| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-12页 |
| 1 信用风险评估模型 | 第12-22页 |
| 1.1 信用风险概述 | 第12页 |
| 1.2 传统信用风险度量模型 | 第12-15页 |
| 1.2.1 专家制度 | 第13-14页 |
| 1.2.2 评级法 | 第14页 |
| 1.2.3 Z评分模型 | 第14-15页 |
| 1.2.4 ZETA信用风险模型 | 第15页 |
| 1.3 现代信用风险度量模型 | 第15-21页 |
| 1.3.1 Credit Metrics模型 | 第16-17页 |
| 1.3.2 Creditrisk+模型 | 第17-19页 |
| 1.3.3 Credit Portfolio View模型 | 第19-21页 |
| 1.4 现代信用风险评估模型之间的比较 | 第21-22页 |
| 2 基于期权定价理论的KMV模型 | 第22-30页 |
| 2.1 Merton期权理论 | 第22-24页 |
| 2.1.1 权益、负债、期权三者之间的关系 | 第22页 |
| 2.1.2 Merton模型 | 第22-24页 |
| 2.2 经典KMV模型 | 第24-28页 |
| 2.2.1 KMV模型的原理 | 第24页 |
| 2.2.2 KMV模型的度量信用风险的步骤 | 第24-27页 |
| 2.2.3 KMV模型的优缺点 | 第27-28页 |
| 2.3 基于我国实际情况的参数修正KMV模型 | 第28-30页 |
| 2.3.1 公司股权价值E和股价波动率δ_E | 第28-29页 |
| 2.3.2 无风险利率 | 第29页 |
| 2.3.3 违约触发点DP、违约距离DD | 第29页 |
| 2.3.4 违约距离DD和预期违约概率EDF之间的映射关系 | 第29-30页 |
| 3 遗传算法 | 第30-34页 |
| 3.1 遗传算法概述 | 第30-31页 |
| 3.1.1 遗传算法的基本原理 | 第30页 |
| 3.1.2 遗传算法的特点 | 第30-31页 |
| 3.2 基本遗传算法 | 第31-34页 |
| 3.2.1 基本遗传算法的构成要素 | 第31页 |
| 3.2.2 基本遗传算法的实现 | 第31-34页 |
| 4 实验结果与分析 | 第34-41页 |
| 4.1 基于遗传算法的KMV模型框架 | 第34-35页 |
| 4.2 样本选取 | 第35-36页 |
| 4.2.1 开发样本 | 第35-36页 |
| 4.2.2 检验样本 | 第36页 |
| 4.3 实验结果及分析 | 第36-41页 |
| 结论 | 第41-42页 |
| 参考文献 | 第42-44页 |
| 攻读硕士学位期间发表学术论文情况 | 第44-45页 |
| 致谢 | 第45-46页 |