| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 1 绪论 | 第12-25页 |
| 1.1 研究背景和意义 | 第12-17页 |
| 1.1.1 研究背景 | 第12-15页 |
| 1.1.2 研究意义 | 第15-17页 |
| 1.2 研究对象的界定 | 第17-20页 |
| 1.2.1 违约概率的界定 | 第17-18页 |
| 1.2.2 货款种类的界定 | 第18-19页 |
| 1.2.3 研究银行的界定 | 第19页 |
| 1.2.4 研究成果的界定 | 第19-20页 |
| 1.3 研究方法与分析框架 | 第20-22页 |
| 1.3.1 研究方法 | 第20页 |
| 1.3.2 分析框架 | 第20-22页 |
| 1.4 创新与不足 | 第22-24页 |
| 1.4.1 创新点 | 第22-23页 |
| 1.4.2 不足之处 | 第23-24页 |
| 注释 | 第24-25页 |
| 2 文献综述 | 第25-39页 |
| 2.1 巴塞尔协议Ⅲ及监管规定综述 | 第25-29页 |
| 2.2 信用风险计量模型 | 第29-32页 |
| 2.3 内部评级法模型 | 第32-33页 |
| 2.4 PD计量模型 | 第33-37页 |
| 2.5 本章小结 | 第37-38页 |
| 注释 | 第38-39页 |
| 3 巴塞尔协议对信用风险和违约概率计量的要求 | 第39-55页 |
| 3.1 巴塞尔资本协议的发展历程 | 第39-42页 |
| 3.1.1 巴塞尔资本协议的起源 | 第39页 |
| 3.1.2 从巴塞尔Ⅰ发展到巴塞尔Ⅱ | 第39页 |
| 3.1.3 从巴塞尔Ⅱ发展到巴塞尔Ⅲ | 第39-40页 |
| 3.1.4 巴塞尔协议的主要框架和内容 | 第40-42页 |
| 3.2 巴塞尔资本协议中关于信用风险的主要内容 | 第42-44页 |
| 3.2.1 巴塞尔资本协议中对信用风险的相关规定 | 第42页 |
| 3.2.2 巴塞尔资本协议中信用风险的计量方法 | 第42-44页 |
| 3.2.3 商业银行实施内部评级法的要求 | 第44页 |
| 3.3 巴塞尔协议的中国化 | 第44-47页 |
| 3.3.1 商业银行资本管理办法出台的背景和意义 | 第44-45页 |
| 3.3.2 商业银行资本管理办法的主要内容和特点 | 第45页 |
| 3.3.3 商业银行资本管理办法中对信用风险计量的要求 | 第45-46页 |
| 3.3.4 商业银行资本管理办法对信用风险计量的验证要求 | 第46-47页 |
| 3.4 巴塞尔协议在我国商业银行中的推进情况 | 第47-50页 |
| 3.4.1 我国商业银行的现状 | 第47页 |
| 3.4.2 巴塞尔协议在我国商业银行中的实施情况 | 第47-49页 |
| 3.4.3 我国商业银行基于信用风险计量的内部评级法的实施情况 | 第49页 |
| 3.4.4 巴塞尔协议实施后对我国银行业的主要影响 | 第49-50页 |
| 3.5 违约概率计量是实施巴塞尔协议的突破口 | 第50-53页 |
| 3.5.1 巴塞尔协议值得信赖吗? | 第50-51页 |
| 3.5.2 巴塞尔协议仍然是商业银行风险计量的全球性准则 | 第51-52页 |
| 3.5.3 巴塞尔协议对我国商业银行信用风险计量的适用性 | 第52-53页 |
| 3.5.4 建立违约概率计量模型是我国实施巴塞尔协议的突破口 | 第53页 |
| 3.6 本章小结 | 第53-54页 |
| 注释 | 第54-55页 |
| 4 经典违约概率模型的适用性研究 | 第55-73页 |
| 4.1 Z值模型 | 第55-56页 |
| 4.1.1 Z值模型的建模思想 | 第55-56页 |
| 4.1.2 Z值模型在我国商业银行违约概率计量中的适用性分析 | 第56页 |
| 4.2 LOGIT模型 | 第56-59页 |
| 4.2.1 Logit模型的建模思想 | 第57-59页 |
| 4.2.2 Logit模型在我国商业银行违约概率计量中的适用性分析 | 第59页 |
| 4.3 MERTON模型 | 第59-62页 |
| 4.3.1 Merton模型的建模思想 | 第59-61页 |
| 4.3.2 Merton模型在我国商业银行违约概率计量中的适用性分析 | 第61-62页 |
| 4.4 CREDITMETRICS模型 | 第62-63页 |
| 4.4.1 CreditMetrics模垄的建模思想 | 第62-63页 |
| 4.4.2 CreditMetrics模型在我国商业银行违约概率计量中的适用性分析 | 第63页 |
| 4.5 KMV模型 | 第63-65页 |
| 4.5.1 KMV模型的建模思想 | 第64-65页 |
| 4.5.2 KMV模型在我国商业银行违约概率计量中的适用性分析 | 第65页 |
| 4.6 CREDITRISK+模型 | 第65-68页 |
| 4.6.1 Creditrisk+模型的建模思想 | 第66-68页 |
| 4.6.2 Creditrisk+模型在我国商业银行违约概率计量中的适用性分析 | 第68页 |
| 4.7 CREDITPORTFOLIO VIEW模型 | 第68-70页 |
| 4.7.1 CreditPortfolio View模型的建模思想 | 第68-69页 |
| 4.7.2 CreditPortfolio View模型在我国商业银行违约概率计量中的适用性分析 | 第69-70页 |
| 4.8 对现有违约概率计量模型的总结 | 第70-71页 |
| 4.8.1 对各类模型在实际应用中的评判标准 | 第70页 |
