| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第15-33页 |
| 1.1 选题背景 | 第15页 |
| 1.2 问题的提出及研究意义 | 第15-16页 |
| 1.2.1 问题的提出 | 第15-16页 |
| 1.2.2 研究意义 | 第16页 |
| 1.3 国内外研究现状 | 第16-27页 |
| 1.3.1 关于信用风险度量的研究 | 第17-20页 |
| 1.3.2 关于信用风险相依的研究 | 第20-24页 |
| 1.3.3 关于系统风险度量与识别研究 | 第24-25页 |
| 1.3.4 关于行业信用风险度量及相依关系的研究 | 第25-26页 |
| 1.3.5 文献评述 | 第26-27页 |
| 1.4 研究方案 | 第27-33页 |
| 1.4.1 研究目标 | 第27-28页 |
| 1.4.2 研究内容 | 第28-29页 |
| 1.4.3 研究方法 | 第29-30页 |
| 1.4.4 技术路线 | 第30-31页 |
| 1.4.5 创新点 | 第31-33页 |
| 第二章 系统信用风险相关理论 | 第33-44页 |
| 2.1 概念界定 | 第33-36页 |
| 2.1.1 系统风险与系统性风险 | 第33-34页 |
| 2.1.2 信用风险与信用风险相依 | 第34-36页 |
| 2.2 信用风险相依的理论基础 | 第36-43页 |
| 2.2.1 信用风险相依的产生 | 第36-38页 |
| 2.2.2 信用风险传染机制分析 | 第38-43页 |
| 2.3 本章小结 | 第43-44页 |
| 第三章 行业信用风险度量 | 第44-53页 |
| 3.1 引言 | 第44页 |
| 3.2 行业信用风险度量模型构建 | 第44-48页 |
| 3.2.1 CCA方法 | 第44-46页 |
| 3.2.2 CCA方法对中国行业信用风险度量的适用性 | 第46-47页 |
| 3.2.3 基于GARCH-CCA模型的行业信用风险度量模型构建 | 第47-48页 |
| 3.3 行业信用风险度量及结果分析 | 第48-52页 |
| 3.3.1 样本选择及说明 | 第48-49页 |
| 3.3.2 行业信用风险度量及结果分析 | 第49-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第四章 行业信用风险的周期性相依分析 | 第53-81页 |
| 4.1 引言 | 第53页 |
| 4.2 行业信用风险的宏观周期性影响因素模型 | 第53-58页 |
| 4.2.1 信贷组合(CreditPortoflioView)模型 | 第53-54页 |
| 4.2.2 行业信用风险宏观影响因素识别模型构建 | 第54-58页 |
| 4.3 行业信用风险周期性相依判别方法 | 第58-65页 |
| 4.3.1 二元copula函数 | 第59页 |
| 4.3.2 基于copula函数的相关性及尾部相关测度 | 第59-60页 |
| 4.3.3 常用的二元copula函数与相关性分析 | 第60-62页 |
| 4.3.4 二元copula模型的构建方法 | 第62-64页 |
| 4.3.5 行业信用风险的周期性尾部相依判别准则 | 第64-65页 |
| 4.4 实证研究 | 第65-78页 |
| 4.4.1 样本选择及说明 | 第65-66页 |
| 4.4.2 宏观经济因素对行业信用风险的影响 | 第66-75页 |
| 4.4.3 宏观经济因素对行业信用风险尾部相依性的影响 | 第75-78页 |
| 4.5 本章小结 | 第78-81页 |
| 第五章 行业信用风险传染性相依分析 | 第81-96页 |
| 5.1 引言 | 第81页 |
| 5.2 R-vinecopula模型 | 第81-88页 |
| 5.2.1 多元copula模型 | 第81-82页 |
| 5.2.2 多变量分布的pair-copula分解模型 | 第82-84页 |
| 5.2.3 Regularvine(R-vine)模型定义及性质 | 第84-87页 |
| 5.2.4 R-vinecopula模型构建 | 第87-88页 |
| 5.3 基于行业信用风险的R-vinecopula模型构建及风险相依分析 | 第88-94页 |
| 5.3.1 样本选择及说明 | 第88页 |
| 5.3.2 基于行业信用风险的R-vinecopula模型构建及风险相依分析 | 第88-94页 |
| 5.4 本章小结 | 第94-96页 |
| 第六章 行业信用风险传染效应研究 | 第96-105页 |
| 6.1 引言 | 第96页 |
| 6.2 基于R-vinecopula模型的危机响应模拟算法设计 | 第96-100页 |
| 6.2.1 二元copula蒙特卡洛样本模拟 | 第96-97页 |
| 6.2.2 R-vinecopula危机响应模拟算法设计 | 第97-100页 |
| 6.3 国民经济系统重要性行业识别及分析——信用风险传染效应研究 | 第100-103页 |
| 6.3.1 基于行业信用风险的R-vinecopula情景模拟 | 第100-102页 |
| 6.3.2 模拟结果分析 | 第102-103页 |
| 6.4 本章小结 | 第103-105页 |
| 第七章 行业信用风险传染路径识别 | 第105-112页 |
| 7.1 引言 | 第105-106页 |
| 7.2 基于pair–copula的贝叶斯网络模型 | 第106-108页 |
| 7.2.1 贝叶斯网络 | 第106-107页 |
| 7.2.2 PCBN(Pair-copulaBayesianNetwork)模型 | 第107-108页 |
| 7.3 基于国民经济行业信用风险的PCBN模型构建及分析 | 第108-111页 |
| 7.3.1 基于国民经济行业信用风险的PCBN模型构建 | 第108-109页 |
| 7.3.2 基于PCBN的行业信用风险传染路径分析 | 第109-110页 |
| 7.3.3 PCBN与R-vinecopula模型比较 | 第110-111页 |
| 7.4 本章小结 | 第111-112页 |
| 第八章 结论、建议与展望 | 第112-116页 |
| 8.1 主要结论 | 第112-113页 |
| 8.2 政策建议 | 第113-115页 |
| 8.3 研究展望 | 第115-116页 |
| 参考文献 | 第116-129页 |
| 致谢 | 第129-130页 |
| 在学期间的研究成果及发表的学术论文 | 第130-131页 |
| 一、攻读博士期间发表的学术论文 | 第130页 |
| 二、攻读博士期间主持、参与的主要课题 | 第130-131页 |
