KMV模型在中国互联网金融中的信用风险测算研究
基于KMV模型的我国上市公司信用风险研究的开题报告
基于KMV模型的我国上市公司信用风险研究的开题报告一、研究背景与意义信用风险是企业融资、发展和运营活动中面临的重要风险之一，尤其是在金融危机时期，企业的信用风险变得更加重要。
信用评级是评估公司信用风险的重要方法之一，可以为投资者和债权人提供决策依据。
该评级模型的建立，不仅有助于提高企业的融资效率，而且可以提高投资者和债权人的风险管理水平。
KMV模型是一种企业信用风险评估模型，是当今国际上最先进、最流行的企业信用风险评估模型之一。
它基于黑-斯科尔斯模型，以企业股票的波动率作为衡量企业信用风险的指标，通过计算企业违约概率来进行信用评级。
然而，当前我国上市公司信用评级模型普遍存在信用评级不准确、滞后等问题，且目前国内对于利用KMV模型进行企业信用风险评估的研究还相对较少，因此，本研究旨在基于KMV模型研究我国上市公司的信用风险。
二、研究内容和方法1.研究内容本研究将以KMV模型为基础，探索我国上市公司的信用风险评估模型。
具体内容包括：（1）对KMV模型进行理论分析及应用实例介绍。
（2）搜集我国300家上市公司的财务数据，运用KMV模型进行企业信用评估。
（3）对评估结果进行分析，挖掘评估模型的优缺点。
2.研究方法本研究将采用以下方法：（1）文献研究法：搜集相关文献，对KMV模型进行理论分析，介绍模型的应用实例，为研究提供理论基础。
（2）实证研究法：搜集我国300家上市公司的财务数据，对企业进行信用评估，探究KMV模型在我国上市公司信用评估中的适用性及优缺点。
（3）统计分析法：对评估结果进行分析，运用相关统计方法，挖掘评估模型的优缺点。
三、预期成果本研究的预期成果如下：（1）建立我国上市公司信用评级体系，并运用KMV模型进行企业信用评估。
（2）分析KMV模型在我国上市公司信用评估中的表现，并挖掘其优缺点。
（3）对于我国上市公司信用评级体系的完善提出具有参考价值的建议。
四、可行性分析本研究可行性分析如下：（1）数据来源：本研究所需数据（我国上市公司财务数据）已有完整、可靠来源。
基于KMV模型我国上市公司信用风险测度实证分析
基于KMV模型我国上市公司信用风险测度实证分析基于KMV模型我国上市公司信用风险测度实证分析近年来，随着我国资本市场的不断发展，上市公司的信用风险成为了重要的研究方向。
有效测度上市公司的信用风险对于金融机构和投资者具有重要意义。
本文基于KMV模型，通过对我国上市公司的实证分析，探讨了其在信用风险测度中的应用和不足之处。
首先，我们回顾了KMV模型的基本原理。
KMV模型是一种流行的结构性模型，通过衡量公司的资本结构、资产负债率、波动率等关键因素来估计公司的违约概率。
其基本公式为违约距离（Distance to Default，DD）= ln(资产价值/债务价值) / 标准差。
通过计算违约距离，我们可以得到上市公司的违约概率，并进一步测度其信用风险。
接着，我们利用KMV模型进行了我国上市公司信用风险的实证分析。
我们选取了2018年度财务数据作为样本，计算了一批在上交所和深交所上市的公司的违约距离。
我们发现，根据KMV模型计算的违约距离，大部分公司的违约概率较低，说明其信用风险相对较小。
然而，仍有少数公司的违约概率较高，这些公司是上市公司信用风险值得关注的对象。
此外，我们还发现，在行业之间存在一定的信用风险差异，一些行业的上市公司信用风险较高。
接下来，我们分析了KMV模型在我国上市公司信用风险测度中的不足之处。
首先，KMV模型基于违约距离的测度方法对数据的敏感性较高，数据质量的问题可能会导致结果的误差。
其次，模型没有考虑到宏观经济环境的变化对公司违约概率的影响，这可能限制了模型的准确性和适用性。
此外，模型的参数估计也具有一定的主观性，不同的参数估计可能会导致不同的信用风险测度结果。
最后，我们提出了一些建议来改进KMV模型在我国上市公司信用风险测度中的应用。
首先，我们应该加强对财务数据的核查和质量管理，确保数据的准确性和可靠性。
其次，我们可以结合宏观经济因素，如利率、失业率等，来进一步完善模型，以更好地反映公司的信用风险。
基于KMV模型对我国房地产上市公司的信用风险测度
基于KMV模型对我国房地产上市公司的信用风险测度近年来，我国房地产市场持续火热，许多房地产开发公司纷纷选择在股市上市融资。
随着市场竞争的加剧和房地产市场波动的不确定性，房地产上市公司的信用风险也逐渐成为投资者和监管机构关注的焦点。
如何准确测度房地产上市公司的信用风险，成为当前亟待解决的问题。
在这种背景下，基于KMV模型对我国房地产上市公司的信用风险进行测度成为一种有效的方法。
