本文關(guān)鍵詞：不完全信息下信用風(fēng)險(xiǎn)度量結(jié)構(gòu)模型和應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：從20世紀(jì)90年代以來,金融危機(jī)在世界范圍內(nèi)頻繁爆發(fā),特別是2008年美國(guó)次級(jí)債危機(jī),2009年希臘主權(quán)債務(wù)危機(jī)和從2010年發(fā)生持續(xù)至今的一系列歐洲主權(quán)債務(wù)危機(jī)。較大范圍信用危機(jī)的一再發(fā)生表明,投資者和金融監(jiān)管部門要反思現(xiàn)有的信用風(fēng)險(xiǎn)度量、控制和管理。除了從制度和市場(chǎng)層面的原因來分析信用危機(jī)頻發(fā)的原因之外,也有學(xué)者(比如Guo L.(2013))提出,現(xiàn)有的信用產(chǎn)品定價(jià)機(jī)制存在一定的缺陷：忽視了“不完全信息”因素。正是這種忽視為信用危機(jī)的發(fā)生埋藏了技術(shù)性隱患。事實(shí)上,對(duì)“不完全信息”的忽視會(huì)導(dǎo)致對(duì)信用風(fēng)險(xiǎn)的低估,造成對(duì)違約概率、信用價(jià)差和違約傳染等信用指標(biāo)度量的偏差。從債券托管余額規(guī)模來看,中國(guó)已經(jīng)成為全球第三大債券市場(chǎng)。然而,伴隨著中國(guó)債券市場(chǎng)規(guī)模的快速增長(zhǎng)和產(chǎn)品品種的不斷的多樣化,債券市場(chǎng)的信用違約風(fēng)險(xiǎn)不斷累積。無論是2013年的債市監(jiān)管風(fēng)暴,還是2014年中國(guó)債券市場(chǎng)歷史上首宗違約事件“11超日債”違約,都表明中國(guó)債券市場(chǎng)上存在嚴(yán)重的信息不完全問題,信息披露制度和信用債定價(jià)機(jī)制需要進(jìn)一步的完善和市場(chǎng)化。另外,可以對(duì)沖信用風(fēng)險(xiǎn)的信用衍生品市場(chǎng)的發(fā)展也嚴(yán)重滯后。從微觀層面來看,促進(jìn)信用產(chǎn)品市場(chǎng)的健康發(fā)展,信用產(chǎn)品設(shè)計(jì)和定價(jià)是保障信用產(chǎn)品市場(chǎng)發(fā)展的技術(shù)因素�，F(xiàn)有的信用風(fēng)險(xiǎn)度量理論和應(yīng)用模型大都是以“完全信息”為基本假設(shè),歐美一系列信用危機(jī)表明,完全信息假設(shè)條件下的信用風(fēng)險(xiǎn)模型,并非完全適用于金融市場(chǎng)較為發(fā)達(dá)的歐美等國(guó),更無法被直接用于“信息不完全較為嚴(yán)重的”中國(guó)金融市場(chǎng)。因此,如何構(gòu)建不完全信息條件下的信用風(fēng)險(xiǎn)度量的理論模型,如何對(duì)模型進(jìn)行變量和參數(shù)的估計(jì)以及將其應(yīng)用于信用風(fēng)險(xiǎn)的量化、定價(jià)和對(duì)沖,是一個(gè)具有理論和現(xiàn)實(shí)意義的課題。在現(xiàn)代信用風(fēng)險(xiǎn)度量理論框架下,量化信用風(fēng)險(xiǎn)的理論模型通常被劃分成兩類：信用風(fēng)險(xiǎn)簡(jiǎn)約模型和信用風(fēng)險(xiǎn)結(jié)構(gòu)模型。