| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章、 引言 | 第8-12页 |
| 1.1、 研究背景 | 第8页 |
| 1.2、 研究目的和意义 | 第8-9页 |
| 1.3、 研究现状 | 第9-10页 |
| 1.3.1、 国外学者研究成果综述 | 第9-10页 |
| 1.3.2、 国内学者研究成果综述 | 第10页 |
| 1.4、 本文结构和创新 | 第10-12页 |
| 1.4.1、 本文结构 | 第10-11页 |
| 1.4.2、 创新之处 | 第11-12页 |
| 第二章、 信用风险度量及其发展 | 第12-17页 |
| 2.1、 信用风险分析 | 第12-13页 |
| 2.2、 传统信用风险度量方法 | 第13-15页 |
| 2.2.1、 专家系统分析法 | 第13页 |
| 2.2.2、 多元判别分析模型 | 第13-14页 |
| 2.2.3、 Logit和Probit回归模型 | 第14页 |
| 2.2.4、 神经网络模型 | 第14-15页 |
| 2.3、 现代信用风险度量方法 | 第15-17页 |
| 2.3.1、 Credit Metrics模型 | 第15页 |
| 2.3.2、CreditRisk+模型 | 第15-16页 |
| 2.3.3、 Credit Portfolio View模型 | 第16页 |
| 2.3.4、 KMV模型 | 第16-17页 |
| 第三章 KMV信用风险模型分析 | 第17-24页 |
| 3.1、 预备知识 | 第17-18页 |
| 3.1.1、 对数正态分布 | 第17页 |
| 3.1.2、 布朗运动 | 第17页 |
| 3.1.3、 伊藤引理 | 第17-18页 |
| 3.2、 Black-Scholes-Merton期权定价公式 | 第18-19页 |
| 3.2.1、 Black-Scholes定价理论 | 第18-19页 |
| 3.2.2、 Merton定价模型的构建 | 第19页 |
| 3.3、 KMV模型的建立 | 第19-24页 |
| 3.3.1、 KMV模型的假设 | 第19-20页 |
| 3.3.2、 KMV模型的主要计算步骤 | 第20-24页 |
| 第四章、 KMV模型信用风险测度有效性实证分析 | 第24-38页 |
| 4.1、 契合中国资本市场的KMV模型参数设定 | 第24-26页 |
| 4.1.1、 公司股权价值V_E的确定 | 第24页 |
| 4.1.2、 公司股权价值波动率σ_E的确定 | 第24-26页 |
| 4.1.3、 违约点DPT的确定 | 第26页 |
| 4.1.4、 债务期限T和无风险利率r的确定 | 第26页 |
| 4.2、 样本选取 | 第26-28页 |
| 4.3、 实证过程 | 第28-38页 |
| 4.3.1、 样本股票波动率的计算 | 第28-33页 |
| 4.3.2、 股权价值的计算 | 第33-35页 |
| 4.3.3、 违约点的计算 | 第35-37页 |
| 4.3.4、 资产价值及资产价值波动率的计算 | 第37页 |
| 4.3.5、 违约距离及预期违约概率的计算 | 第37-38页 |
| 第五章、 KMV模型信用风险测度实证结果分析及检验 | 第38-47页 |
| 5.1、 违约距离实证分析 | 第38-43页 |
| 5.1.1、 违约距离实证结果 | 第38-39页 |
| 5.1.2、 违约距离显著性检验 | 第39-41页 |
| 5.1.3、 违约距离与资产规模的关系分析 | 第41-42页 |
| 5.1.4、 违约距离与股权波动率的关系分析 | 第42-43页 |
| 5.2、 违约概率实证分析 | 第43-45页 |
| 5.2.1、 违约概率实证结果 | 第43-44页 |
| 5.2.2、 预期违约概率在中国市场的适应性评价 | 第44-45页 |
| 5.3、 KMV模型敏感性分析 | 第45-47页 |
| 第六章、 研究结论及展望 | 第47-49页 |
| 6.1、 研究结论 | 第47页 |
| 6.2、 未来展望 | 第47-48页 |
| 6.3、 结语 | 第48-49页 |
| 附录一 股票波动率计算程序 | 第49-50页 |
| 附录二 资产价值和资产价值波动率计算程序 | 第50-52页 |
| 附录三 图表录 | 第52-54页 |
| 附录四 实证数据列表 | 第54-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