本文将从KMV模型的基本原理入手，探讨其在测度房地产上市公司信用风险中的应用，并结合实际案例进行分析，旨在为投资者和监管机构提供参考和借鉴。
一、KMV模型的基本原理KMV模型是一种基于结构性模型和市场风险模型相结合的企业违约概率测度方法。
其基本原理是通过企业的资产负债表信息和市场风险因素，计算企业的违约概率，并以此来衡量企业的信用风险水平。
该模型主要包括以下几个步骤：1.确定企业资产负债结构和现金流量2.分析市场风险因素3.计算企业的违约概率在实际应用中，KMV模型结合了企业自身的财务数据和市场的信息，能够相对准确地测度企业的信用风险，因此在金融风险管理领域得到了广泛的应用。
基于KMV模型对我国房地产上市公司的信用风险进行测度，需要首先获取企业的财务数据和市场风险因素，并对这些数据进行分析和计算。
具体而言，可以从以下几个方面进行考量：1.企业的资产负债结构：房地产上市公司作为资产密集型企业，其资产负债结构对其信用风险具有重要影响。
通过分析公司的资产负债表和现金流量表，可以了解公司的偿债能力和流动性状况，从而为计算违约概率提供基础数据。
2.市场风险因素：房地产市场的波动对房地产上市公司的信用风险有着直接的影响。
需要考虑市场因素对公司经营业绩和财务状况的影响，如房地产市场供需关系、政策调控等因素。
通过以上步骤的分析和计算，可以得到房地产上市公司的信用风险水平，为投资者和监管机构提供了参考依据。
三、实际案例分析以某我国房地产上市公司为例，对其进行基于KMV模型的信用风险测度。
基于KMV模型的信用风险度量实证研究
基于KMV模型的信用风险度量实证研究信用风险度量是银行和金融机构日常业务中必不可少的一项工作，它能够帮助机构有效地衡量和管理借款人的信用风险，降低可能的损失。
KMV模型是一种经典的信用风险度量模型，它被广泛应用于金融机构的信用风险管理中。
本文将对基于KMV模型的信用风险度量进行实证研究，旨在探究KMV模型在实际应用中的有效性和适用性。
首先，我们需要简要介绍KMV模型的基本原理。
KMV模型的核心思想是建立一个反映借款人违约概率的准确度量模型，通过衡量借款人违约的概率来评估其信用风险水平。
KMV模型通常采用随机过程的方法，假设借款人的资产价格服从一定的随机演化规律，基于借款人资产价格的变动，利用概率论和统计模型进行信用风险度量计算。
在实证研究中，我们可以选择一家银行作为研究对象，收集该银行的信用风险数据以及相关的财务数据。
然后，基于KMV模型中的信用风险度量公式，计算出每个借款人的预期违约概率，并将结果与实际违约情况进行比较。
通过计算预测准确度指标，如准确率、召回率、F1-Score等，可以评估KMV模型的预测能力和信用风险度量的准确性。
此外，我们还可以通过引入其他因素来改进KMV模型的预测能力。
例如，可以将宏观经济因素、行业周期等因素纳入模型，以更全面地考虑借款人的信用风险。
同时，可以采用机器学习算法来优化KMV模型的预测结果，如支持向量机、随机森林等。
通过与传统的评级模型进行比较，可以评估不同模型在信用风险度量上的差异和优劣。
最后，我们可以利用实证研究的结果，对KMV模型的应用进行优化和改进。
比如，可以根据具体情况调整模型中的参数，以提高模型的适应性和准确性。
可以采用动态追踪方法对借款人的信用风险进行监测，及时调整信用风险度量结果。
此外，还可以将KMV模型与其他风险度量模型进行组合使用，以综合评估借款人的信用风险水平。
综上所述，基于KMV模型的信用风险度量实证研究可以为金融机构提供有力的决策支持和风险管理手段。
KMV模型在我国商业银行信贷风险管理中的应用研究
KMV模型在我国商业银行信贷风险管理中的应用研究首先，KMV模型是一种通过计算债务人违约概率来评估其信用风险的模型。
该模型基于债务人的资产价值、债务规模和债务人违约概率之间的关系，通过计算违约概率来量化债务人的信用风险水平。
我国商业银行可根据KMV模型评估债务人违约的可能性，从而辅助决策是否给予其贷款，以及贷款的规模和利率。
其次，KMV模型的应用在我国商业银行信贷风险管理中具有重要意义。
首先，该模型能够对债务人违约风险进行科学而准确的评估，有助于提高商业银行对信贷风险的认识和把握。
其次，KMV模型能够为商业银行提供合理的信贷定价和利率制定依据，降低风险并提高利润率。
此外，该模型还能够帮助商业银行制定合理的风险管理策略，以减少不良资产和违约损失。
然而，KMV模型在我国商业银行信贷风险管理中存在一定的局限性。
首先，该模型的应用需要大量的可靠的数据支持，包括资产价值和负债规模等信息。
然而，我国商业银行在数据收集和管理方面仍存在一定的挑战，因此可能会对KMV模型的应用造成一定的限制。