簡(jiǎn)約模型沒有考慮違約背后的經(jīng)濟(jì)學(xué)原因,建模的起點(diǎn)是直接假設(shè)違約強(qiáng)度服從某個(gè)隨機(jī)過程,因此簡(jiǎn)約模型結(jié)果更多取決于對(duì)違約強(qiáng)度的人為設(shè)定,存在較大的模型設(shè)定風(fēng)險(xiǎn)。與之相反,信用風(fēng)險(xiǎn)結(jié)構(gòu)模型,從描述企業(yè)本身的資本結(jié)構(gòu)入手開始建模,它強(qiáng)調(diào)違約背后的經(jīng)濟(jì)學(xué)原因,這對(duì)于深刻理解企業(yè)信用風(fēng)險(xiǎn)的內(nèi)在原因和債券市場(chǎng)上信用價(jià)差的變化機(jī)理更為有利。已有的信用風(fēng)險(xiǎn)結(jié)構(gòu)模型大都是建立在“完全信息”假設(shè)之上,然而在實(shí)際的應(yīng)用中,完全信息結(jié)構(gòu)模型會(huì)遇到“信用價(jià)差之謎”的現(xiàn)象。造成這個(gè)現(xiàn)象的一個(gè)重要的原因就是：完全信息假設(shè)。Duffie and Lando(2001)首次提出并研究了信息質(zhì)量在信用價(jià)差估計(jì)中的影響。他們假設(shè)企業(yè)的財(cái)務(wù)報(bào)告信息是含有噪聲的,即投資者只能獲得企業(yè)資產(chǎn)價(jià)值的不完全信息,然后從理論上導(dǎo)出了不完全信息下信用價(jià)差的估值公式。該模型解決了原有的結(jié)構(gòu)模型自身固有的違約時(shí)間的可料性問題,推出了非零的短期信用價(jià)差,而且將結(jié)構(gòu)模型和簡(jiǎn)約模型統(tǒng)一到了一個(gè)框架內(nèi),得到了一個(gè)結(jié)構(gòu)-簡(jiǎn)約混合模型。此后一些學(xué)者開始探索信息結(jié)構(gòu)對(duì)企業(yè)違約概率和債券定價(jià)的影響。但是,在現(xiàn)有的基于不完全信息的結(jié)構(gòu)模型研究中,大都假設(shè)不完全信息源于無偏的財(cái)務(wù)報(bào)告,而在現(xiàn)實(shí)的市場(chǎng)上,財(cái)務(wù)報(bào)告信息通常是具有系統(tǒng)性偏倚的。本文將財(cái)務(wù)報(bào)告信息中的信息扭曲因素引入到信用風(fēng)險(xiǎn)結(jié)構(gòu)模型中,利用“有偏分布”來捕獲財(cái)務(wù)報(bào)告中存在的夸大或者隱瞞真實(shí)資產(chǎn)價(jià)值的現(xiàn)象,并且獲得了存在信息偏誤條件下資產(chǎn)價(jià)值的條件分布、企業(yè)的違約概率和企業(yè)所發(fā)行債券的信用價(jià)差的計(jì)算公式,最后利用數(shù)值模擬試驗(yàn)分析了信息的偏誤程度對(duì)資產(chǎn)價(jià)值的條件分布、違約概率和信用價(jià)差的具體影響機(jī)制。數(shù)值模擬結(jié)果表明,在一個(gè)不確定性的環(huán)境中,由創(chuàng)造性的財(cái)務(wù)和自由裁量公開所導(dǎo)致的向上的偏倚會(huì)導(dǎo)致噪聲和違約概率之間的一個(gè)正的、非線性的關(guān)系,從而進(jìn)一步造成違約強(qiáng)度的上升。而由財(cái)務(wù)保守造成的向下偏倚會(huì)導(dǎo)致噪聲和和違約概率(從而和信用價(jià)差)之間的負(fù)的、非線性的關(guān)系。而且通過假設(shè)向上的偏倚,模型不僅產(chǎn)生了一個(gè)正的短期信用風(fēng)險(xiǎn)溢價(jià),而且也獲得了整個(gè)的信用價(jià)差的期限結(jié)構(gòu)內(nèi)的非零的信用風(fēng)險(xiǎn)溢價(jià)。