上市公司信用风险测度的不确定性DE-KMV模型  

Uncertainty DE-KMV model to measure credit risk of listed companies

作　　者：张大斌[1,2,3] 周志刚[1,2] 刘雯[1,2] 焦鹏[1,2] 

机构地区：[1]华中师范大学信息管理学院,湖北武汉430079 [2]华中师范大学预测科学研究中心,湖北武汉430079 [3]中国科学院自动化研究所,北京100190

出　　处：《系统工程学报》2015年第2期165-173,共9页Journal of Systems Engineering

基　　金：国家自然科学基金资助项目(70971052);中国博士后基金资助项目(2012M510607);华中师范大学自主科研资助项目(CCNU14Z02016)

摘　　要：研究不确定性KMV信用风险测度问题,用差分进化算法(DE)来优化违约点系数,提出一种中国上市公司信用风险测度的不确定性DE-KMV模型.实证结果表明,常用的KMV模型往往低估了中国上市公司的风险值,而不确定性DE-KMV模型在面对中国上市公司各种风险情况下的违约系数值与实际风险很接近,模型通过分位数回归分析,其系数在置信区间内显著性更好.因此,相对于常用的KMV模型,化模型更据灵活性,能提高上市公司信用风险测度的准确性.This paper focuses on the measurement of uncertainty KMV credit risk. Using differential evolution algorithm to optimize the coefficient of default point, we propose a uncertainty DE-KMV model to measure the credit risk of public companies. Empirical results show that common KMV model often underestimate the value at risk of Chinese listed companies, but Uncertainty DE-KMV model can get coefficient values very close to the actual risks considering the various risks of of China＇s listed companies. This model passes the quantile regression test, and the coefficient is significantly better in the confidence interval. The evidence above can prove the superiority of the uncertainty DE-KMV model relative to common KMV models.

关 键 词：差分进化 KMV 违约概率 分位数回归 信用评价 

分 类 号：F830[经济管理—金融学]