摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第13-25页 |
1.1 选题背景和意义 | 第13-14页 |
1.2 研究文献综述 | 第14-21页 |
1.2.1 宏观压力测试理论与实践研究 | 第15-19页 |
1.2.2 行业关联性对宏观压力测试的影响研究 | 第19-20页 |
1.2.3 GVAR 模型在宏观压力测试中的应用研究 | 第20页 |
1.2.4 评述 | 第20-21页 |
1.3 研究框架与研究方法 | 第21-24页 |
1.3.1 研究框架 | 第21-22页 |
1.3.2 研究内容 | 第22-23页 |
1.3.3 研究方法 | 第23-24页 |
1.4 本文的创新点 | 第24-25页 |
第2章 基于行业 GVAR 的信用风险宏观压力测试相关理论 | 第25-34页 |
2.1 信用风险宏观压力测试理论 | 第25-29页 |
2.1.1 信用风险宏观压力测试的承压对象 | 第26-27页 |
2.1.2 信用风险宏观压力测试的压力因素 | 第27页 |
2.1.3 信用风险宏观压力测试的压力情景 | 第27-28页 |
2.1.4 信用风险宏观压力测试的传导模型 | 第28-29页 |
2.2 GVAR 模型的基本原理 | 第29-32页 |
2.2.1 GVAR 模型介绍 | 第29-30页 |
2.2.2 GVAR 模型的求解步骤 | 第30-31页 |
2.2.3 宏观经济变量的自回归模型 | 第31页 |
2.2.4 GVAR 模型的递归形式 | 第31-32页 |
2.3 行业灰色关联分析的基本理论 | 第32-34页 |
2.3.1 灰色关联分析 | 第32-33页 |
2.3.2 灰色关联分析应用于行业关联性的可行性分析 | 第33-34页 |
第3章 基于 IGVAR 模型的信用风险宏观压力测试方法 | 第34-49页 |
3.1 信用风险宏观压力测试的基本框架 | 第34-35页 |
3.2 基于 IGVAR 模型的宏观压力测试方法提出 | 第35-37页 |
3.3 有序多分类 LOGISTIC 方法测算行业原始违约概率 | 第37-38页 |
3.4 基于灰色关联分析的行业关联矩阵的构建 | 第38-40页 |
3.5 宏观经济变量的自回归模型 | 第40-44页 |
3.6 基于 IGVAR 模型的信用风险宏观压力测试模型参数估计 | 第44-49页 |
3.6.1 数据的检验 | 第44-45页 |
3.6.2 IGVAR 模型的回归 | 第45-49页 |
第4章 基于 IGVAR 模型的信用风险宏观压力测试实证研究 | 第49-67页 |
4.1 行业信用风险的宏观压力测试结果分析 | 第49-56页 |
4.1.1 国内生产总值增长率的冲击影响 | 第50-52页 |
4.1.2 一年期贷款利率的冲击影响 | 第52-53页 |
4.1.3 M2 增长率的冲击影响 | 第53-54页 |
4.1.4 股票价格指数的冲击影响 | 第54页 |
4.1.5 宏观经济因子的综合冲击影响 | 第54-56页 |
4.2 行业关联性对行业违约概率的动态影响 | 第56-59页 |
4.2.1 行业 GVAR 的广义脉冲响应函数 | 第56-57页 |
4.2.2 行业关联性的动态影响分析 | 第57-59页 |
4.3 宏观经济因子对行业违约概率的动态影响 | 第59-64页 |
4.3.1 RGDP 冲击对行业违约概率的动态影响 | 第60-61页 |
4.3.2 LR 冲击对行业违约概率的动态影响 | 第61-62页 |
4.3.3 M2 增长率冲击对行业违约概率的动态影响 | 第62-63页 |
4.3.4 SPI 对行业违约概率的动态影响 | 第63-64页 |
4.4 行业违约概率影响因子的贡献度分析 | 第64-66页 |
4.5 本章小结 | 第66-67页 |
第5章 宏观审慎监管框架下开展行业宏观压力测试的对策建议 | 第67-71页 |
5.1 开展基于行业特征的信用风险宏观压力测试 | 第67-68页 |
5.2 合理优化信贷资产的行业结构 | 第68-69页 |
5.3 建立基于系统性风险防范的动态预警体系 | 第69-71页 |
结论 | 第71-73页 |
参考文献 | 第73-78页 |
致谢 | 第78-79页 |
附录 A 攻读硕士学位期间参与的科研课题 | 第79-80页 |
附录 B 行业灰色关联矩阵的计算 | 第80-81页 |
附录 C 行业关联性下宏观经济因子冲击的压力测试的 matlab 代码 | 第81-83页 |
附录 D 误差同期相关性下冲击的压力测试的 matlab 代码 | 第83-84页 |