模型提供了在信息不完全環(huán)境下,更好的理解信用風(fēng)險(xiǎn)和資產(chǎn)價(jià)值不確定性之間的關(guān)系的新思路。另外,現(xiàn)實(shí)的財(cái)務(wù)報(bào)告公示制度中也客觀存在信息公布時(shí)間滯后現(xiàn)象,這也會(huì)造成信息不完全。本文利用滯后信息濾波來描述證券市場(chǎng)上信息公布的時(shí)間滯后,給出了具體量化信息披露中的時(shí)間滯后特征的方法,推導(dǎo)了信息滯后下的違約概率和信用價(jià)差的理論計(jì)算公式。最后利用數(shù)值模擬試驗(yàn)分析了不同信息滯后期對(duì)違約概率、信用價(jià)差期限結(jié)構(gòu)的具體影響機(jī)制。數(shù)值模擬分析結(jié)果顯示,對(duì)于不同的到期日的債券來說,對(duì)信息披露的滯后期的影響是不同的：于1年期以內(nèi)的短期債券,信息披露滯后期l的影響最大,對(duì)于3-5年期的中短期債券來說,信息披露滯后期l的影響較大,而對(duì)于5年以上的中長(zhǎng)期債券來說,信息披露滯后期l的影響最小雖然在理論上,結(jié)構(gòu)模型具有非常好的經(jīng)濟(jì)學(xué)含義和完美的數(shù)學(xué)模型形式。但是在將結(jié)構(gòu)模型應(yīng)用于實(shí)踐時(shí)面臨一個(gè)困難：資產(chǎn)價(jià)值和波動(dòng)率的不可觀測(cè)性,這是結(jié)構(gòu)模型應(yīng)用的根本障礙。現(xiàn)有的解決思路有Credit Monitor模型(KMV模型),數(shù)據(jù)轉(zhuǎn)換MLE方法和迭代方法。但是,這三種方法應(yīng)用的基本前提是：市場(chǎng)是完全信息的。首次提出不完全信息條件下估計(jì)企業(yè)資產(chǎn)價(jià)值的計(jì)量經(jīng)濟(jì)學(xué)方法的是D uan and Fulop(2009),他們?cè)诔?shù)波動(dòng)率Merton模型分析框架下引入了噪聲信息,利用粒子濾波技術(shù)和狀態(tài)變量拓展方法,獲得了資產(chǎn)價(jià)值和模型參數(shù)的聯(lián)合估計(jì)。不過該方法會(huì)導(dǎo)致靜態(tài)參數(shù)估計(jì)的非穩(wěn)定異化,這使得該方法存在較大的估計(jì)誤差。本文放棄了狀態(tài)變量拓展方法(SL-SIR濾波估計(jì)方法),利用基于粒子平滑的EM算法來獲得模型參數(shù)的估計(jì)。數(shù)值模擬試驗(yàn)表明,PSEM算法可以克服SL-SIR濾波估計(jì)的靜態(tài)參數(shù)的動(dòng)態(tài)異化問題,而且LR檢驗(yàn)表明PSEM估計(jì)具有較高的估計(jì)精度。最后利用超日太陽能企業(yè)實(shí)際數(shù)據(jù)對(duì)模型進(jìn)行了實(shí)證分析,實(shí)證結(jié)果表明,在正常的市場(chǎng)環(huán)境中,該模型具有較強(qiáng)的適用性,本章模型可以準(zhǔn)確的估計(jì)出不可觀察的資產(chǎn)價(jià)值的變動(dòng),估計(jì)結(jié)果同現(xiàn)實(shí)的市場(chǎng)表現(xiàn)基本一致,從而為進(jìn)一步進(jìn)行企業(yè)債務(wù)信用風(fēng)險(xiǎn)的度量提供了有力的數(shù)據(jù)保障。