大数据时代制造业上市公司信用风险研究

曾诗鸿、姜雪、王芳编著的《大数据时代制造业上市公司信用风险研究》以大数据时代为背景，利用与改进KMV模型研究现代制造业上市公司的信用风险，得到如下结论：①对于我国制造业上市公司，在北京、山东、上海、浙江、江苏、广东六个省市中，江苏省制造业上市企业信用风险水平接近平均值，山东、上海、广东三个省市制造业上市企业违约距离值高于平均值，信用风险较小，北京的信用风险略高于平均水平；②通过对浙江现代制造业上市公司的研究，发现温州市、宁波市、金华市违约距离大，违约概率小，信用风险状况良好，而湖州市、嘉兴市、台州市信用风险较差；③通过Logistic模型的回归结果可以看出经济周期指标中长期贷款利率及名义GDP增长率对江苏现代制造业企业发展的影响。经济繁荣发展时期，伴随企业高收益的还有高的信用风险。此外，基于因子分析的Logistic模型指出总资产规模大的公司失信的可能性更大。

曾诗鸿，现任北京工业大学经济管理学院学术型研究生导师、副教授；美国经济学文献数据库（Econlit）收录的国际英文学术期刊Journal of Applied Finance & Banking与Advances in Management and Applied Economics编委与匿名审稿人。SSCI期刊Energy Policy 与 Economic Modelling 匿名审稿人。2005年获 “黄达－蒙代尔经济学奖”；获北京市第九届哲学社会科学优秀成果二等奖。主要研究领域包括：气候变化与空气污染治理的经济金融方法；碳金融（期权与期货）、碳配额；能源与资源（石油与天然气、金属、粮食）金融；金融服务与财政支持产业（战略新兴产业与文化产业等）的发展；银行安全的管理、本币国际化、外汇储备资产的币种结构优化管理；货币供求；金融经济问题的建模与优化控制、资产组合理论等。

上篇KMV信用风险模型与应用研究
第1章绪论
1.1研究背景和意义
1.1.1研究背景
1.1.2研究意义
1.2国内外文献综述
1.2.1信用风险度量的研究
1.2.2KMV模型研究综述
1.2.3KMV模型应用于行业的研究
1.3研究思路
1.4研究内容
第2章信用风险及其分析
2.1信用风险的内涵和特点
2.1.1信用风险的内涵
2.1.2信用风险的特点
2.2信用风险的度量
2.2.1传统的信用风险度量方法
2.2.2现代信用风险度量的模型
2.2.3现代信用风险度量模型在我国的适用性分析
2.3本章小结
第3章KMV模型及分析
3.1KMV模型的基本思想
3.2KMV模型的内容
3.3KMV模型的计算步骤
3.3.1估算公司资产的市场价值和其波动性
3.3.2计算违约距离
3.3.3确定违约距离DD与违约概率EDF之间的映射关系
3.4KMV模型的适用性分析
3.5本章小结
第4章我国制造业及其上市公司信用分析
4.1我国制造业构成及发展现状
4.1.1我国制造业构成和发展分析
4.1.2我国制造业上市公司信用分析
4.2制造业上市公司负债结构分析
4.3制造业信用风险的特征分析
4.3.1我国制造业信用风险背景分析
4.3.2制造业行业信用风险的特殊性分析
4.4本章小结
第5章模型的适用性实证分析
5.1模型的计算
5.1.1样本选取
5.1.2模型各参数的计算
5.2模型适用性结果分析
5.2.1描述统计分析
5.2.2两独立样本均值T检验
5.2.3模型的准确率分析
5.2.4全部样本股票违约距离分析
5.2.5样本股票违约距离特例分析
5.2.6模型的纵向验证分析
5.3本章小结
第6章模型的应用和修正分析
6.1模型的应用分析
6.1.1评价对象样本选取和计算
6.1.2不同地区制造业上市公司信用风险值比较
6.1.3制造业上市企业不同行业信用风险值比较
6.2模型的修正分析研究
6.2.1模型的修正过程
6.2.2修正模型结果分析
6.3本章小结
第7章绿色环保时代中国制造业上市公司的信用风险评价
7.1引言
7.2模型原理
7.3环境信息披露程度评分
7.4样本数据和实证分析
7.4.1样本选取
7.4.2实证分析
7.4.3模型的验证
上篇附录
附录A—计算违约距离的100家样本公司财务数据
附录A二ST与非ST配对的40家样本公司数据
附录A三ST与非ST配对的40家样本公司参数结果和行业分类
附录A四模型程序
附录A五样本公司（ST海龙）数据
附录A六计算违约距离的100家样本公司模型参数结果
附录A七回归数据中60家样本公司财务数据
中篇典型省市制造业上市公司信用风险研究
第8章北京现代制造业上市公司的信用风险
8.1数据来源
8.2实证计算过程
8.2.1计算公司股权价值VE
8.2.2计算公司股权价值波动率σE
8.2.3计算违约点DP
8.2.4求解公司资产价值V、资产价值波动率σV
8.2.5计算上市公司违约距离DD
8.3实证结果分析
第9章天津现代制造业上市公司的信用风险
9.1数据来源
9.2实证计算过程
9.2.1计算公司股权价值VE
9.2.2计算公司股权价值波动率σE
9.2.3计算违约点DP
9.2.4求解公司资产价值V、资产价值波动率σV
9.2.5计算上市公司违约距离DD
9.3实证结果分析
第10章四川现代制造业上市公司的信用风险
10.1数据来源
10.2实证计算过程
10.2.1计算公司股权价值VE
10.2.2计算公司股权价值波动率σE
10.2.3计算违约点DP
10.2.4求解公司资产价值V、资产价值波动率σV
10.2.5计算上市公司违约距离DD
10.3实证结果分析
第11章云南现代制造业上市公司的信用风险
11.1数据来源
11.2实证计算过程
11.2.1计算公司股权价值VE
11.2.2计算公司股权价值波动率σE
11.2.3计算违约点DP
11.2.4求解公司资产价值V、资产价值波动率σV
11.2.5计算上市公司违约距离DD
11.3实证结果分析
第12章重庆现代制造业上市公司的信用风险
12.1数据来源
12.2实证计算过程
12.2.1计算公司股权价值VE
12.2.2计算公司股权价值波动率σE
12.2.3计算违约点DP
12.2.4求解公司资产价值V、资产价值波动性σV
12.2.5计算上市公司违约距离DD
12.3实证结果分析
第13章浙江现代制造业上市公司的信用风险
13.1数据来源
13.2实证计算过程
13.2.1计算公司股权价值VE
13.2.2计算公司股权价值波动率σE
13.2.3计算违约点DP
13.2.4计算结果
13.3实证结果分析
13.3.1违约距离、违约概率统计结果
13.3.2样本数据按照行业分类的统计描述
13.3.3样本数据按照地域分类的统计描述
中篇附录
附录B—北京、天津、重庆、四川及云南现代制造业上市公司股权价值（VE）所需原始数据一览
附录B二北京、天津、重庆、四川及云南现代制造上市业公司股权价值波动率（σE）所需股票月均价数据一览
附录B三北京、天津、重庆、四川及云南现代制造业上市公司违约点（ DP）所需原始数据一览
附录B四有关部门发布的行业分类指引及分类
附录B五浙江省现代制造业上市公司原始数据
附录B六基于MATLAB的KMV模型语句
……
下篇Logistic模型与应用研究
总结
参考文献
曾诗鸿简介