摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
目录 | 第8-11页 |
图表目录 | 第11-13页 |
第一章 绪论 | 第13-20页 |
1.1 研究背景 | 第13-16页 |
1.2 研究意义 | 第16-17页 |
1.3 主要研究内容和创新点 | 第17-18页 |
1.4 论文结构和内容 | 第18-20页 |
第二章 相关文献综述 | 第20-29页 |
2.1 国外研究综述 | 第20-23页 |
2.1.1 默顿模型(Merton Model)研究 | 第20-21页 |
2.1.2 KMV信用风险模型研究 | 第21-23页 |
2.2 国内研究综述 | 第23-27页 |
2.2.1 KMV模型的理论研究 | 第23-26页 |
2.2.2 KMV模型的测算研究 | 第26-27页 |
2.3 总结 | 第27-29页 |
第三章 KMV模型的理论架构 | 第29-43页 |
3.1 基本思想 | 第29-30页 |
3.2 理论基础 | 第30-34页 |
3.2.1 期权定价理论 | 第30-32页 |
3.2.2 Black-Scholes-Merton模型 | 第32-34页 |
3.3 KMV模型的框架 | 第34-35页 |
3.4 KMV模型的模型假设及计量步骤 | 第35-41页 |
3.4.1 模型假设 | 第35页 |
3.4.2 计量步骤 | 第35-41页 |
3.5 KMV模型的优势和劣势 | 第41-43页 |
3.5.1 模型优势 | 第41-42页 |
3.5.2 模型劣势 | 第42-43页 |
第四章 基于COPULA函数的KMV模型研究 | 第43-60页 |
4.1 COPULA函数的研究综述、定义及基本性质 | 第43-47页 |
4.1.1 Copula函数度量违约相关性的研究综述 | 第43-46页 |
4.1.2 二元Copula函数的定义及性质 | 第46-47页 |
4.2 常用的COPULA函数 | 第47-49页 |
4.2.1 正态Copula函数 | 第47页 |
4.2.2 t-Copula函数 | 第47-48页 |
4.2.3 阿基米德Copula函数 | 第48-49页 |
4.3 COPULA函数与相关性度量 | 第49-52页 |
4.3.1 Pearson线性相关系数 | 第49页 |
4.3.2 Kendall秩相关系数 | 第49-50页 |
4.3.3 Spearman秩相关系数 | 第50-51页 |
4.3.4 尾部相关系数 | 第51页 |
4.3.5 基于Copula函数的相关性度量 | 第51-52页 |
4.4 结合COPULA函数的KMV模型 | 第52-60页 |
4.4.1 Copula函数结合KMV模型的优势 | 第53页 |
4.4.2 基于Copula函数改进的KMV模型 | 第53-55页 |
4.4.3 改进KMV模型中的常用二元Copula函数的相关性度量 | 第55-57页 |
4.4.4 改进KMV模型中的Copula函数的参数估计 | 第57-59页 |
4.4.5 改进KMV模型中的Copula函数的模型评价 | 第59-60页 |
第五章 KMV模型的测算研究 | 第60-72页 |
5.1 KMV模型在信用风险测算中的应用 | 第60-66页 |
5.1.1 信用风险的概念及表现形式 | 第60-61页 |
5.1.2 信用风险的成因 | 第61-62页 |
5.1.3 信用风险的特点 | 第62-63页 |
5.1.4 KMV模型应用于信用风险测度 | 第63-64页 |
5.1.5 参数及参数的估计方法 | 第64-66页 |
5.2 利用KMV模型测算商业银行信用风险 | 第66-72页 |
5.2.1 利用KMV模型测算预期违约率 | 第66-67页 |
5.2.2 利用KMV模型进行信用评级 | 第67-69页 |
5.2.3 利用KMV模型测算银行风险贷款定价 | 第69-72页 |
第六章 KMV模型在中国的适用性分析 | 第72-83页 |
6.1 中国商业银行信用风险现状 | 第72-75页 |
6.1.1 新巴塞尔协议的内部评级法 | 第72-74页 |
6.1.2 新巴塞尔协议下中国商业银行信用风险度量现状 | 第74-75页 |
6.2 现代信用风险计量模型在中国的适用性比较分析 | 第75-77页 |
6.3 KMV模型的适用性分析 | 第77-83页 |
6.3.1 资本市场规模分析 | 第77-79页 |
6.3.2 资本市场制度分析 | 第79-80页 |
6.3.3 利率市场化问题分析 | 第80-81页 |
6.3.4 信用评级问题分析 | 第81页 |
6.3.5 股权流通问题分析 | 第81-82页 |
6.3.6 数据获取问题分析 | 第82页 |
6.3.7 模型的假设前提分析 | 第82-83页 |
第七章 KMV模型在中国商业银行信用风险中的测算研究 | 第83-106页 |
7.1 KMV模型对上市公司ST公司和非ST公司的测算研究 | 第83-91页 |
7.1.1 数据的采集及已知参数的设定 | 第83-84页 |
7.1.2 测算过程 | 第84-88页 |
7.1.3 测算结果的检验与分析 | 第88-90页 |
7.1.4 结论 | 第90-91页 |
7.2 结合COPULA函数的KMV模型测算研究 | 第91-104页 |
7.2.1 正态-Copula函数和t-Copula函数与KMV模型相结合测算联合违约概率 | 第92-101页 |
7.2.1.1 数据的采集及数据描述统计量 | 第92-96页 |
7.2.1.2 测算过程 | 第96-101页 |
7.2.1.3 结论 | 第101页 |
7.2.2 阿基米德-Copula函数与KMV模型相结合测算联合违约概率 | 第101-104页 |
7.2.2.1 数据的采集 | 第102页 |
7.2.2.2 测算过程 | 第102-104页 |
7.2.2.3 结论 | 第104页 |
7.3 本章小结 | 第104-106页 |
第八章 总结和展望 | 第106-109页 |
8.1 论文总结 | 第106-107页 |
8.2 论文展望 | 第107-109页 |
附录 | 第109-113页 |
参考文献 | 第113-119页 |
致谢 | 第119-120页 |
攻读学位期间发表的学术论文目录 | 第120页 |