首页--经济论文--财政、金融论文--金融、银行论文--中国金融、银行论文--金融组织、银行论文--商业银行(专业银行)论文

基于遗传算法KMV模型的我国商业银行信用风险分析

摘要第4-5页
ABSTRACT第5-6页
1 引言第10-19页
    1.1 研究背景与选题意义第10-11页
        1.1.1 研究背景第10-11页
        1.1.2 研究意义第11页
    1.2 国内外文献综述第11-16页
        1.2.1 国外文献综述第11-13页
        1.2.2 国内文献综述第13-15页
        1.2.3 国内外研究现状评述第15-16页
    1.3 论文的研究思路与内容第16-17页
        1.3.1 论文的研究思路第16页
        1.3.2 论文的内容第16-17页
    1.4 论文研究方法第17页
    1.5 创新点和不足第17-19页
        1.5.1 论文的创新点第17页
        1.5.2 论文的不足第17-19页
2 商业银行信用风险相关理论及现状分析第19-29页
    2.1 商业银行信用风险定义第19页
    2.2 我国商业银行信用风险现状分析第19-24页
        2.2.1 我国商业银行信用风险现状第19-23页
        2.2.2 商业银行信用风险的成因第23-24页
    2.3 信用风险度量方法的适应性比较分析第24-29页
        2.3.1 传统信用风险度量模型第25页
        2.3.2 现代信用风险度量模型第25-29页
3 遗传算法KMV模型的构建第29-36页
    3.1 遗传算法第29-30页
        3.1.1 遗传算法的原理第29页
        3.1.2 遗传算法的主要步骤第29-30页
    3.2 KMV模型第30-32页
        3.2.1 KMV模型的测算原理第30-31页
        3.2.2 KMV模型的架构第31-32页
    3.3 修正后的遗传算法KMV模型的架构第32-34页
    3.4 遗传算法KMV模型中参数的假定与计算依据第34-36页
        3.4.1 股权市场价值的计算第34页
        3.4.2 时间参数的确定和无风险利率的计算第34页
        3.4.3 股权市场价值波动率的计算第34-35页
        3.4.4 违约点的确定第35-36页
4 基于遗传算法KMV模型的商业银行信用风险实证分析第36-49页
    4.1 样本银行的选取第36-37页
    4.2 实证过程第37-43页
        4.2.1 股权价值VE的计算第37-38页
        4.2.2 股权价值波动率σ_E计算第38-39页
        4.2.3 违约点DPT计算第39-40页
        4.2.4 计算总资产价值V_A及其波动率σ_A第40-42页
        4.2.5 测算违约距离DD与预期违约概率EDF第42-43页
    4.3 实证结果分析第43-45页
        4.3.1 不同时期商业银行违约距离比较分析第43-44页
        4.3.2 不同类型的商业银行信用风险比较分析第44-45页
    4.4 实证检验第45-48页
        4.4.1 与KMV模型的对比分析第45-46页
        4.4.2 违约距离与预期违约率的拟合优度检验第46-47页
        4.4.3 违约距离的敏感性分析第47-48页
    4.5 本章小结第48-49页
5 结论与建议第49-53页
    5.1 结论第49-50页
    5.2 政策建议第50-53页
        5.2.1 商业银行联合建立并完善信用风险数据库第50页
        5.2.2 适当降低商业银行存贷比和净资产收益率第50-51页
        5.2.3 提高创新业务能力,实现商业银行差异化经营第51页
        5.2.4 商业银行对客户进行精细化管理第51-53页
参考文献第53-57页
附录A第57-58页
附录B第58-59页
附录C第59-60页
附录D第60-61页
附录E第61-62页
致谢第62页

论文共62页,点击 下载论文
上一篇:互联网信息渠道与家庭金融资产选择--基于CHFS微观数据的实证研究
下一篇:W公司融资问题及发行可转债方案研究