基于遺傳算法對(duì)KMV模型進(jìn)行了修正,并運(yùn)用修正的KMV模型對(duì)樣本債券在2017—2018期間的違約風(fēng)險(xiǎn)進(jìn)行度量。結(jié)果表明:基于遺傳算法改進(jìn)的KMV模型在預(yù)測(cè)公司債券違約風(fēng)險(xiǎn)方面有著不錯(cuò)的表現(xiàn),擬合正確率遠(yuǎn)高于改進(jìn)前的原模型;并且公司債券所屬行業(yè)的不同會(huì)影響模型違約點(diǎn)的選擇,從而影響KMV模型度量違約風(fēng)險(xiǎn)的效果。 

【文章來(lái)源】：科技與經(jīng)濟(jì). 2020,33(03)

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

訓(xùn)練樣本在最優(yōu)違約點(diǎn)(上)和

【參考文獻(xiàn)】：
期刊論文
[1]基于KMV模型的地方政府債券信用風(fēng)險(xiǎn)研究[J]. 岳秀敏,劉婭.  財(cái)會(huì)通訊. 2017(14)
[2]我國(guó)上市公司動(dòng)態(tài)違約概率KMV模型改進(jìn)[J]. 馬若微,張微,白宇坤.  系統(tǒng)工程. 2014(11)
[3]基于KMV模型的中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J]. 尹麗.  統(tǒng)計(jì)與決策. 2013(06)

碩士論文
[1]基于修正KMV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)測(cè)度[D]. 錢玖琳.南京財(cái)經(jīng)大學(xué) 2016



本文編號(hào)：3537109