摘要：作为商业银行资产交易的核心内容，信贷业务发挥着支柱作用。在信贷资产组合中，企业贷款占据了很大的比重，贷款质量直接决定着商业银行承担风险的高低。本文以我国制造行业为例，选取96家上市公司2016年的年报财务数据为样本，根据是否为ST公司将其均分为两组。之后，本文通过逻辑回归来识别风险的差异，再使用KMV模型得到误判企业的违约距离DD并比较。综合两个模型的判别结果，发现KMV模型可以弥补回归模型的缺陷，利用违约距离DD可以更好的区分风险差别的企业，为商业银行发放企业贷款提供参考，也为个人投资者衡量企业提供标准和借鉴意义。

关键字：银行信贷风险；制造业；Logistic回归；违约距离

目录

摘要

Abstract

1 引言-1

  1.1研究目的及意义-1

  1.2研究现状-1

2 模型理论介绍-2

  2.1逻辑回归与因子分析-2

  2.1.1逻辑回归-2

2.1.2因子分析-3

  2.2KMV模型-4

3 影响商业银行信贷风险的财务因素分析-5

  3.1研究变量的确定-5

  3.2综合财务指标构建-6

4 基于Logistic回归的信贷风险预警模型构建-7

4.1独立样本T检验-7

4.2因子分析-9

4.2.1KMO和Bartlett检验-9

4.2.2解释的总方差-9

4.2.3主成分系数矩阵及其分析-10

4.3模型回归分析-13

4.3.1建立回归模型-13

4.3.2模型预测-14

5 基于KMV模型的误判数据处理及违约距离比较-14

5.1 KMV模型变量选择-15

5.2计算过程-15

5.3结果分析-15

6 总结-17

参考文献-19