| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第一章 绪论 | 第11-30页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 选题意义 | 第12-14页 |
| 1.3 国内外文献综述 | 第14-25页 |
| 1.3.1 国内外对银行信用风险及信用风险评估模型的研究 | 第14-18页 |
| 1.3.2 国内外关于商业银行宏观压力测试方面的相关研究 | 第18-20页 |
| 1.3.3 国内外关于相关政策、因素对银行信用风险水平的影响研究 | 第20-25页 |
| 1.3.4 相关文献研究成果的简要评述及研究展望 | 第25页 |
| 1.4 研究方法与结构安排 | 第25-29页 |
| 1.4.1 研究方法 | 第25-26页 |
| 1.4.2 结构安排 | 第26-29页 |
| 1.5 研究创新点 | 第29-30页 |
| 第二章 模型构造理论基础 | 第30-43页 |
| 2.1 CPV模型 | 第30-33页 |
| 2.1.1 CPV模型的原理 | 第30-32页 |
| 2.1.2 CPV模型对于违约概率分布的求解 | 第32-33页 |
| 2.1.3 CPV模型的优缺点分析 | 第33页 |
| 2.2 建立基于偏最小二乘法改进的CPV模型 | 第33-37页 |
| 2.2.1 主成分分析 | 第34-35页 |
| 2.2.2 单因变量的PLS线性回归 | 第35-37页 |
| 2.3 宏观压力测试模型 | 第37-40页 |
| 2.3.1 宏观压力测试的选取依据 | 第37-38页 |
| 2.3.2 宏观压力测试的分析方法 | 第38-40页 |
| 2.4 基于CPV模型改进的宏观压力测试模型构建方法 | 第40-42页 |
| 2.5 本章小结 | 第42-43页 |
| 第三章 基于CPV的中国商业银行信用风险宏观压力测试模型构建 | 第43-58页 |
| 3.1 变量的选取 | 第43-45页 |
| 3.1.1 因变量的选取 | 第43页 |
| 3.1.2 自变量的选取 | 第43-45页 |
| 3.2 数据的获得及处理 | 第45-49页 |
| 3.2.1 数据的获得 | 第45-46页 |
| 3.2.2 数据的处理 | 第46-49页 |
| 3.3 构建基于CPV的中国商业银行信用风险宏观压力测试模型 | 第49-55页 |
| 3.3.1 建立基于偏最小二乘法改进的CPV模型 | 第49-52页 |
| 3.3.2 估计各宏观变量自回归模型参数及同期方差-协方差矩阵 | 第52-54页 |
| 3.3.3 设置压力情景及蒙特卡洛模拟 | 第54-55页 |
| 3.4 不同压力情景下宏观压力测试结果 | 第55-57页 |
| 3.5 本章小结 | 第57-58页 |
| 第四章 主要结论与政策建议 | 第58-62页 |
| 4.1 主要结论 | 第58-59页 |
| 4.2 政策建议 | 第59-61页 |
| 4.2.1 完善监管体制 | 第59-60页 |
| 4.2.2 加强银行内部管控 | 第60-61页 |
| 4.3 本文的不足与展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67页 |
