上市公司信用风险的实证研究--基于KMV模型、Naive模型与LT模型的比较
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 1 引言 | 第10-20页 |
| 1.1 选题背景及意义 | 第10-13页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 选题意义 | 第11-13页 |
| 1.2 国内外研究综述 | 第13-17页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 论文研究内容和结构安排 | 第17-18页 |
| 1.4 论文的创新及不足之处 | 第18-20页 |
| 1.4.1 论文的创新之处 | 第18-19页 |
| 1.4.2 论文的不足 | 第19-20页 |
| 2 信用风险管理的基本理论 | 第20-25页 |
| 2.1 信用风险基本定义 | 第20-21页 |
| 2.2 信用风险的特点 | 第21-22页 |
| 2.3 信用风险的分类 | 第22-23页 |
| 2.4 信用风险产生的原因 | 第23-25页 |
| 3 KMV模型、Naive模型与LT模型理论分析 | 第25-35页 |
| 3.1 KMV模型——外生违约边界模型 | 第25-29页 |
| 3.1.1 违约风险的三个决定因素 | 第26页 |
| 3.1.2 了解违约概率的信息来源 | 第26页 |
| 3.1.3 估计违约概率的步骤 | 第26-29页 |
| 3.2 Naive模型——简化Merton模型 | 第29-30页 |
| 3.3 LT模型——内生违约边界模型 | 第30-35页 |
| 3.3.1 LT模型基本假设 | 第32页 |
| 3.3.2 内生违约边界的计算 | 第32-33页 |
| 3.3.3 预期违约率的计算 | 第33-35页 |
| 4 KMV模型、Naive模型与LT模型实证分析 | 第35-51页 |
| 4.1 样本选取 | 第35-36页 |
| 4.2 基于KMV模型的实证研究 | 第36-41页 |
| 4.2.1 参数的选择与计算 | 第36-40页 |
| 4.2.2 违约距离 | 第40-41页 |
| 4.3 基于Naive模型的实证研究 | 第41-43页 |
| 4.3.1 参数的选择与计算 | 第41页 |
| 4.3.2 违约距离 | 第41-43页 |
| 4.4 基于LT模型的实证研究 | 第43-47页 |
| 4.4.1 参数的选择与计算 | 第43-44页 |
| 4.4.2 违约距离 | 第44-47页 |
| 4.5 实证结果分析 | 第47-51页 |
| 4.5.1 违约距离的统计学描述 | 第47-49页 |
| 4.5.2 违约距离的显著性检验 | 第49-51页 |
| 5 模型识别能力的检验 | 第51-60页 |
| 5.1 模型识别能力的ROC法则 | 第51-55页 |
| 5.1.1 ROC曲线的构建思想 | 第51-52页 |
| 5.1.2 建立基于Logistic的ROC模型 | 第52-53页 |
| 5.1.3 ROC曲线检验 | 第53-55页 |
| 5.2 累计精确度(CAP)和精确比率(AR) | 第55-58页 |
| 5.2.1 CAP曲线的构建思想 | 第55-56页 |
| 5.2.2 CAP曲线检验 | 第56-58页 |
| 5.3 基于KMV模型的预警线的设置 | 第58-60页 |
| 6 结论和政策建议 | 第60-64页 |
| 6.1 本文的结论 | 第60-61页 |
| 6.2 进—步研究的方向 | 第61-62页 |
| 6.3 政策建议 | 第62-64页 |
| 附录 | 第64-67页 |
| 参考文献 | 第67-71页 |
| 后记 | 第71-72页 |
