上市公司数据得出样本公司的股权价值和违约点,从而计算出样本公司的资产价值和资产价值波动率,最后得出KMV模型的判别结果。上述分析表明我国商业银行应以LOGIT模型作为判别模型,以KMV模型作为追踪模型,将LOGIT模型与KMV模型相结合来判断贷款企业的信用风险水平。