آمار
| تعداد نشریات | 50 |
| تعداد شماره‌ها | 2,232 |
| تعداد مقالات | 20,476 |
| تعداد مشاهده مقاله | 25,293,673 |
| تعداد دریافت فایل اصل مقاله | 22,945,770 |
بررسی ارتباط بین احتمال نکول و ساختار سرمایه با استفاده از مدل KMV و روش پنل دیتا | ||
| دانش مالی تحلیل اوراق بهادار | ||
| مقاله 6، دوره 6، شماره 2(پیاپی 18)، شهریور 1392، صفحه 85-96 اصل مقاله (259.54 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
شهلا آذری پناه* 1؛ میرفیض فلاح شمس  2
| ||
| 1مسئول مکاتبات | ||
| 2ندارد | ||
| چکیده | ||
| چکیده تاکنون مدل های مختلفی برای پیش بینی وضعیت ریسک اعتباری مشتریان ارائه شده است دراین میان استفاده از مدلی که تنها متکی برداده های تاریخی نباشد و از داده های بازار نیز به عنوان هشداری درمورد وضعیت فعلی مشتری و حتی انتظارات نسبت به وضعیت آینده آن باشد ، ضروری به نظر می رسد.در این پژوهش رابطه بین اجزاء ساختار سرمایه و احتمال نکول شرکت های پذیرفته شده در بورس اوراق بهادار تهران مورد بررسی قرار گرفته است. داده های تحقیق از نمونه ای چهل تایی از شرکت های سهامی دریافت کننده 1383 استخراج شده است.دراین پژوهش ابتدا با به - تسهیلات از بانک های ایرانی در طی سال های 1389 احتمال نکول شرکت ها محاسبه گردیده و پس از آن به روش پنل دیتا بین اجزاء ساختار KMV کاربردن مدل اهرم، نوسان بازده دارائی ، بازده سهام و ضریب حساسیت)و ،B/M ، سرمایه (متغیرهای مستقل یعنی اندازه شرکت متغیر وابسته (احتمال نکول) رگرسیون وسپس آزمون های رگرسیون را انجام داده ایم.نتایج این تحقیق بیانگر وجود رابطه معناداربین ساختار سرمایه واحتمال نکول شرکت ها است. | ||
| کلیدواژه‌ها | ||
| ریسک اعتباری؛ احتمال نکول؛ مدل KMV ساختارسرمایه | ||
| مراجع | ||
|
) آذر، ع. و مومنی، م. ( 1390 ). آماروکاربردآن درمدیریت (تحلیل آماری)، انتشارات سمت، . چاپ 15 2) خانی سروعلیایی، م. ( 1386 ). طراحی وتبیین مدل ریسک اعتبارات درنظام بانکی کشور(پایان نامه ارشدمدیریت بازرگانی، دانشگاه آزاد تهران .( مرکز، زمستان 86 3) خوانساری، رسول. ( 1388 ). ارزیابی کاربرد مدل ساخترای کی ام وی در پیش بینی ریسک اعتباری مشتریان حقوقی بانک های ایرانی(پایان نامه ارشد، مدیریت مالی، دانشگاه امام صادق .( (ع)، دفاع تابستان 1388 .( 4) صالحی صدقیانی، ج. و ابراهیمی، ا. ( 1388 تحلیل آماری پیشرفته، انتشارات هستان، چاپ چهارم. 5) صفری، س.، ابراهیمی شقاقی، م. و شیخ، م. 1389 ). مدیریت ریسک اعتباری مشتریان ) حقوقی در بانک های تجاری با رویکرد تحلیل پوششی داده ها (رتبه بندی اعتباری)، پژوهش شهلا آذری پناه و میرفیض فلاح شمس 96 فصلنامه علمی پژوهشی دانش مالی تحلیل اوراق بهادار / شماره هجدهم ، های مدیریت در ایران، دوره 14 ، شماره 4 .137-164 6) طالبی، م. و شهرزادی، ن. ( 1390 ). ریسک اعتباری:اندازه گیری و مدیریت، انتشارات سمت، چاپ اول. 7) Allen, L., Delong, G., & Saunders, A. (2004). Issues in the Credit Risk Modeling of Retail Markets, Journal of Banking & Finance, Vol.28, pp. 727-752. 8) Bandyopadhyay, A. (2006). Predicting Probability of Default of Indian Corporate Bonds: Logistic and Z-score Model Approaches, The Journal of Risk Finance, Vol.7, pp.255-272. 9) Caauette, J.-B., Altman, E.-I., & Narayanan, P. (1998). Managing Credit Risk the next Great Financial Cballenye. 10) Chen, X., Wang, X., & Dash wu, D. (2010). Credit Risk Measurement and early Warning of SMES: An Empirical Study of Listed SMES in China , Decision Support Systems, Vol.49, pp. 301-310. 11) Gharghori, P., Chan, H., & Faff, R. (2009). Default Risk and Equity Returns: Australian Evidence, Pacific-Basin Finance Journal, Vol.17, pp. 580-593. 12) Jarrow, R.-A. (2011). Credit Market Equilibrium Theory and Evidence : Revisiting the Structural Versas Reduced from Credit Risk Model Debate, Finance Research Letters,Vol.8, pp. 2-7. 13) Lee, W.-C. (2011). Redefinition of the KMV Model’ s Optimal Default Point Based on Genetic Algorithms: Evidenece from Taiwan, Expert Systems with Applications, Vol.38, pp. 10107-10113 14) Yu, L., Yao, X., Wang, S., & Lai, K. (2011). Credit Risk Evaluation Using a Weighted lest squares SVM classifier with design of experiment for parameter Selection Expert Systems with Applications, Vol.38, pp. 15392-15399 | ||
|
آمار تعداد مشاهده مقاله: 2,211 تعداد دریافت فایل اصل مقاله: 3,824 |
||
