| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究工作的背景与意义 | 第11-13页 |
| 1.1.1 选择背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12-13页 |
| 1.2 研究内容与论文框架 | 第13-16页 |
| 1.2.1 研究内容 | 第13-14页 |
| 1.2.2 论文框架 | 第14-15页 |
| 1.2.3 研究方法与技术路线图 | 第15-16页 |
| 1.3 本文的主要创新 | 第16页 |
| 1.4 本文的不足 | 第16-17页 |
| 第二章 文献综述与理论研究 | 第17-29页 |
| 2.1 单一主体的信用风险相关研究 | 第17-19页 |
| 2.1.1 破产模型 | 第17-18页 |
| 2.1.2 结构化模型 | 第18页 |
| 2.1.3 简约模型 | 第18-19页 |
| 2.2 信用风险传染相关研究 | 第19-22页 |
| 2.2.1 信用风险传染产生的原因 | 第19-21页 |
| 2.2.2 信用风险传染的渠道 | 第21-22页 |
| 2.3 现代信用风险传染模型 | 第22-24页 |
| 2.3.1 Davis & Lo模型 | 第22页 |
| 2.3.2 Jarrow & Yu模型 | 第22-23页 |
| 2.3.3 基于信息效应的模型 | 第23-24页 |
| 2.3.4 国内研究状况 | 第24页 |
| 2.4 复杂网络 | 第24-28页 |
| 2.4.1 复杂网络的拓扑结构 | 第25-26页 |
| 2.4.2 小世界网络 | 第26页 |
| 2.4.3 无标度网络 | 第26-27页 |
| 2.4.4 复杂网络的应用 | 第27-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 上市公司关联信用风险网络结构研究 | 第29-39页 |
| 3.1 复杂网络与金融市场 | 第29-30页 |
| 3.2 关联规则算法 | 第30-31页 |
| 3.2.1 经典的关联规则算法 | 第30-31页 |
| 3.2.2 跨时间关联规则算法 | 第31页 |
| 3.3 基于跨时间关联规则的上市公司信用网络结构研究 | 第31-36页 |
| 3.3.1 研究思路 | 第31-32页 |
| 3.3.2 KMV模型参数的估计 | 第32-35页 |
| 3.3.3 基于跨时间关联规则的信用风险关联关系挖掘 | 第35-36页 |
| 3.4 中国上市公司信用网络的网络特征 | 第36-38页 |
| 3.4.1 网络的构建 | 第36页 |
| 3.4.2 小世界效应 | 第36-37页 |
| 3.4.3 无标度特性 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第四章 基于因子模型的信用风险传染模型 | 第39-50页 |
| 4.1 因子模型 | 第39-40页 |
| 4.2 基于多因子模型的信用风险传染模型 | 第40-43页 |
| 4.2.1 行业因素 | 第40-42页 |
| 4.2.2 传染因素 | 第42-43页 |
| 4.3 数值模拟 | 第43-48页 |
| 4.3.1 冲击的短期影响 | 第44-47页 |
| 4.3.2 冲击的长期影响 | 第47-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第五章 网络结构对关联信用风险传染规模的影响 | 第50-55页 |
| 5.1 小世界网络的构造 | 第50-51页 |
| 5.2 平均连接概率与信用风险传染 | 第51-53页 |
| 5.3 网络规模与信用风险传染 | 第53页 |
| 5.4 本章小结 | 第53-55页 |
| 第六章 结论与展望 | 第55-57页 |
| 6.1 总结 | 第55-56页 |
| 6.2 研究展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间取得的成果 | 第61-62页 |