中国制造业上市公司的信贷风险度量--基于商业银行利用logistic模型.doc

摘要：我国“十三五”规划提出加快建设制造强国的理念，制造业是国民经济的支柱，在我国的规模很大，但是抵御风险的能力很弱，因此其违约风险比其他行业更为突出，更需要加强关注。

银行在金融界扮演了重要角色，信用风险对于银行的影响是非常大的，也是最受银行关注的风险类型，商业银行对于信用风险的评价和预测更是十分重视。有效地识别、计量和控制信用风险是我国商业银行持续健康运转的保证，基于Logistic模型度量信用风险是非常有价值的，因为我国的风险度量研究起步晚，缺乏完善的度量模型方案，数据库也不完善，因此国外先进的信用风险评价模型在我国难以被很好地使用。    

运用SPSS软件对已经公布2016年财报的132家上市机械制造业企业进行实证分析表明Logistic模型对于银行度量信用风险有较准确的预测作用，表现较稳定，具备较强的推广能力。

本文文末提出了微观方面利用Logistic模型度量结果来规避信用风险,不断改进模型所采用的指标以及各指标所占的比重，以实现更准确预测信用风险的方案；宏观方面，信用风险监管的法律法规以及相关制度的完善的建议，希望能对商业银行控制信用风险带来的损失提供建设性意见。

关键词：机械制造业；信用风险；Logistic模型

目录

摘要

Abstract

1  绪论-1

1.1  研究背景及研究意义-1

1.1.1  研究背景-1

1.1.2  研究意义-1

1.2  文献综述-2

1.3  研究思路和方法-3

1.3.1  研究思路-3

1.3.2  研究主要方法-3

2  信用风险度量的主要方法以及以制造业为研究对象的原因-4

2.1  信用风险的度量方法-4

2.1.1  信用评分法-4

2.1.2  神经网络模型-4

2.1.3   KMV模型对信用风险的度量-4

2.1.4   Logistic模型对信用风险的度量-4

2.2  我国信用风险管理现状以及存在的问题-5

2.2.1  我国信用风险管理发展历程-5

2.2.2  我国商业银行信用风险评价的现状-5

2.2.3  我国信用风险评价存在的问题-6

2.3  选择机械制造业为研究对象的原因-6

3  利用Logistic模型度量制造业上市公司的信用风险的实证分析-7

3.1  Logistic模型的理论依据-7

3.2  研究样本和数据的选取-8

3.3  变量设计-8

3.3.1  解释变量-8

3.3.2  被解释变量-10

3.4  模型的构建-10

3.5  预测精度检验-11

3.6  实证结论-12

4  建议-12

4.1  微观建议-12

4.2  宏观建议-13

参考文献