| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第11-20页 |
| 第一节 研究背景和研究意义 | 第11-14页 |
| 一 研究背景 | 第11-13页 |
| 二 研究意义 | 第13-14页 |
| 第二节 相关研究现状 | 第14-17页 |
| 一 信用风险度量的研究 | 第14-15页 |
| 二 关于KMV模型的研究 | 第15-17页 |
| 三 文献评述 | 第17页 |
| 第三节 研究思路和研究方法 | 第17-19页 |
| 一 研究思路 | 第17-19页 |
| 二 研究方法 | 第19页 |
| 第四节 研究特色和不足 | 第19-20页 |
| 一 研究特色 | 第19页 |
| 二 不足之处 | 第19-20页 |
| 第二章 Z银行信用风险度量现状及存在问题 | 第20-27页 |
| 第一节 Z银行信用风险度量现状 | 第20-24页 |
| 一 Z银行简介 | 第20页 |
| 二 近年主要运营情况 | 第20-22页 |
| 三 信用风险度量模式 | 第22-24页 |
| 第二节 Z银行信用风险度量存在的主要问题 | 第24-27页 |
| 一 度量手段传统 | 第24-25页 |
| 二 度量工具单一 | 第25-26页 |
| 三 授信集中度考虑不足 | 第26-27页 |
| 第三章 Z银行基于KMV模型的信用风险测度 | 第27-44页 |
| 第一节 现代信用风险度量模型的适用性比较分析 | 第27-30页 |
| 第二节 KMV模型的优势与局限性 | 第30-31页 |
| 一 KMV模型的优势 | 第30-31页 |
| 二 KMV模型应用的局限性 | 第31页 |
| 第三节 KMV模型的理论架构 | 第31-36页 |
| 一 基本思想 | 第32页 |
| 二 理论基础 | 第32-34页 |
| 三 模型假设 | 第34页 |
| 四 计算步骤 | 第34-36页 |
| 第四节 Z银行KMV模型信用风险测度过程 | 第36-44页 |
| 一 样本选取 | 第36-37页 |
| 二 参数选择及计算 | 第37-42页 |
| 三 计算违约距离与违约概率 | 第42-44页 |
| 第四章 Z银行基于KMV模型的信用风险测度结果有效性分析 | 第44-62页 |
| 第一节 违约概率行业内对比分析 | 第44-56页 |
| 一 与直接对比公司比较 | 第44-48页 |
| 二 与行业平均值比较 | 第48-55页 |
| 三 不同规模公司之间比较 | 第55-56页 |
| 第二节 不同行业间违约概率比较 | 第56-59页 |
| 一 行业平均值之间的比较 | 第56-58页 |
| 二 实验组公司之间的比较 | 第58-59页 |
| 第三节 理论违约概率与经验违约概率的比较 | 第59-60页 |
| 第四节 小结 | 第60-62页 |
| 第五章 Z银行利用KMV模型进行信用风险度量的建议 | 第62-69页 |
| 第一节 加强对KMV模型的应用性研究 | 第62-63页 |
| 一 建立专业人才队伍 | 第62-63页 |
| 二 学习借鉴优秀研究成果 | 第63页 |
| 三 分析模型度量有效性领域 | 第63页 |
| 第二节 提高信用风险度量力度及深度 | 第63-65页 |
| 一 行业信用风险更细致分类 | 第64页 |
| 二 增加企业信用风险度量频率 | 第64-65页 |
| 三 加强贷前贷后信用风险的识别及跟踪 | 第65页 |
| 第三节 建立违约距离与经验违约概率的映射关系 | 第65-66页 |
| 一 建设和完善自身违约数据库 | 第65-66页 |
| 二 构建同业违约信息共享平台 | 第66页 |
| 第四节 违约概率与内部信用评级相结合 | 第66-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 第一节 结论 | 第69-70页 |
| 第二节 展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 附录 | 第74-89页 |
| 个人简历 | 第89-90页 |
| 致谢 | 第90页 |