| 摘要 | 第1-3页 |
| ABSTRACT | 第3-7页 |
| 1 引言 | 第7-16页 |
| 1． 1 本文的写作背景 | 第7-9页 |
| 1． 2 本文的研究意义 | 第9-10页 |
| 1． 3 国内外研究现状 | 第10-13页 |
| 1． 3． 1 国内研究现状 | 第10-13页 |
| 1． 3． 2 国外研究现状 | 第13页 |
| 1． 4 本文的研究思路及结构安排 | 第13-15页 |
| 1． 5 本文的创新之处 | 第15-16页 |
| 2 金融风险及信用风险概论 | 第16-18页 |
| 2． 1 金融风险 | 第16-17页 |
| 2． 2 信用风险的特点及其度量困难 | 第17-18页 |
| 3 信用风险度量模型及其发展历史 | 第18-31页 |
| 3． 1 古典的信用风险度量理模型 | 第18-19页 |
| 3． 2 基于统计判别分析方法的预测模型 | 第19-21页 |
| 3． 3 以金融市场为背景的信用风险评估模型 | 第21-27页 |
| 3． 4 信用资产组合的信用风险评价模型 | 第27-28页 |
| 3． 5 基于信息技术的信用风险评估模型 | 第28-31页 |
| 4 上市公司信用风险评估模型的构建及其实证研究-基于FISHER线性判别 | 第31-53页 |
| 4． 1 样本的选择 | 第31-33页 |
| 4． 1． 1 论文中的假设及定义 | 第31页 |
| 4． 1． 2 本文研究样本总体的简单描述 | 第31-32页 |
| 4． 1． 3 本文研究样本的选择方法及选择过程 | 第32-33页 |
| 4． 2 上市公司信用评级指标的选择 | 第33-37页 |
| 4． 3 基于FISHER判别分析的信用风险评估模型 | 第37-53页 |
| 4． 3． 1 Fisher判别分析法的原理 | 第38-39页 |
| 4． 3． 2 Fisher判别模型的构建及其实证研究 | 第39-48页 |
| 4． 3． 3 对前面5个Fisher模型的总结及评价 | 第48-52页 |
| 4． 3． 4 基于Fisher线性判别模型的检验 | 第52-53页 |
| 5 上市公司信用风险评估模型的构建及其实证研究-基于LOGISTIC回归 | 第53-73页 |
| 5． 1 BINARY-LOGISTIC模型简介 | 第53-54页 |
| 5． 2 基于BINARY-LOGISTIC回归的信用风险判别模型的结果分析 | 第54-67页 |
| 5． 2． 1 基于Binary-Logistic回归的信用风险判别模型及结果分析1 | 第54-57页 |
| 5． 2． 2 基于Binary-Logistic回归的信用风险判别模型的结果分析2 | 第57-67页 |
| 5． 3 BINARY-LOGISTIC回归模型的检验 | 第67-68页 |
| 5． 4 FISHER线性判别模型与BINARY-LOGISTIC回归的信用风险评估模型的比较 | 第68页 |
| 5． 5 两个模型公共因子的描述性统计分析 | 第68-70页 |
| 5． 6 两个模型公共因子的均值比较与“T”检验 | 第70-73页 |
| 6 结论及前瞻 | 第73-78页 |
| 6． 1 论文写作过程中出现的问题 | 第73页 |
| 6． 2 上市公司信用风险评估存在的问题及其应对措施 | 第73-77页 |
| 6． 2． 1 我国上市公司信用风险评估中存在的问题 | 第73-75页 |
| 6． 2． 2 上市公司信用风险评估的应对措施 | 第75-77页 |
| 6． 3 未来企业信用风险评估研究趋势展望 | 第77-78页 |
| 附件1： 进入模型的10个评估指标的偏相关分析结果 | 第78-81页 |
| 附件2： 本文的原始数据 | 第81-97页 |
| 参考文献 | 第97-103页 |
| 致谢 | 第103页 |
