عنوان پایان‌نامه
رتبه بندی اعتباری شرکتها بر اساس مدلهای قیمت گذاری اختیار
- رشته تحصیلی
- مهندسی مالی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74073;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74073
- تاریخ دفاع
- ۱۱ اسفند ۱۳۹۴
- استاد راهنما
- حجت اله انصاری
- دانشجو
- سعید معصومی قلعه
- چکیده
- ریسک اعتباری را می‌توان به عنوان ضرر احتمالی دانست که در اثر یک رخداد اعتباری یا ناتوانی قرض‌گیرنده در بازپرداخت وام‌ها اتفاق می‌افتد. بیشتر روش‌ها و تکنیک‌های مدل‌سازی ریسک اعتباری و پیش‌بینی احتمال نکول مشتریان و شرکتها، مبتنی بر داده‌های حسابداری هستند. از آنجا که اطلاعات بازار و ارزش جاری دارایی‌های شرکت، هشدار مهمی در مورد وضعیت فعلی شرکت و حتی انتظارات نسبت به وضعیت آن در آینده است، استفاده از مدلی که تنها مبتنی بر داده‌های حسابداری نباشد و از اطلاعات روز بازار نیز جهت پیش‌بینی ریسک اعتباری استفاده نماید، ضروری به نظر می‌رسد. گروهی از این مدل‌ها، به مدلهای ساختاری معروفند که احتمال نکول را به طور مستقیم بر اساس متغیرهای مربوط به شرکت، مانند ارزش سهام آن اندازه‌گیری می‌کنند و به جای تکیه بر داده‌های حسابداری و تحلیل آماری، از اطلاعات بازار به منظور پیش‌بینی ریسک اعتباری مشتریان استفاده می‌نمایند. هدف اصلی این پایان‌نامه، فراهم کردن شیوه موثّر و کارا برای رتبه‌بندی شرکتها از نظر ریسک اعتباری است. با برآورد احتمال نکول و ریسک دارایی‌های شرکتها از مدلهای مبتنی بر قیمت‌گذاری اختیار، شرکتها بر اساس احتمال نکول و ریسک رتبه‌بندی می‌شوند.سپس به برآورد احتمال نکول و رتبه‌بندی شرکتها در دسته‌های اعتباری، رابطه‌ی احتمال نکول برآوردی و معیار ورشکستگی (ماده 141 قانون تجارت) بررسی می‌شود. همچنین به بررسی رابطه‌ی بین متغیرهای بازاری و متغیرهای مالی با استفاده از رگرسیون لاجیت پرداخته می‌شود. نتایج این تحقیق نشان می‌دهد که بین احتمال نکول برآوردی از قیمت‌گذاری اختیار و ماده 141 قانون تجارت ارتباط قوی برقرار است. تنها نسبتی مالی که با احتمال نکول رابطه معنادار داشت نسبت گردش موجودی کالا بود.
- Abstract
- Abstract Credit risk is the possible loss that can be accur because of the credit event or the inability of the borrower to repay the loan. Majority of credit risk approaches and default probability prediction of customers and firms are based on accounting data. Because the market information and current value of assets are important caveat about the firm’s current situation and expectations about the future, it is necessary to use a model that is not only based on accounting data and also uses market information to predict credit risk. A group of the models that known as structural models, calculate default probability directly through firm-based variables such as stock value. Instead of reliance on accounting data and statistical analysis, structural models use market information to predict customers credit risk. Using structural models, one can estimates volatility, distance to default and default probability of firms, then ranks firms according to these measures. The main purpose of this theses is to provide an effective and efficient approach for ranking firms according to credit risk. We estimate default probability and risk of firms aaset using by option pricing and then rank them according to default probability. For default estimating, we also use adjusted time to maturity of debts. Moreover we use a new approach to estimate volatility. To study internal data, we examine the relation between default probability and criterion for bankruptcy in Iranian firms. Furthermore, using logit regression, we examin the relation between market variables and financial variables. Results of this theses show that there is strong relation between default probability of option pricing and act of . Just one ratio have relation to default probability. That ratio is: inventory turnover. Key Words: credit ranking, option pricing, default probability, market variables, financial variables
