| 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 |