1. 研究目的与意义及国内外研究现状

由于中国信用违约风险度量尚不成熟、无法获得有效数据，信用风险模型在国内的研究受到客观条件的限制，我国的学者对于信用风险的研究大多仍然集中在传统信用度量方法上。在已发表的与信用风险模型等结构模型相关的文献中，大部分是不断地使用不同的样本进行实证分析，仅仅停留在对于模型的应用的说明的水平上，但是缺乏系统的、对结构模型系统理论的研究。

本文的创新之处在于将贝叶斯方法引入到kmv模型中，通利用贝叶斯思想中参数的随机性，对未知参数资产价值的波动率进行模拟，对kmv模型进行修改。从而解决了在研究过程中所遇到的数据缺失的问题。本文在对kmv模型的应用过程中，由于无法获得企业的信贷违约状况，所以将在股市上被特别处理（st）的上市公司设为违约企业。

本文也对另一种应用较广的风险模型：credit metrics模型做了简单介绍并用其对数据进行了求解分析，然后通过对比credit metrics模型与修正kmv模型在研究过程中所需要的假设条件，以及分析实际应过程中credit metric模型和修正kmv模型存在的优缺点，得到能够较好适应中国上市公司信用风险机制发展现状的模型是修正kmv模型。因此确定对kmv模型的进行不断的修正具有重要的意义。

2. 研究的基本内容

本文研究的是应用于上市公司的信用风险度量模型。首先结合中国信用风险度量机制的发展现状，对应用最广的KMV模型的基础上结合了贝叶斯方法进行修正。对查找到的多家上市公司的最新数据运用模型，计算出每家公司的违约率，判断公司的运营状况以及它的违约情况。然后与另一个在国际上应用较为广泛的信用风险度量模型Credit Metrics模型进行对比，得出修正KMV模型更符合对中国的上市公司的信用风险度量，从而肯定了修正KMV模型对中国上市公司信用风险度量的重要意义。

3. 实施方案、进度安排及预期效果

首先，通过查找大量的国内外相关文献，了解全球范围内信用风险度量模型的发展现状。

然后，在中国信用违约风险度量尚不成熟而且重要的数据提供分布著的大背景下，运用贝叶斯方法，对kmv模型进行修正，就可以将模型中的波动率以及资产价值能够直接通过模拟得出，从而解决了由于数据不足而无法进行研究的问题。

接着，查找数据，运用模型对中国的多家上市公司进行信用风险度量，所选的样本分为两组：特殊处理（st）类上市公司和非st类上市公司。对这两组样本分别进行信用风险度量，最终能够计算出各家公司的违约率从而判断公司的运营状况。通过比较组内和组间的度量结果，发现st类的违约率平均值较非st类公司的平均值偏高，但并不是绝对的，存在违约率较低的st类公司，也存在违约率较高的非st类公司，这与国家《关于改革完善并严格实施上市公司退市制度的若干意见》（2014）的实施有很大关系 。

4. 参考文献

[1] w. h. beaver. financial ratios as predictors of failure[j].journal of accounting research, 1966, 71-111.

[2] rorber ,c , merton .on the pricing of corporate debt :the structure of interest rates[j].journal of finance, 1974.vol.29, no.2:449 - 470.

[3] vassalou, m .d y. xing .default risk in equity returns.workingpaper,2002, columbia university.