基于BP-KMV模型的非上市公司信用风险度量

被引:10
作者
曾玲玲
潘霄
叶曼
机构
[1] 武汉理工大学经济学院
关键词
信用风险; BP-KMV模型; 违约距离; Matlab技术;
D O I
10.19641/j.cnki.42-1290/f.2017.18.008
中图分类号
F832.33 [商业银行(专业银行)]; F832.51 [];
学科分类号
1201 ; 020204 ;
摘要
我国商业银行面对的信贷客户大都是非上市公司,如何有效地度量非上市公司的信用风险一直是我国商业银行亟待解决的难题。通过构建BP神经网络与KMV模型相结合的BP-KMV信用风险评价模型,以46家中国制造业上市公司及35家制造业非上市公司的相关数据为样本,运用Matlab技术进行实证分析,结果表明,通过该模型计算出来的非上市公司违约率可用度很高,能很好地评估上市公司信用状况。
引用
收藏
页码:47 / 55
页数:9
相关论文
共 8 条
[1]   动态修正下的神经网络盲均衡算法 [J].
赵慧青 .
计算机与现代化, 2015, (05) :85-89
[2]   上市公司信用风险测度的不确定性DE-KMV模型 [J].
张大斌 ;
周志刚 ;
刘雯 ;
焦鹏 .
系统工程学报, 2015, 30 (02) :165-173
[3]   基于SV-KMV模型的信用风险度量研究 [J].
王新翠 ;
王雪标 ;
周生宝 .
经济与管理, 2013, (07) :59-66
[5]   基于KMV模型的我国中小上市公司信用风险研究 [J].
陈晓红 ;
张泽京 ;
王傅强 .
数理统计与管理, 2008, (01) :164-175
[6]   基于BP神经网络和面板数据的上市公司财务危机预警 [J].
杨淑娥 ;
王乐平 .
系统工程理论与实践, 2007, (02) :61-67
[7]  
BP神经网络在企业财务危机预警之应用[J]. 杨保安,季海,徐晶,温金祥.预测. 2001(02)
[8]  
期权定价的数学模型和方法[M]. 高等教育出版社 , 姜礼尚, 2008