金融类开题报告范文(2)

雪锦分享 2016-08-22 15:03:58

　　我国上市公司对我国的经济发展起到越来越重要的作用，截止2001年底，我国上市公司已达到1174家，总股本超过5050亿，其中国家股和国有法人股328亿，市价总值高达5.55万亿元，约占国民生产总值的48%，约有股民6800万人，约占城镇人口的40%,资本市场规模越来越大。据统计，截止 2001年底，我国国有控股上市公司所有者权益10547亿元，实现利润1519亿元，分别占全国国有及国有控股企业的32%和63%，国有上市公司已成为我国各行业中的龙头企业，在国有资产质量上，上市公司已成为优良资产的富区，同时上市公司也成为中国人投资的主要领域。随着我国资本市场的发展和完善，上市公司不仅会得到更大更快的发展，而且会显示出更重要的作用。但也不可否认，在我国上市公司发展过程中，也出现了一些问题：一是上市公司整体业绩下滑，竞争力下降，据资料反映，2001年我国上市公司加权平均每股收益为 0.1369元，比上年同期下降31.04%,加权平均净资产收益率为5.53%,比上年同期下降22.55%,有151家公司亏损,亏损面为 12.67%，较上年又进一步扩大;二是部分上市公司内部违规现象严重，据了解，2001年有100家上市公司因各种违规问题而受到证监委和其他有关部门的查处;一些上市公司会计信息严重失真，虚增业绩，大肆“圈钱”，极大地打击了投资者对上市公司的信心;三是二级市场投机行为盛行，一些机构操纵股价，牟取高利，严重地扰乱了市场秩序。为了解决我国上市公司发展中出现的问题，就需要在市场经济条件下，更好地有效发挥政府的监管职能和社会的监督职能，加快建立上市公司的优胜劣汰机制，全面净化证券市场的环境。要实现这一目标，有效的手段之一是建立上市公司的效绩评价体系。

　　目前，国家有关部门已经对我国国有企业制定了效绩评价制度，并正在逐步推开,但在我国上市公司中还没有建立这项制度，所以本文的研究是有实际意义的。

　　三.金融毕业论文开题报告范文研究的内容

　　本文拟从四个方面探讨上市公司效绩评价体系的建立。

　　第一部分主要从六个方面阐述建立我国上市公司效绩评价体系的意义，这六个方面是：

　　(一)有利于国家对上市公司的监管

　　(二)有利于推动上市公司建立科学的约束和激励机制。

　　金融类开题报告范文篇3：

　　一、课题任务与目的

　　本论文主要解决以下几个问题：1、我国信用风险计量的现状;2、目前国际上最具影响力的信用风险度量模型;3、我国商业银行信用风险特点实证分析;4、我国商业银行计量信用风险的新思路。

　　二、调研资料情况

　　上世纪 90年代,随着金融市场的发展和风险管理技术的进步,现代信用风险度量模型得到了迅速的发展。现代信用度量模型与传统的信用度量方法相比,具有很大的优越性。

　　目前国际上流行的信用分析度量模型主要有四类,即KMV模型、CreditMetrics模型、麦肯锡模型和 CSFP信用风险附加法 (Credit Risk)。

　　1. CreditMetrics模型。CreditMetrics模型是世界上第一个信用风险的量化度量模型,是由 J. P. 摩根公司等于 1997年开发出的模型。该模型以资产组合理论为依据,运用 VaR(Value at Risk)框架,对贷款和非交易资产进行估价和风险计算。CreditMetrics模型依赖于历史数据,属于盯市模型 (MTM)。

　　2.麦肯锡模型。麦肯锡模型是在 CreditMetrics模型的基础上,对周期性因素进行了处理,将评级转移矩阵与经济增长率、失业率、利率、汇率、政府支出等宏观经济变量之间的关系模型化,并通过蒙地卡罗模拟技术 (a structured MonteCarlo simulation approach)模拟周期性因素的“冲击 ”来测定评级转移概率的变化。

　　麦肯锡模型克服了 CreditMetrics模型中不同时期的评级转移矩阵固定不变的缺点,可以看作是对 CreditMetrics模型的一种补充。

　　3. KMV模型。KMV模型是估计借款企业违约概率的方法。该模型将贷款看作期权,首先利用 Black - Scholes期权定价公式,根据企业资产的市场价值、资产价值的波动性、到期时间、无风险借贷利率及负债的账面价值估计出企业股权的市场价值及其波动性,再根据公司的负债计算出公司的违约实施点 (default exercise point),然后计算借款人的违约距离,最后根据企业的违约距离与预期违约率 (EDF)之间的对应关系,求出企业的预期违约率。KMV模型主要使用股票市场的相关数据,是一种动态模型。该模型同时具有盯市模型和违约模型 (DM)的特征。

