| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.2.1 实际意义 | 第9页 |
| 1.2.2 理论意义 | 第9-10页 |
| 1.3 文献回顾 | 第10-13页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.3.3 我国研究存在的问题 | 第12-13页 |
| 1.4 研究内容、对象 | 第13-14页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 研究对象 | 第14页 |
| 1.5 研究方法与技术路线 | 第14-16页 |
| 1.5.1 研究方法 | 第14-15页 |
| 1.5.2 技术路线 | 第15-16页 |
| 第二章 信用风险度量的相关理论概述 | 第16-23页 |
| 2.1 信用风险概述 | 第16-17页 |
| 2.1.1 信用风险的涵义 | 第16-17页 |
| 2.1.2 信用风险的特征 | 第17页 |
| 2.2 信用风险测量概述 | 第17-19页 |
| 2.2.1 信用风险度量的涵义 | 第17-18页 |
| 2.2.2 信用风险测量的指标 | 第18-19页 |
| 2.3 信用风险管理概述 | 第19-23页 |
| 2.3.1 信用风险管理的涵义 | 第19页 |
| 2.3.2 信用风险管理的流程 | 第19-21页 |
| 2.3.3 信用风险管理的相关策略 | 第21页 |
| 2.3.4 信用风险管理的基本原则 | 第21-23页 |
| 第三章 传统 KMV 模型概述 | 第23-29页 |
| 3.1 KMV 模型的基本原理 | 第23-27页 |
| 3.1.1 计算资产价值 V 和资产收益波动性 | 第23-24页 |
| 3.1.2 违约距离的计算 | 第24页 |
| 3.1.3 违约概率的推导 | 第24-26页 |
| 3.1.4 信用资产的评估与违约相关性 | 第26-27页 |
| 3.2 传统 KMV 模型的相对优势与不足 | 第27-29页 |
| 3.2.1 传统 KMV 模型的相对优势 | 第27页 |
| 3.2.2 传统 KMV 模型的不足 | 第27-29页 |
| 第四章 基于净资产收益率指标的 KMV 模型优化 | 第29-35页 |
| 4.1 净资产收益率的作用 | 第29-30页 |
| 4.1.1 净资产收益率（ROE）指标的涵义 | 第29页 |
| 4.1.2 以净资产收益率进行信用风险测量的优势 | 第29-30页 |
| 4.2 以净资产收益率为核心的 KMV 模型 | 第30-32页 |
| 4.3 优化后的 KMV 模型与其他信用风险度量模型的比较 | 第32-35页 |
| 4.3.1 优化后的 KMV 模型与 CRP、CM、CPV 的比较 | 第32-33页 |
| 4.3.2 优化后的 KMV 模型与 CRP、CM、CPV 的适用性分析 | 第33-35页 |
| 第五章 优化后的 KMV 模型的实证分析——以前海地区银行保理业务为例 | 第35-46页 |
| 5.1 数据的来源 | 第35-36页 |
| 5.2 模型的建立与参数的设定 | 第36-42页 |
| 5.2.1 基于 ROE 指标的 KMV 模型的建立 | 第36-40页 |
| 5.2.2 优化后 KMV 模型的参数设定 | 第40-42页 |
| 5.3 基于 ROE 指标的 KMV 模型的实证分析 | 第42-45页 |
| 5.3.1 样本违约距离 | 第42页 |
| 5.3.2 测量结果及分析 | 第42-44页 |
| 5.3.3 K-S 检验 | 第44-45页 |
| 5.4 基于 ROC 指标的 KMV 模型优势 | 第45-46页 |
| 第六章 结论与展望 | 第46-48页 |
| 6.1 研究结论与政策建议 | 第46-47页 |
| 6.1.1 研究结论 | 第46页 |
| 6.1.2 政策建议 | 第46-47页 |
| 6.2 研究不足 | 第47页 |
| 6.3 研究展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51页 |
