| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 0 前言 | 第12-28页 |
| 0.1 研究背景及意义 | 第12-14页 |
| 0.1.1 选题背景 | 第12-13页 |
| 0.1.2 研究意义 | 第13-14页 |
| 0.2 国内外研究现状 | 第14-24页 |
| 0.2.1 国外研究现状 | 第14-19页 |
| 0.2.2 国内研究现状 | 第19-23页 |
| 0.2.3 研究综述评价 | 第23-24页 |
| 0.3 论文的研究思路、研究方法与技术路线图 | 第24-27页 |
| 0.3.1 研究思路 | 第24-25页 |
| 0.3.2 研究方法 | 第25-26页 |
| 0.3.3 技术路线图 | 第26-27页 |
| 0.4 论文创新点 | 第27-28页 |
| 1 保险公司信用风险度量的理论基础 | 第28-36页 |
| 1.1 信用风险研究概述 | 第28-32页 |
| 1.1.1 信用风险的概念界定 | 第28-29页 |
| 1.1.2 信用风险的典型特征 | 第29-30页 |
| 1.1.3 信用风险度量发展的原因 | 第30-32页 |
| 1.2 我国保险公司信用风险分析 | 第32-36页 |
| 1.2.1 保险公司信用风险的界定 | 第32-34页 |
| 1.2.2 保险公司信用风险成因分析 | 第34-35页 |
| 1.2.3 保险公司信用风险的特殊性 | 第35-36页 |
| 2 现有信用风险度量模型的比较和适用性分析 | 第36-50页 |
| 2.1 传统信用风险度量模型 | 第36-41页 |
| 2.1.1 专家分析方法 | 第36-37页 |
| 2.1.2 信用评级方法 | 第37-38页 |
| 2.1.3. 多元判别分析法 | 第38-40页 |
| 2.1.4. 神经网络分析系统 | 第40-41页 |
| 2.2 现代信用风险度量模型 | 第41-43页 |
| 2.2.1 CreditMetrics | 第41页 |
| 2.2.2 KMV模型 | 第41-42页 |
| 2.2.3 Credit Risk Plus Model | 第42页 |
| 2.2.4 Credit Portfolio View | 第42-43页 |
| 2.3 现代信用风险度量模型适用性分析 | 第43-50页 |
| 2.3.1 模型对比分析 | 第43-46页 |
| 2.3.2 适用性分析 | 第46-50页 |
| 3 KMV模型及其参数修正 | 第50-58页 |
| 3.1 KMV模型 | 第50-53页 |
| 3.1.1 KMV模型基本假设 | 第50-51页 |
| 3.1.2 KMV模型计算过程 | 第51-53页 |
| 3.2 传统KMV模型不足 | 第53-55页 |
| 3.2.1 股权价值的计算 | 第54页 |
| 3.2.2 违约点的选取 | 第54-55页 |
| 3.2.3 违约距离与违约概率的对应关系 | 第55页 |
| 3.3 KMV模型的参数修正 | 第55-58页 |
| 3.3.1 公司股权价值E的修正 | 第55-56页 |
| 3.3.2 违约点DPT的修正 | 第56-57页 |
| 3.3.3 违约距离DD与违约概率EDF对应关系的修正 | 第57-58页 |
| 4 修正KMV模型在保险公司应用的实证研究 | 第58-87页 |
| 4.1 样本和数据 | 第58-62页 |
| 4.1.1 样本选择 | 第58-60页 |
| 4.1.2 数据处理 | 第60-62页 |
| 4.2 KMV模型的测算与结果 | 第62-76页 |
| 4.2.1 KMV模型的测算过程 | 第62-64页 |
| 4.2.2 KMV模型的运算结果分析 | 第64-76页 |
| 4.3 违约距离的综合分析 | 第76-87页 |
| 4.3.1 违约距离的敏感性分析 | 第76-78页 |
| 4.3.2 违约距离的影响因素分析 | 第78-85页 |
| 4.3.3 实证分析的结论总结 | 第85-87页 |
| 5 结论和展望 | 第87-89页 |
| 5.1 信用风险度量的结论 | 第87-88页 |
| 5.2 本文的不足之处与进一步的研究方向 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 附录 | 第93-94页 |
| 致谢 | 第94-95页 |
| 个人简历 | 第95页 |