其次，KMV模型对于债务人违约概率的计算假设市场的有效性，而我国市场的有效性仍有待提高，因此可能会对模型的准确性造成一定的影响。
最后，KMV模型在应用过程中需要考虑很多的假设和参数设定，这可能会对模型的可靠性和有效性产生一定的影响。
总的来说，KMV模型在我国商业银行信贷风险管理中具有重要的应用价值。
通过评估违约概率，商业银行能够更好地认识和把握信贷风险，并制定相应的管理策略。
然而，KMV模型的应用还需要克服一些局限性，包括数据支持和模型假设等方面的挑战。
因此，在实际应用过程中，商业银行需要结合自身情况，充分考虑模型的优势和局限性，灵活运用KMV模型，并结合其他风险管理工具和方法来综合评估和管理信贷风险。
基于KMV模型的我国上市银行信用风险度量研究
基于KMV模型的我国上市银行信用风险器量探究摘要：信贷风险一直被视为银行业务中最主要的风险之一，由此引发的信用风险在银行业中具有重要的地位。
为了有效地器量我国上市银行的信用风险，本文基于KMV模型进行探究。
通过对大量的财务数据进行分析，本探究构建了一套综合的信用风险评估框架，以提供我国上市银行在信用风险管理方面的参考和指导。
关键词：KMV模型；信用风险；我国上市银行；器量探究Ⅰ.引言随着金融市场的进步和金融产品的多元化，银行业的信用风险日益成为一种不行轻忽的风险。
近年来，尤其是全球金融危机的发生，更加凸显了银行业信用风险的重要性。
对于我国上市银行而言，如何准确器量信用风险，提高风险管理水平成为亟待解决的问题。
Ⅱ.相关理论及文献综述在信用风险器量方面，探究者们提出了多种模型和方法，其中KMV模型作为一种较为经典的信用风险器量方法备受关注。
KMV模型将信用违约概率与信用损失相关联，通过对违约概率的预估来器量信用风险。
此外，国内外学者在信用风险器量领域也进行了大量的探究。
Ⅲ.数据来源及样本选择本探究选取了我国数家上市银行作为探究对象，并收集了这些银行的财务数据进行分析。
同时，依据中国金融监管部门发布的数据，选择了一些重点指标作为信用风险器量的参考。
Ⅳ.探究方法及模型构建本探究基于KMV模型，构建了一套适应我国上市银行的信用风险器量模型。
起首，选取了一系列的财务指标，如净资产收益率、资本丰富率、不良贷款率等，作为影响信用风险的因素。
然后，通过对这些指标逐一进行分析，建立了一套较为详尽的评估指标体系。
最后，以违约概率为核心，结合这些指标构建了信用风险器量模型。
Ⅴ.实证结果及分析通过对样本数据进行实证分析，我们发现，本探究构建的信用风险器量模型在器量我国上市银行的信用风险方面具有较高的准确性和可靠性。
同时，通过对实证结果的分析，我们也得出了一些关于我国上市银行信用风险管理的结论。
Ⅵ.风险管理建议依据本探究的实证结果，对我国上市银行的信用风险管理提出了一些详尽的建议。
KMV模型的计算-中国政法大学MBA
ABSTRACT
With the rapid development of finance globalization and innovation, credit risk has become more concealed, complex and multiple, however, the original credit risk had outdated. How to improve the standard of credit management has been the most critical problem to commercial banking. Recently, some developed countries have figured out amount of modern credit risk measure models. Among there, the provision of using KMV model relatively accords with our situation, because the basic data of KMV is based on the stock price of list companies and public finance data is easier to gain. Besides, the model has gain highly recommend of finance experts and it also has a strong flexibility inChina, which all contributes to a prospected future.
KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告
KMV模型的修正及对我国上市公司信用风险评估的实证研究的开题报告一、选题背景与研究意义信用风险是金融市场中风险类型之一，它涉及到债券、信贷、金融工具和寿险等方面。
在市场经济条件下，各种产品和服务的创新和发展，使得金融市场快速发展。
然而，相应的风险也同步提高。
因此，对于金融市场中参与者的信用风险评估就显得至关重要。
随着计量经济学等技术的快速发展，涌现了一些信用风险模型来进行相关研究，其中一种较为知名的模型是KMV模型。
KMV模型是衡量企业信用风险的一种有效工具，它将企业的市场价值与违约概率联系起来，为金融机构等提供了一种科学合理的企业信用风险评估框架。
然而，KMV模型的一些限制和不足也限制了该模型的适用性和精度。
例如，KMV模型所使用的单一因素模型无法体现实际情况中与企业违约相关的多个因素，导致模型的精度有所下降。
因此，有必要对KMV模型进行修正和完善，以提高其信用风险评估精度。
本研究旨在通过对KMV模型的修正及在中国上市公司信用风险评估中的实证研究，探究KMV模型的适用性及其在实践中的可行性。
研究结果将为企业信用风险评估提供科学依据，并有助于金融机构等更好的识别和管理信用风险。
二、研究内容与方法本研究的主要研究内容包括：修正KMV模型、开展基于中国上市公司的实证研究、比较实证研究结果与目前主流的信用风险模型。
在修正KMV模型方面，我们将考虑采用多因素模型来分类和分析企业信用风险，以提高模型的适用性和精度。
同时，我们还将考虑选择恰当的企业财务指标，以对信用风险进行更准确的评估。
在实证研究中，我们将选择中国上市公司作为研究对象，通过数据采集、筛选等方式获取有关企业的财务数据以及相关信息，运用KMV模型和修正后的KMV模型对企业信用风险进行评估，并比较两种模型评估结果的差异。
同时，我们还将考虑其他主流信用风险模型的适用性和精度，以了解各种信用风险模型的优缺点。
三、预期研究结果本研究预期通过对KMV模型的修正及对中国上市公司进行实证研究，得出以下预期研究结果：1. 修正KMV模型的改进可较大程度上提高KMV模型的信用风险评估精度。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
的日收益率及年波动率。
非 ST 上市公司
股票名称 600635 600198 200992 600410 002203 000002 000961 600519 000793
股票代码
大众公用 大唐电信 中 鲁B 华胜天成 海亮股份
万科 A 中南建设 贵州茅台 华闻传媒
表 1 样本公司基本情况表
ST 上市公司
二、数据采集与已知参数的设定
为了使数据尽量真实可靠，采用了上市公司数据，按照上市公司股票价格波动范围，筛选出 18 只 ST 公司和 NST 公司的股票作为样本 （ 见表 1） ，真实模拟测算样本公司信用状况，求解出样本公司股票 ·76·
孙小丽等： KMV 模型在中国互联网金融中的信用风险测算研究
在现实中拥有一定的可行性，并为将来研究如何形成规范化、流程化的线上信用风险评估体系打下基础。
关键词： 信用风险度量模型； 互联网金融； 信用风险； 风险测算
中图分类号： F832. 28； F832. 332
文献标识码： A
文章编号： 1008-7729（ 2013） 06-0075-07
一、引 言
KMV 模型是美国著名的风险管理公司 KMV 公司（ 已被穆迪投资管理公司收购） 于 1993 年基于公司 理财和期权理论，利用布莱克-斯科尔斯-莫顿模型（ BSM，Black-Scholes-Merton Model） 开发出来的一种 资产组合风险管理模型［3］。该模型利用企业股权的市场价值及其波动率、企业负债的到期时间、账面 价值和无风险利率等数据，以期权定价理论为基础，对企业资产的市场价值、资产价值的波动性进行 估计，并据此算出企业的预期违约率（ EDF，expected default frequency） ［4］。
