中国农业类上市公司信用风险实证研

开题报告

中国农业类上市公司信用风险实证研究

一、立论依据

1.研究意义、预期目标

农业经济是国民经济的基础部门，农业类上市公司作为连接农业生产和资本市场的重要纽带，对推动农业产业化生产、提高农业科技水平、促进我国农业生产力的发展具有重要作用。农业类上市公司的发展壮大可以巩固农业经济的基础地位，农业上市公司作为农业企业中的佼佼者，可以充分发挥组织模式的辐射效应，有效引导、培养和营造一批新型的农业法人主体，这无论对保障农业发展、促进农业产业化现代化，还是对于提我国农业经营管理水平，都有着积极的作用。农业类上市公司大多以农产品加工、流通和服务为主,使农产品生产、加工、销售有机结合、相互促进。从资产规模方面看,农业类上市公司与其他行业上市公司相比资产规模较小,但近年来资产增长速度较快;从股本结构来看,农业类上市公司国家股“一股独大”现象显著,同时非流通股比重也较大。

我国加入世贸组织之后，农业类上市公司受到世贸组织价格补贴、出口补贴和公益性补贴各种规格的严格限制，而且其较之于其他类上市公司起步晚、科技含量低，面临着更多的风险。农业上市公司若发生信用危机，将会影响农业现代化的进程。但目前在我国结合农业行业特色构建的信用风险识别体系还很不完善，因此，本文对农业上市公司进行信用风险评估系统构建的尝试更具有现实性和紧迫性。

本文将以KMV模型为手段，对农业类上市公司信用风险进行实证性评估。

由于本文研究的是农业类上市公司信用状况，鉴于上市公司交易数据特殊性，本文首先采用KMV违约概率的计算，以MathCAD为辅助工具，评价行业信用状况，然后采用统计检验与比较分析，根据辅助工具SPSS对得出的实证结果进行计量分析。

2.国内外研究现状

在KMV模型运用上，国外研究者注重利用信用风险度量分析证券收益。

Vasicek（1995）研究一个含有108只债券的样本采用期权调整后的收益利差数据,发现利用KMV模型确定定价偏低或偏高的方法来组建组合会产生明显的超额收益，也就是说可以运用KMV模型对公开交易债券的收益变化做出预测。

RogerM.Stein（2005）在对KMV模型进行分析后，通过与现实情况因素进行对比，提出了模型自身存在的一些预测问题和模型相关的改进意见。PeterCrodbie和Jeff Bohn（2003）专门以金融类公司为样本应用KMV模型,结果显示预期违约概率值在这些公司发生信用事件时或破产前能够准确、灵敏地检测到信用质量的变化。Matthew Kurba和Irina Korablev（2002）使用Level validation和calibration方法对KMV模型进行验证，选取了三年近千家美国公司数据证明KMV模型十分有效。Stefan.M.Denzle（2006）利用KMV模型的EDF估算股票价格。

在国外学者对KMV模型研究的基础上，国内学者开始探索这类模型在信用风险度量上的优势以及在中国的适用性。周沅帆（2009）利用KMV模型对我国已上市的保险公司的风险进行了度量，旨在探讨在未来时机成熟时保险监管中引入KMV模型，利用KMV模型良好的风险预测能力，加强和改善保险监管的可能性。王赛（2010）结合我国的具体国情，将KMV模型应用于我国房地产行业信用风险管理，得出了2008年上半年和2009年上半年我国房地产行业各个上市奋司的违约率，实证分析了两年度违约率的差异并研究了KMV模型的应用效果。陆珩瑱，张佳慧（2010）以KMV模型作为度量信用风险的基本模型，验证了KMV模型适用性，分析了次贷危机对纺织业上市公司信用风险的影响。研究发现KMV模型适用于我国纺织业上市公司的信用风险衡量，次贷危机对上市公司信用风险产生了显著的影响。

综上所述，国内外对于信用风险度量的研究成果在规避信用风险带给企业的损失上有着很大的帮助。国内外对信用风险的研究起点不同，适应度不同，研究成果也有部分差异。国外的研究是针对完全市场上的个别公司进行信用违约评价分析，再根据该公司进行模型的相关修正，找出适合该公司的信用风险评价方法，而国内研究则大多针对整个金融市场或者针对金融行业进行信用风险分析，大多照搬照抄国外的经验和方法，并没有进行相关修正，得出的违约数据并不与我国金融市场的实情相符。国外对模型进行相关修正和改善，以得出适应于研究对象的方法，这是国内研究学者需要改善的地方。

