本文關(guān)鍵詞：基于遺傳算法的KMV模型最優(yōu)違約點(diǎn)的確定

  更多相關(guān)文章： 期權(quán)定價(jià) KMV模型 遺傳算法 信用風(fēng)險(xiǎn)

【摘要】：在現(xiàn)代金融市場(chǎng)中,資信評(píng)估具有重要的作用,它起著監(jiān)督市場(chǎng)經(jīng)濟(jì)和識(shí)別違約風(fēng)險(xiǎn)的作用,對(duì)經(jīng)濟(jì)的影響可謂是非常巨大的。因此我們有必要建立中國(guó)的信用體系,通過利用股票市場(chǎng)的數(shù)據(jù),KMV模型以期權(quán)定價(jià)作為理論基礎(chǔ),實(shí)現(xiàn)了對(duì)信用風(fēng)險(xiǎn)進(jìn)行直觀監(jiān)測(cè)的目的,對(duì)研究中國(guó)的金融市場(chǎng)意義非凡；由于中國(guó)上市公司的股權(quán)結(jié)構(gòu)具有自己的獨(dú)特性,我們?cè)趨⒖嘉鞣降慕?jīng)驗(yàn)?zāi)Ｐ蜁r(shí)務(wù)必要加以調(diào)整。本文根據(jù)可獲得的中國(guó)上市公司的基本數(shù)據(jù),結(jié)合遺傳算法對(duì)經(jīng)典KMV模型中的最優(yōu)違約觸發(fā)點(diǎn)進(jìn)行了重新定義。結(jié)果顯示改進(jìn)的模型擬合正確率比原模型高,也就是說改進(jìn)的KMv模型更適合應(yīng)用于中國(guó),而且可以預(yù)測(cè)上市公司的違約情況。
【關(guān)鍵詞】：期權(quán)定價(jià) KMV模型 遺傳算法 信用風(fēng)險(xiǎn)
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP18;F832.51;F224
【目錄】：

• 摘要4-5
• Abstract5-8
• 引言8-12
• 1 信用風(fēng)險(xiǎn)評(píng)估模型12-22
• 1.1 信用風(fēng)險(xiǎn)概述12
• 1.2 傳統(tǒng)信用風(fēng)險(xiǎn)度量模型12-15
• 1.2.1 專家制度13-14
• 1.2.2 評(píng)級(jí)法14
• 1.2.3 Z評(píng)分模型14-15
• 1.2.4 ZETA信用風(fēng)險(xiǎn)模型15
• 1.3 現(xiàn)代信用風(fēng)險(xiǎn)度量模型15-21
• 1.3.1 Credit Metrics模型16-17
• 1.3.2 Creditrisk+模型17-19
• 1.3.3 Credit Portfolio View模型19-21
• 1.4 現(xiàn)代信用風(fēng)險(xiǎn)評(píng)估模型之間的比較21-22
• 2 基于期權(quán)定價(jià)理論的KMV模型22-30
• 2.1 Merton期權(quán)理論22-24
• 2.1.1 權(quán)益、負(fù)債、期權(quán)三者之間的關(guān)系22
• 2.1.2 Merton模型22-24
• 2.2 經(jīng)典KMV模型24-28
• 2.2.1 KMV模型的原理24
• 2.2.2 KMV模型的度量信用風(fēng)險(xiǎn)的步驟24-27
• 2.2.3 KMV模型的優(yōu)缺點(diǎn)27-28
• 2.3 基于我國(guó)實(shí)際情況的參數(shù)修正KMV模型28-30
• 2.3.1 公司股權(quán)價(jià)值E和股價(jià)波動(dòng)率δ_E28-29
• 2.3.2 無風(fēng)險(xiǎn)利率29
• 2.3.3 違約觸發(fā)點(diǎn)DP、違約距離DD29
• 2.3.4 違約距離DD和預(yù)期違約概率EDF之間的映射關(guān)系29-30
• 3 遺傳算法30-34
• 3.1 遺傳算法概述30-31
• 3.1.1 遺傳算法的基本原理30
• 3.1.2 遺傳算法的特點(diǎn)30-31
• 3.2 基本遺傳算法31-34
• 3.2.1 基本遺傳算法的構(gòu)成要素31
• 3.2.2 基本遺傳算法的實(shí)現(xiàn)31-34
• 4 實(shí)驗(yàn)結(jié)果與分析34-41
• 4.1 基于遺傳算法的KMV模型框架34-35
• 4.2 樣本選取35-36
• 4.2.1 開發(fā)樣本35-36
• 4.2.2 檢驗(yàn)樣本36
• 4.3 實(shí)驗(yàn)結(jié)果及分析36-41
• 結(jié)論41-42
• 參考文獻(xiàn)42-44
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況44-45
• 致謝45-46

