商业银行信用风险度量与管理研究

01 导论

1.1 信用风险度量与管理概述／001

1.2 银行信用风险度量与管理的必要性／005

1.3 国内外银行信用风险度量与管理研究进展／007

1.4 本书研究的内容及框架／013

02 现代信用风险度量模型的理论基础及其评析

2.1 现代信用风险度量模型的理论基础／017

2.2 现代信用风险度量方法评析／022

03 基于模糊神经网络上市公司信用风险评价

3.1 模糊神经网络原理／033

3.2 模糊神经网络算法／036

3.3 评估模型指标的提炼／038

3.4 评价过程与实证分析／040

3.5 结束语／044

04 基于粗集和神经网络的非上市公司信用风险评价

4.1 粗集理论简介及数学表达／045

4.2 风险度量指标遘选的粗糙集方法／048

4.3 非上市公司信用的神经网络评价，／055

4.4 结束语／058

05 基于KMV模型的上市公司信用风险度量实证分析

5.1 KMv模型原理及研究方法／061

5.2 违约距离的计算公式／068

5.3 基于KMv模型的我国农业类上市公司信用风险实证分析／069

5.4 结束语／076

06 基于KMV模型的非上市公司信用风险度量实证研究

6.1 非上市公司资产价值和波动性的估计／080

6.2 资产价值和波动率估计的实证研究／083

6.3 农业类非上市公司违约的实证研究／087

6.4 153家非上市公司违约的实证研究／089

6.5 结束语／090

07 信用风险量化管理的银行配套改革

7.1 组织结构优化设计／091

7.2 风险管理信息资源开发与披露／098

7.3 数据质量管理／104

7.4 信用风险量化管理理念与文化的培育／107

08 总结与展望

8.1 研究工作总结／114

8.2 后续研究工作展望／115

参考文献／u7

附表／127

附表1 67家非上市公司财务数据／127

附表2 153家非上市公司(不包含农业类)的财务数据和违约状况／136

附表3 153家非上市公司(不包含农业类)的违约预测结果／142

后记／148

如何对信用风险进行度量和管理是商业银行经营的永恒主题。近年来，商业银行面临的信用风险越来越大、越来越复杂，备受银行体系以及经济主体乃至监管当局的关注。《商业银行信用风险度量与管理研究(经管系列)》以商业银行为视角，研究其风险管理最重要的一环，即对贷款企业信用风险的度量与管理，以期对发展中的我国商业银行提供技术和方法。
　　《商业银行信用风险度量与管理研究(经管系列)》首先界定信用风险的概念和特点，对风险管理领域的理论背景、信用风险度量方法以及国内外的研究状况进行全面的归纳和整理，为《商业银行信用风险度量与管理研究(经管系列)》的研究提出思路和方向。研究以风险度量方法的改进和实证分析为重点，运用上市公司所披露的财务信息，建立了上市公司信用风险评价指标体系，提出信用风险度量的模糊神经网络方法。通过与上海某商业银行的合作，对其1999-2005年的贷款明细和公司财务数据进行了系统研究，运用粗糙集理论的约简功能，从中选出最能反映企业信用状况的8项财务指标，再应用神经网络方法进行信用评价。实证研究表明，所提方法具有较高精度。
　　《商业银行信用风险度量与管理研究(经管系列)》利用CCER提供的上市公司个股行情数据和财务数据，进行了KMV方法的实证研究，对其违约距离计算公式进行了对比和改进，得出了适合中国国情的具体操作方法。对于非上市公司信用风险的动态度量问题，《商业银行信用风险度量与管理研究(经管系列)》研究了由KMV模型发展而来的PFM模型，并结合我国实际情况进行改进，采用神经网络估计方法估计非上市公司的资产价值和波动率，用资产保值增值率代替资产的连续回报，进行违约距离计算。实证研究表明，《商业银行信用风险度量与管理研究(经管系列)》所提方法对我国上市公司、非上市公司具有较好的信用风险评价和预测能力。