| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 导论 | 第10-20页 |
| 1.1 研究选题的背景及意义 | 第10-12页 |
| 1.1.1 选题的背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 浦发银行情况简介 | 第12-18页 |
| 1.2.1 总体情况 | 第12-13页 |
| 1.2.2 浦发银行主要经营数据一览 | 第13-18页 |
| 1.3 研究重点、难点和主要方法 | 第18-20页 |
| 1.3.1 研究重点、难点 | 第18-19页 |
| 1.3.2 研究思路和内容 | 第19-20页 |
| 第2章 浦发银行信用风险管理现状及问题 | 第20-31页 |
| 2.1 浦发银行信用风险管理体系介绍 | 第20-27页 |
| 2.1.1 贷款五级分类管理 | 第20-22页 |
| 2.1.2 内部评级法 | 第22-24页 |
| 2.1.3 信用风险的资本计量 | 第24-27页 |
| 2.2 巴塞尔协议的相关要求 | 第27-29页 |
| 2.2.1 《新巴塞尔资本协议》的主要内容 | 第28页 |
| 2.2.2 标准法和内部评级法 | 第28-29页 |
| 2.2.3 标准法和内部评级法的选择及影响 | 第29页 |
| 2.3 对照巴塞尔协议要求仍存在的问题 | 第29-31页 |
| 2.3.1 内部评级法的完善 | 第29-30页 |
| 2.3.2 核心问题——信用风险高级计量方法的缺失 | 第30-31页 |
| 第3章 商业银行信用风险高级计量方法介绍与评价 | 第31-39页 |
| 3.1 VAR方法的引入 | 第31-32页 |
| 3.1.1 VAR的定义 | 第31页 |
| 3.1.2 VAR的特征 | 第31-32页 |
| 3.2 基于在险价值的CreditMetrics模型 | 第32-33页 |
| 3.2.1 单项贷款的VAR值 | 第32页 |
| 3.2.2 信用工具组合的VAR值 | 第32页 |
| 3.2.3 CreditMetrics模型的优点和局限性 | 第32-33页 |
| 3.3 基于期权理论的KMV信用监控模型 | 第33-36页 |
| 3.3.1 债务与期权理论——KMV模型的基础 | 第33-34页 |
| 3.3.2 KMV模型预期违约率的计算原理 | 第34-35页 |
| 3.3.3 KMV模型的优点和局限性 | 第35-36页 |
| 3.4 两种模型的比较及适用性选择 | 第36-39页 |
| 3.4.1 对KMV和CreditMetrics模型的比较 | 第36页 |
| 3.4.2 对CreditMetrics模型适用性方面的改进 | 第36-39页 |
| 第4章 利用CreditMetrics模型对浦发银行几家分支机构进行实证研究 | 第39-53页 |
| 4.1 CreditMetrics模型对于VAR的计算 | 第39-43页 |
| 4.1.1 CreditMetrics模型的计算框架 | 第39-40页 |
| 4.1.2 CreditMetrics模型信用度量方法 | 第40-43页 |
| 4.2 基于CreditMetrics模型对两家支行的信贷资产风险值进行计算的实例 | 第43-51页 |
| 4.2.1 实证研究的背景情况 | 第43-44页 |
| 4.2.2 单笔贷款的信用风险估值 | 第44-48页 |
| 4.2.3 组合贷款情况下的信用风险估值 | 第48-51页 |
| 4.2.4 组合贷款风险价值计算的问题和改进 | 第51页 |
| 4.2.5 利用增量VAR和成分VAR完善信贷结构调整 | 第51页 |
| 4.3 实证研究的启示和现实意义 | 第51-53页 |
| 4.3.1 信用风险计量与考核 | 第51-52页 |
| 4.3.2 对全部贷款组合进行回顾引发的启示 | 第52页 |
| 4.3.3 发展小微企业贷款的理论依据 | 第52-53页 |
| 第5章 结论与局限性 | 第53-55页 |
| 5.1 本文的结论 | 第53-54页 |
| 5.2 本文的局限性和不足 | 第54-55页 |
| 参考文献 | 第55-56页 |
| 附录 | 第56-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间发表的学术论文目录 | 第67页 |