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前9條

1 聶斌;王卓;杜建強(qiáng);朱明峰;林劍鳴;艾國(guó)平;熊玲珠;;基于粗糙集和隨機(jī)森林算法輔助糖尿病并發(fā)癥分類研究[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

2 韓璐;宏偉;韓立巖;;違約預(yù)測(cè)的小波結(jié)構(gòu)模型研究[J];管理工程學(xué)報(bào);2014年04期

3 顏旭;徐蘇平;竇慧莉;;模糊粗糙集中基于測(cè)試代價(jià)敏感的屬性約簡(jiǎn)[J];電子設(shè)計(jì)工程;2015年11期

4 苗晴;馬小劍;;新常態(tài)背景下我國(guó)船舶制造行業(yè)違約風(fēng)險(xiǎn)研究——基于GARCH(1,1)的擴(kuò)展KMV模型的實(shí)證[J];改革與開放;2015年15期

5 謝赤;賴瓊琴;王綱金;;基于JD-KMV模型的上市公司信用風(fēng)險(xiǎn)度量——一個(gè)區(qū)域金融視角下的實(shí)證研究[J];經(jīng)濟(jì)地理;2014年06期

6 霍源源;馮宗憲;李悅;;中小企業(yè)集合融資預(yù)期違約率及影響因素——基于40家科技型上市企業(yè)數(shù)據(jù)的實(shí)證分析[J];經(jīng)濟(jì)管理;2013年10期

7 卿固;辛超群;王維維;;科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究——以遼寧省為例[J];吉林金融研究;2015年08期

8 卿固;辛超群;王維維;;科技型中小企業(yè)信用風(fēng)險(xiǎn)評(píng)估研究——以遼寧省為例[J];北方金融;2015年08期

9 劉玎琳;趙湘蓮;田月紅;;基于KMV模型的農(nóng)業(yè)上市公司信用風(fēng)險(xiǎn)測(cè)度研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2014年12期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 杜永強(qiáng);基于風(fēng)險(xiǎn)補(bǔ)償原理的小企業(yè)貸款定價(jià)模型研究[D];大連理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 周至誠(chéng);我國(guó)上市公司信用風(fēng)險(xiǎn)實(shí)證分析[D];上海師范大學(xué);2013年

2 孫江濤;基于修正KMV模型的我國(guó)上市公司信用風(fēng)險(xiǎn)度量研究[D];江南大學(xué);2013年

3 林于力;信用風(fēng)險(xiǎn)評(píng)估模型研究[D];重慶大學(xué);2014年

4 周威寧;創(chuàng)業(yè)板上市公司信用風(fēng)險(xiǎn)實(shí)證研究[D];浙江財(cái)經(jīng)大學(xué);2014年

5 許美玲;信用風(fēng)險(xiǎn)度量模型的研究與改進(jìn)[D];哈爾濱工業(yè)大學(xué);2014年

6 王俊超;有色金屬行業(yè)上市公司的信用風(fēng)險(xiǎn)度量分析[D];江蘇科技大學(xué);2014年

7 賴瓊琴;基于跳躍擴(kuò)散KMV模型的上市公司信用風(fēng)險(xiǎn)度量[D];湖南大學(xué);2014年

8 馬懷然;基于修正KMV模型的中小企業(yè)信用風(fēng)險(xiǎn)度量研究[D];杭州電子科技大學(xué);2015年

，

本文編號(hào)：678811