KMV 模型在国外上市公司信用风险评估中得到了广泛的应用，并且已经取得良好的效果。与同类 模型比较，KMV 在中国的应用主要有三大优势： 不要求有效市场假设，在像我国这样的弱有效市场预 测效果较好； 数据获取相对容易； KMV 模型对财务指标的依赖仅限于债务的账面价值，从而在一定程 度上缓解了我国普遍存在会计信息失真的影响［9］。近年来，国内学者对 KMV 模型能否应用于我国上市 公司信用风险的评估这一问题做了许多有益的探索，并得出了积极的答案。各大商业银行更是积极完 善全面风险管理系统，不断引入一系列已经在西方风险管理系统成熟运用的模型，以进一步提高风险 管理的科学性与准确性，其中 KMV 模型以其独特的优势备受青睐。但是，KMV 模型是否适用于中国现 阶段互联网金融中的信用风险管理，还有待进一步的验证与讨论。为了数据的真实性与可靠性，本文 利用了真实的中国资本市场数据———2009 年全年 18 支 ST 与 NST 股票作为测算研究样本，真实和完整 地模拟了应用 KMV 模型测算拟授信对象信用风险状况的全过程，求出相应变量，并对测算结果进行检 验分析，从而对 KMV 模型在中国互联网金融的应用作进一步探讨。
三、信用风险测算过程
随着巴塞尔协议的不断改革和完善，KMV 模型在西方银行界已经获得了高度的认可和广泛的应用，
中国的各大银行也在不断尝试和完善 KMV 模型在本土的应用。KMV 作为信用风险评估模型，正好适应
了互联网金融对金融服务的标准化、流程化程度要求较高的特点，本文分步模拟了整个风险测算的过
程，对建立互联网金融信用风险管理体系的探索过程有十分现实的意义。
现阶段中国的互联网金融，一个突出的金融属性模式是电商供应链模式，以敦煌网和建行、金银岛
收稿日期： 2013-10 -08 基金项目： 国家自然科学基金项目（ 71373029，70873012） ； 教育部人文社会科学基金项目（ 07JA790005） 作者简介： 孙小丽（ 1981—） ，女，山东潍坊人，北京邮电大学经济管理学院 2007 级博士研究生，主要研究方向为金融
根据 KMV 模型的计算方法，结合中国的国情，在选择配对的 NST 公司时，应考虑样本公司间的信 息可比性，同时应最大限度地避免行业之间的差异，与公司规模干扰测算结论的可能性。鉴于以上考 量，选择配对公司与收集数据时主要考虑以下六点要素：
（ 1） NST 公司应与配对的 ST 公司股票在同一个证券交易所交易。 （ 2） NST 公司应与配对的 ST 公司主营业务情况属于同一个或相近行业。 （ 3） 收集国内的数据的渠道主要是相关股票行情、证券公司网站，例如，雅虎财经、大智慧、证 券之星、华泰软件等。本文选取的 18 家样本上市公司的财务数据与市场数据，均取自证券之星网站上 公布的上市公司财务数据库以及各样本上市公司的年度财务报告。 （ 4） 样本选取区间为 2009 年 1 月 1 日至 2009 年 12 月 31 日，利用这期间的样本公司每日股票收盘 价，来计算估计股票波动率。 （ 5） 样本公司数据采集的时间跨度 T 为 1 整年，也就是说，通过违约距离公式，求解 1 年期的违 约距离。 （ 6） 模型计算需要无风险收益率数值，但是由于中国资本市场不健全，缺乏有效的无风险收益率 数据，因此本文参考人民银行规定的一年期整存整取的存款利率 2. 25% ，以此作为本文的无风险利率。
1. 公司资产价值( VA) 和资产价值波动性( σA) 的测算［10］
KMV 模型的求解公式为
E = VAN（ d1 ） － De － rTN（ d2 ）
σE
=
VA E
N（
d1 ）
σA
d1
=
ln（
VA
/D） + σA（r+ 槡T源自σ2A/2）T
d2 = d1 － σA 槡T 其中，σA 为 VA 的波动率； 债务期限 T = 1（ 在实际计算中一般设为 1 年） ； 公司股权价值为 E； 负债为 D； 无风险利率为 r。