　　4. Credit Risk模型。Credit Risk模型是一种基于精算方法的信息风险计量模型, 由 CSFP (Credit Suisse FinancialProduct)于 1997年推出。该模型把信用评级的升降和与此相关的信用价差变化看作是市场风险,在任何时期只考虑违约和不违约这两种事件状态,计量预期到和未预期到的损失。Credit Risk是一种违约模型,它忽略了转移风险。但是,该模型具有其独特的优点:如模型只需要相对较少的数据,具有简易性的特点;能够得到债券组合或贷款组合的损失概率的闭形解,具有计算上的优势。

　　除上所述,国际上应用的信用风险度量模型还有许多,如神经网络分析模型、死亡率模型等等。

　　就我国而言，已逐步建立起风险管理体系,但是与国际同业相比,在数据的采集、加工、度量方法的运用上都存在着相当的差距,因此我国对商业银行信用风险计量方法的研究主要集中在对发达国家先进的信用风险管理技术的学习和借鉴上，以此寻求一种适合我国商业银行的信用风险量化管理模型。

　　徐畅在《Credit Metrics 模型及其对我国银行风险量化管理的启示》[2006,3]中认为，Credit Metrics是世界上第一个评估信用风险的量化度量模型。该模型以资产组合理论、VaR(Value at Risk)理论等为依据 ,以信用评级为基础 ,不仅可以识别贷款、债券等传统投资工具的信用风险 ,而且可用于互换等现代金融衍生工具的风险识别。研究此模型对于我国银行风险量化管理有很强的现实价值。

　　张红舸和夏佳南在《KMV信用风险度量模型在我国的适应性研究》[2006，11]中提出， KMV模型作为国际上应用最为广泛的信用风险量化技术,早已引起我国学者对它的关注。他们对我国应用 KMV模型做了大量的实证研究,以期能找到一种在我国适用的新的信用风险管理的度量方法。但我国目前对 KMV模型所涉及到的各参数的估计方法都没有较好的研究结论,这势必使得我国商业银行风险管理者要寻求一些替代指标进行近似评估。而这种近似的替代最直接的后果就是 KMV模型的输出结果不准确。作者也在文章中提出了我国商业银行使用 KMV模型进行信用风险管理应采取的措施。

　　姚传娟、李源和夏苏林在《信用风险度量KMV模型与Credit Risk+模型比较研究》[2006]中，结合中国商业银行目前信用风险管理的实际情况,比较分析KMV模型和CreditRisk+模型的基本原理和参数选择的共性及差异,对两模型各自特点做出客观评价,结果发现运用Credit Risk+模型有利于提高信用风险度量的精确性,为商业银行信用风险管理提供了有益的借鉴。

　　乔小京和周石鹏在《信用风险量化模型比较及其对我国商业银行信用风险的启示》[2006,10]中，对信用组合观点模型即CPV进行了描述，Credit Portfolio View(CPV)模型将周期性因素纳入计量模型之中，将迁移概率与宏观因素之间的关系模型化，并且通过模拟宏观因素对于模型的冲击来测定迁移概率的跨时演变，这样可以得到未来每一年的不同的迁移矩阵，在此基础上运用Credit Metrics的方法计算处于不同经济周期的VaR。可以说这种方法是对Credit Metrics的补充，它克服了由于假定不同时期的迁移概率是静态的而引起的一些偏差。

　　曹道胜和何明升在《商业银行信用风险模型的比较级其借鉴》[2006,10]中，从模型建立的理论基础、模型类型、回收率、现金流折现因子四个维度对国际上最有影响力的商业银行信用风险模型KMV 模型、Credit Metrics模型、Credit Risk +模型和Credit Portfolio View模型进行比较，在此基础上对各模型在我国商业银行适用性进行了分析，为我国商业银行加强信用风险管理，开发适合我国国庆的信用风险模型提供了有益的借鉴。

　　同时，在相关研究过程中随处都暴露出了与发达国家商业银行相比，我国信用风险管理中存在的种种不足。因此，针对目前我国商业银行信用风险管理存在的一系列问题,借鉴西方发达国家的信用风险度量和管理经验,我国银行业应当大力加强建立信用风险量化分析和管理体系所需数据库的建设,建立和完善银行内部的企业信用评级体系,促进我国专业评估机构的建立,建立强大的信息技术平台,强化银行业的信息披露,加强市场约束,借鉴发达国家先进的关于信用风险度量和管理的理论知识,结合实际,建立适合我国国情的信用风险度量和管理模型。

　　三、实施方案

　　1商业银行信用风险的产生与发展

　　1.1商业银行信用风险的产生

　　1.1.1商业银行信用风险的定义

　　1.1.2商业银行信用风险的特点

　　1.2商业银行信用风险的发展

　　1.2.1商业银行信用风险的现状

　　1.2.2商业银行信用风险的发展

　　2商业银行信用风险度量模型研究

　　2.1 Credit Metrics模型(信用度量术模型)

　　2.2 KMV模型

　　2.3 Credit Risk+模型(信用风险附加模型)