基于粒子群算法的KMV模型违约点修正的实证研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-17页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内相关文献综述 | 第9-12页 |
| 1.3 国外相关文献综述 | 第12-13页 |
| 1.4 本文主要工作 | 第13-15页 |
| 1.5 创新之处 | 第15-17页 |
| 2 现代信用风险度量模型 | 第17-30页 |
| 2.1 现代信用风险度量模型 | 第17-25页 |
| 2.2 现代信用风险测度模型的比较 | 第25-26页 |
| 2.3 基于我国实际进行参数修正的KMV模型 | 第26-30页 |
| 3 粒子群算法 | 第30-34页 |
| 3.1 粒子群算法思想的起源 | 第30页 |
| 3.2 算法原理 | 第30-31页 |
| 3.3 粒子群算法标准流程 | 第31-32页 |
| 3.4 粒子群算法的优缺点 | 第32-34页 |
| 4 实证结果与分析 | 第34-43页 |
| 4.1 基于粒子群算法的KMV模型框架 | 第34-36页 |
| 4.2 样本选取 | 第36页 |
| 4.3 实证结果 | 第36-38页 |
| 4.4 检验与分析 | 第38-43页 |
| 5 结论与展望 | 第43-45页 |
| 5.1 主要结论 | 第43页 |
| 5.2 研究不足 | 第43-44页 |
| 5.3 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录A Python代码 | 第48-54页 |
| 致谢 | 第54页 |
