| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1. 绪论 | 第13-24页 |
| 1.1 选题背景及研究意义 | 第13-15页 |
| 1.2 国内外研究现状 | 第15-20页 |
| 1.2.1 信用风险度量的研究现状 | 第15-18页 |
| 1.2.2 差分进化算法的研究现状 | 第18-20页 |
| 1.3 研究方案 | 第20-22页 |
| 1.3.1 论文的主要研究目标 | 第20页 |
| 1.3.2 论文的主要研究内容 | 第20-21页 |
| 1.3.3 论文的主要研究框架 | 第21-22页 |
| 1.4 论文的特色与创新点 | 第22-24页 |
| 2. 信用风险度量模型和差分进化算法理论概述 | 第24-37页 |
| 2.1 现代信用风险度量模型 | 第24-31页 |
| 2.1.1 结构化模型 | 第24-26页 |
| 2.1.2 强度化模型 | 第26-28页 |
| 2.1.3 KMV模型应用 | 第28-31页 |
| 2.2 差分进化算法 | 第31-36页 |
| 2.2.1 差分进化算法简介 | 第31页 |
| 2.2.2 算法基本流程 | 第31-36页 |
| 2.3 小结 | 第36-37页 |
| 3. 基于随机扩散搜索的协同差分进化算法 | 第37-47页 |
| 3.1 引言 | 第37-38页 |
| 3.2 随机扩散搜索法 | 第38-40页 |
| 3.3 基于随机扩散搜索的差分进化算法 | 第40-43页 |
| 3.3.1 反向混沌搜索的种群初始化 | 第40页 |
| 3.3.2 融合改进的SDS和DE | 第40-42页 |
| 3.3.3 算法的实现过程 | 第42-43页 |
| 3.4 函数优化中的应用仿真及其结果分析 | 第43-46页 |
| 3.4.1 函数仿真 | 第43-45页 |
| 3.4.2 函数的实验结果分析 | 第45-46页 |
| 3.5 小结 | 第46-47页 |
| 4. 上市公司信用风险测度的不确定性DE.-KMV模型 | 第47-59页 |
| 4.1 引言 | 第47-48页 |
| 4.2 不确定性KMV模型 | 第48-52页 |
| 4.2.1 Knight不确定性 | 第48页 |
| 4.2.2 Knight不确定性对期权价格的计算分析 | 第48-51页 |
| 4.2.3 基于Knight不确定性改进KMV模型 | 第51-52页 |
| 4.3 模型实现过程 | 第52-53页 |
| 4.4 实验设计和结果分析 | 第53-58页 |
| 4.4.1 数据描述与分析 | 第53-54页 |
| 4.4.2 模型仿真结果分析 | 第54-58页 |
| 4.5 小结 | 第58-59页 |
| 5. 基于差分进化自动聚类的信用风险评价模型 | 第59-70页 |
| 5.1 引言 | 第59-60页 |
| 5.2 差分进化自动聚类模型(ACDE) | 第60-62页 |
| 5.2.1 染色体表示 | 第60-61页 |
| 5.2.2 聚类有效性指标 | 第61-62页 |
| 5.2.3 适应值函数表示 | 第62页 |
| 5.2.4 无效个体处理 | 第62页 |
| 5.3 模型的实现过程与性能分析 | 第62-65页 |
| 5.3.1 ACDE算法流程 | 第62-63页 |
| 5.3.2 算法性能分析 | 第63-65页 |
| 5.4 实证研究与结果分析 | 第65-68页 |
| 5.4.1 信用风险指标构建 | 第65-66页 |
| 5.4.2 样本数据的获取 | 第66页 |
| 5.4.3 样本数据预处理 | 第66-67页 |
| 5.4.4 模型仿真与结果分析 | 第67-68页 |
| 5.5 小结 | 第68-70页 |
| 6. 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录Ⅰ 本文部分代码 | 第76-84页 |
| 附录Ⅱ 本文部分实验数据 | 第84-91页 |
| 附录Ⅲ 攻读学位论文期间的论文发表及项目参与情况 | 第91-92页 |
| 致谢 | 第92-93页 |