| 4.8.2 对现有违约概率计量模型的总结 | 第70-71页 |
| 4.9 本章小结 | 第71页 |
| 注释 | 第71-73页 |
| 5 我国现行违约概率模型的合意性研究 | 第73-90页 |
| 5.1 传统的违约概率计量模型(5C模型) | 第73-76页 |
| 5.1.1 5C模型的起源和特点 | 第73-74页 |
| 5.1.2 5C模型的建模思想 | 第74-76页 |
| 5.1.3 5C模型在我国商业银行违约概率计量中应用的难点 | 第76页 |
| 5.2 现行的国内商业银行信贷评级方法 | 第76-84页 |
| 5.2.1 现行的国内商业银行评级方法概述 | 第76页 |
| 5.2.2 评级方法的主要步骤 | 第76-83页 |
| 5.2.3 实证分析和模型缺陷 | 第83-84页 |
| 5.3 国内商业银行违约概率计量模型建模中的难点 | 第84-88页 |
| 5.3.1 违约概率计量模型中的主要难点 | 第84-87页 |
| 5.3.2 主要难点的解决方法 | 第87-88页 |
| 5.4 本章小结 | 第88-89页 |
| 注释 | 第89-90页 |
| 6 我国对公贷款违约概率模型研究：框架和方法 | 第90-119页 |
| 6.1 违约概率计量建模的整体框架 | 第90-94页 |
| 6.1.1 整体框架概述 | 第90页 |
| 6.1.2 违约概率计量建模步骤 | 第90-94页 |
| 6.2 样本数据的分类方法 | 第94-99页 |
| 6.2.1 样本数据的分类方式 | 第94-95页 |
| 6.2.2 决策树模型概述 | 第95-96页 |
| 6.2.3 决策树模型的关键步骤 | 第96-97页 |
| 6.2.4 决策树模型的主要算法和选择 | 第97-99页 |
| 6.2.5 决策树模型用于对客户样本数据进行分类的适用性 | 第99页 |
| 6.3 建立二项LOGISTIC回归模型的方法 | 第99-106页 |
| 6.3.1 建立二项Logistic回归模型的主要步骤 | 第99-100页 |
| 6.3.2 使用单因素分析法初步筛选指标 | 第100-103页 |
| 6.3.3 分数转换 | 第103-104页 |
| 6.3.4 因子分析法对自变量降维 | 第104-105页 |
| 6.3.5 建立二项Logistic回归模型 | 第105-106页 |
| 6.4 对宏观经济周期的修正方法 | 第106-110页 |
| 6.4.1 对宏观经济周期修正的重要意义和主要方法 | 第106-107页 |
| 6.4.2 CPV模型的基本原理和建模思想 | 第107页 |
| 6.4.3 变量的选择 | 第107-109页 |
| 6.4.4 CPV模型对单笔贷款违约概率的影响 | 第109-110页 |
| 6.5 使用聚类模型划分评级的违约概率区间 | 第110-113页 |
| 6.5.1 信用评级划分的意义和难点 | 第110-111页 |
| 6.5.2 聚类分析模型概述及其适用性 | 第111-112页 |
| 6.5.3 聚类分析模型的主要算法 | 第112页 |
| 6.5.4 使用聚类模型划分评级的违约概率区间 | 第112-113页 |
| 6.6 评级调整和推翻的方法 | 第113-117页 |
| 6.6.1 评级调整和推翻的作用及其必要性 | 第113-114页 |
| 6.6.2 违约预警信号的甄别 | 第114-115页 |
| 6.6.3 外部因素对企业的影响 | 第115-116页 |
| 6.6.4 专家主观推翻初始评级 | 第116-117页 |
| 6.7 本章小结 | 第117-118页 |
| 注释 | 第118-119页 |
| 7 我国对公贷款违约概率模型研究：实证检验 | 第119-146页 |
| 7.1 样本数据的采集和管理 | 第119-123页 |
| 7.1.1 样本数据采集的基本要求 | 第119-120页 |
| 7.1.2 样本数据采集的具体过程 | 第120-121页 |
| 7.1.3 数据的取样 | 第121-123页 |
| 7.2 违约概率计量模型的实证分析 | 第123-141页 |
| 7.2.1 决策树模型 | 第123-125页 |
| 7.2.2 拟合模型 | 第125-133页 |
| 7.2.3 聚类分析模型 | 第133-137页 |
| 7.2.4 评级的调整和推翻 | 第137-139页 |
| 7.2.5 宏观经济周期修正模型 | 第139-141页 |
| 7.3 模型识别能力的检验与总结 | 第141-145页 |
| 7.3.1 模型的验证 | 第141-142页 |
| 7.3.2 模型预测能力的主要检验指标 | 第142-145页 |
| 7.4 本章小结 | 第145页 |
| 注释 | 第145-146页 |
| 8 结论和展望 | 第146-152页 |
| 8.1 主要研究结论 | 第146-147页 |
| 8.1.1 主要研究结论 | 第146页 |
| 8.1.2 研究主要贡献 | 第146-147页 |
| 8.1.3 研究结果的启示 | 第147页 |
| 8.2 模型在商业银行经营管理中的应用 | 第147-150页 |
| 8.2.1 信贷管理 | 第147-148页 |
| 8.2.2 信用风险管理和经济资本计量 | 第148-149页 |
| 8.2.3 货款定价管理 | 第149页 |
| 8.2.4 绩效考核管理 | 第149-150页 |
| 8.3 对下一步研究的展望 | 第150-151页 |
| 注释 | 第151-152页 |
| 参考文献 | 第152-157页 |
| 后记 | 第157-159页 |