根据我国证券市场的现状，在研究上市公司信用风险时，应正确选用度量模型。国内的金融市场虽然发展很快，但并不是完全由市场操控，模型运用上需要进行部分修正，才能得出准确的结果。近年来国家对于证券市场的有效性也不断提高，证券市场整体规模的膨胀和上市公司数量的快速增加迫切需要相应的模型对其信用风险进行度量。只针对历史数据进行研究的传统信用风险模型已经明显满足不了我国上市公司的需求，所以只有综合过去、现时、未来的信息得出的风险评估结果才能帮助上市公司更好地规避信用风险。

3.参考文献

[1]杨蓬勃,张成虎,张湘.基于Logistic回归分析的上市公司信贷违约概率预测模型研究

[J].经济经纬,2009（2）

[2]周沅帆.基于KMV模型对我国上市保险公司的信用风险度量[J].保险研究,2009（3）[3]陆珩瑱,张佳慧.基于KMV模型的纺织业上市公司信用风险研究[J].价值工程,2010[4]魏勇.基于Credit Risk+模型的中国银行益阳分行信贷风险研究[D].湖南大学,2009[5]刘蓓.“Z计分法”在家族企业A股中的实证分析[J].财会通讯,2010（4）[6]Ohlson, James, Financial Ratios and the Probabilistic Prediction of Bankruptcy [J].Journal ofAccounting Research, 1980

[7]Zavgren, Christine. The Prediction of Corporate Failure: The State of the Art [J].Journal ofAccounting Literature, 1983(2)

[8]Zmijeski, Mark.Methodoligal issues related to the estimation of financial distress predictionmodels [J].Journal of Accounting Research, 1984 (22)

[9]Vasicek.EDF and Corporate Bond Pricing.SanFrancisco, KMV [J], LLC,

1995[10]Roger M.Stein.Evidence on the Incompleteness of Merton-type Structural

Models for Default Prediction [J].MoodysKMV Corporation, 2005(2)

[11]Perter Crodbie, Jeff Bohn. Model in Default Risk [J].Moodys KMV Corporation, 2003(10)

二、研究方案

1.主要研究内容（或预期章节安排）

1我国农业类上市公司信用风险概况

1.1信用风险理论

1.2农业类上市公司信用概况

2KMV信用风险评价模型构建依据

2.1KMV模型理论依据

2.2KMV模型计算步骤

2.3KMV模型在我国证券市场上的适用性分析

3KMV模型在农业类上市公司的实证分析

3.1违约概率计算

3.2计算结果检验与分析

3.3结论

4总结与建议

2.实施方案和进度计划

本文主要就KMV模型进行计算，再利用回归分析和相关性分析进行实证研究。利用MathCAD来研究农业类上市公司的违约概率，并利用spss工具对实证结果进行统计检验，得出较为准确的公司信用状况。在选择数据时，所使用的数据为农业类上市公司各公司近三年的交易收盘价、总股本、流动负债、长期负债等指标，这些数据主要来自东方财富网、上海证券交易所、深圳证券

交易所、WIND资讯客户端……利用这些数据计算，得出农业类上市公司信用状况。

论文进度安排如下：

第六学期第19－20周至第7学期第1－5周：联系指导老师，查找资料，初定选题并公布选题。

第七学期第6－12周：在导师指导下完成外文翻译、文献综述和开题报告撰写，完成开题答辩，进一步确立选题价值，确立主要研究内容，论证研究方案的合理性和可行性。

第七学期第13－14周：撰写论文详细提纲，交给导师批阅，确保论文结构的合理性。

第七学期第15－20周：开始写作，完成初稿。

第七学期寒假：结合选题展开调研。

第八学期第1－2周：在导师指导下进一步完善论文。

第八学期第3－6周：充分利用毕业实习的机会进行实地调研，完成论文。

第八学期第7周：在导师指导下进一步完善论文，定稿并上交。

第八学期第9－11周：学生毕业答辩。