·经济与哲学·
KMV 模型在中国互联网金融中的信用风险测算研究
孙小丽1 ，彭 龙1，2
（ 1. 北京邮电大学 经济管理学院，北京 100876； 2. 北京外国语大学 国际商学院，北京 100089）
摘 要： 随着互联网金融风潮的兴起，各大金融机构和电商都在积极抢占市场。现阶段中国互联网金融的核心是金融规
则和对风险的控制，尤其是对信用风险的控制更是有待探索的难点问题。本文采用真实的金融市场数据，模拟了应用信
用风险度量（ KMV） 模型测算公司信用风险状况的全过程，分别求出样本公司资产价值波动率 σA 、违约距离（ DD） 和预期 违约率（ EDF） 。通过对测算结果的检验与分析研究，证明了将 KMV 模型应用于互联网金融中对企业信用风险的评估，
第 15 卷第 6 期 2 013 年12 月
北京邮电大学学报 （ 社会科学版） Journal of Beijing University of Posts and Telecommunications （ Social Sciences Edition）
Vol. 15，No. 6 Dec. 2013
·77·
北京邮电大学学报 （ 社会科学版）
2013 年第 6 期
运用 Matlab 语言对此方程组进行求解。求解过程所用的方法为二分法。VA 和 σA 的测算结果见表 2。
KMV 模型认为，在企业负债给定的情况下，接受受信企业贷款所带来的信用风险主要是由该债务 人资产的市场价值所决定。由于企业资产并没有真正在市场中进行交易，其资产的市场价值没办法直 接得到［5］。基于此，KMV 模型将银行的贷款问题转化从企业债务人角度来考虑其归还问题： 当企业的 债务到期时，若公司的债务值（ 设定为企业贷款的违约点） 低于公司目前资产的市场价值，此时公司股 权价值为公司债务与资产市场价值之间的差值； 反之，当公司的资产价值低于公司债务值时，公司即 使变卖全部资产也不足以偿还所有债务，此时公司的股权价值为零［6］。
互联网金融是近期各大媒体上出现频率最高的名词之一，平安陆金所、阿里小贷逐渐进入了普罗 大众的视野，随着支付宝推出 “余额宝” 的争议愈演愈烈，苏宁、腾讯、京东都开始申请民营银行渠 道，让人感觉一夜之间似乎所有的电商都恨不得去做银行业务，在金融市场上分一杯羹。在这个一拥 而上的风潮之中，各大银行、电商要想规避行业泡沫在大浪淘沙中生存和发展，还是离不开金融的本 质，即经营风险，其中对信用风险的监控更是信贷类业务的重中之重。所不同的是互联网金融中对信 用风险的测算要求的是形成高度规范化、程序化的一套体系，在这个过程中，原本已经得到广泛应用 的信用风险度量（ KMV） 模型随之迎来了新挑战———是否能在互联网金融这一新型态下发挥作用？ 本文 以上市公司的数据为基础，研究了在互联网背景下，利用 KMV 模型测算拟授信企业信用风险的可 行性。
在 KMV 模型对企业的信用风险测度中，违约概率的测算能够充分提取股票市场价格和资产负债表 中所包含的公司信用变化状况［7］。企业股权的市场价值与资产的市场价值之间存在结构性关系，因此 可以利用股权和股权的波动性来估计资产的价值及其波动性，进而可以得到预期违约率，即与该公司 进行信用交易所面临的信用风险。因而可以利用资产负债表中反映的资本结构、股票市场反映的资产 收益波动性和当前资产价值的函数对违约率进行表示。而不同企业之间的资本结构或收益波动性或资 产价值往往可能存在着一些差异，因此它们计算出来的预期违约概率也会有所差异［8］。
互联网金融，顾名思义是传统金融行业与互联网相结合的新兴领域。从广义上讲，具备互联网精 神的金融业态统称为互联网金融。理论上任何涉及到广义金融的互联网应用，都应该是互联网金融， 包括但不限于第三方支付、在线理财产品销售、信用评价审核、金融中介、金融电子商务等模式。从 狭义的金融角度来看，互联网金融则应该定义在货币的信用化流通相关层面，也就是资金融通依托互 联网来实现的方式方法都可以称为互联网金融［1］。