| 中文摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第一章 引言 | 第7-16页 |
| 1.1 研究的背景、目的和意义 | 第7-9页 |
| 1.1.1 本文研究的背景 | 第7-8页 |
| 1.1.2 本文研究的目的和意义 | 第8-9页 |
| 1.2 国内外文献综述与研究现状 | 第9-14页 |
| 1.2.1 国外文献综述与研究现状 | 第9-11页 |
| 1.2.2 国内文献综述与研究现状 | 第11-14页 |
| 1.3 本文的研究方法、结构安排 | 第14-16页 |
| 1.3.1 本文的研究方法 | 第14页 |
| 1.3.2 本文的结构安排 | 第14-16页 |
| 第二章 KMV模型基本理论 | 第16-27页 |
| 2.1 信用风险度量技术概述 | 第16-20页 |
| 2.1.1 信用风险度量技术的演进 | 第16-17页 |
| 2.1.2 现代信用风险度量模型评述 | 第17-20页 |
| 2.2 KMV模型基本框架 | 第20-25页 |
| 2.2.1 B-S期权定价模型 | 第20-22页 |
| 2.2.2 Merton模型 | 第22-23页 |
| 2.2.3 KMV模型的经典Merton信用风险模式 | 第23-25页 |
| 2.3 KMV模型在中国国情下的应用性分析 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 符号数据理论分析 | 第27-35页 |
| 3.1 符号数据概述 | 第27-29页 |
| 3.2 符号数据的主成分分析理论 | 第29-32页 |
| 3.2.1 区间数据的描述性统计量 | 第29-30页 |
| 3.2.2 区间数据的运算基础 | 第30-31页 |
| 3.2.3 区间数据的主成分分析 | 第31-32页 |
| 3.3 符号数据的聚类分析理论 | 第32-34页 |
| 3.3.1 Hausdorff距离定义 | 第32-33页 |
| 3.3.2 区间数据的聚类分析 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 股票板块特征分析 | 第35-55页 |
| 4.1 研究方法描述 | 第35-37页 |
| 4.1.1 研究样本及数据来源 | 第35-36页 |
| 4.1.2 变量的选择和定义 | 第36-37页 |
| 4.2 实证研究过程 | 第37-47页 |
| 4.2.1 KMV模型的基本测算 | 第37-41页 |
| 4.2.2 区间符号数据的主成分分析 | 第41-44页 |
| 4.2.3 区间符号数据的聚类分析 | 第44-47页 |
| 4.3 实证研究结论和分析 | 第47-53页 |
| 4.3.1 KMV模型测算出的EDF分析 | 第47-49页 |
| 4.3.2 区间变量的相关系数矩阵分析 | 第49-50页 |
| 4.3.3 主成分得分分析 | 第50-51页 |
| 4.3.4 各样本板块的主成分得分分析 | 第51-53页 |
| 4.3.5 聚类分析结论分析 | 第53页 |
| 4.4 本章小结 | 第53-55页 |
| 第五章 总结和展望 | 第55-56页 |
| 5.1 研究内容总结 | 第55页 |
| 5.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 附录 | 第59-61页 |
| 发表论文和科研情况说明 | 第61-62页 |
| 致谢 | 第62页 |