此外,大量的實(shí)證研究表明,常數(shù)波動(dòng)率假設(shè)會(huì)導(dǎo)致Merton模型在估計(jì)信用風(fēng)險(xiǎn)測(cè)度的時(shí)候存在較大的偏倚。本文在噪聲信息環(huán)境下,在Merton模型中引入隨機(jī)波動(dòng)率構(gòu)造了HSV-Merto n信用風(fēng)險(xiǎn)模型,給出了一個(gè)雙狀態(tài)變量的(資產(chǎn)價(jià)值和波動(dòng)率)非線性、非高斯?fàn)顟B(tài)空間模型,設(shè)計(jì)了“雙狀態(tài)變量輔助粒子濾波(BV-APF)"算法來估計(jì)該模型的狀態(tài)變量和模型參數(shù)。數(shù)值模擬試驗(yàn)結(jié)果顯示,BV-APF粒子濾波技術(shù)具有良好的有限樣本績(jī)效。最后利用真實(shí)數(shù)據(jù)中進(jìn)行了實(shí)證分析,將HSV-Merton模型的同Merton模型的估計(jì)進(jìn)行了對(duì)比,并且利用噪聲信息下的HSV-Merton模型進(jìn)行了實(shí)際的信用風(fēng)險(xiǎn)測(cè)度,結(jié)果表明HSV-Merton模型比Merton模型更適合于中國(guó)市場(chǎng)上信用風(fēng)險(xiǎn)的測(cè)度。最后,本文還拓展了利用非線性濾波技術(shù)估計(jì)結(jié)構(gòu)模型的思路,討論了不完全信息下的更為一般的結(jié)構(gòu)模型Black-Cox模型的計(jì)量經(jīng)濟(jì)學(xué)分析。特別的,利用粒子馬爾科夫蒙特卡洛方法(PMCMC)和廣義Gibbs抽樣算法,對(duì)Black-Cox模型分析框架下所有的模型參數(shù)和資產(chǎn)過程進(jìn)行了聯(lián)合估計(jì)。數(shù)值模擬研究表明,廣義Gibbs抽樣方法可以成功的估計(jì)參數(shù),尤其是對(duì)于模型的參數(shù)μ和σV更是如此。通過采用廣義Gibbs抽樣算法,能夠提高所有的模型參數(shù)估計(jì)的收斂的速度。此外,利用市場(chǎng)噪聲信息的相對(duì)程度和市場(chǎng)流動(dòng)性的兩個(gè)代理變量之間的相關(guān)系數(shù)符號(hào),我們說明了如何根據(jù)波動(dòng)率精確的反映真實(shí)市場(chǎng)的性質(zhì)。最后利用實(shí)際數(shù)據(jù)對(duì)噪聲信息下的Black-Cox模型進(jìn)行了實(shí)證檢驗(yàn),分析結(jié)果表明本文的模型可以作為在不完全信息較為嚴(yán)重的環(huán)境中,有效的測(cè)度企業(yè)的違約風(fēng)險(xiǎn)和預(yù)測(cè)債券的信用價(jià)差。
【關(guān)鍵詞】：不完全信息 信用風(fēng)險(xiǎn)結(jié)構(gòu)模型 粒子濾波技術(shù) 數(shù)值模擬 實(shí)證分析
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.51;F224
【目錄】：

• 摘要14-18
• ABSTRACT18-21
• 第1章 緒論21-32
• 1.1 問題的提出21-24
• 1.1.1 歐美債務(wù)危機(jī)、中國(guó)信用產(chǎn)品市場(chǎng)與信用風(fēng)險(xiǎn)度量21-22
• 1.1.2 信用風(fēng)險(xiǎn)結(jié)構(gòu)模型“理論研究”的不足和啟示22-23
• 1.1.3 信用風(fēng)險(xiǎn)結(jié)構(gòu)模型的“應(yīng)用困境”和解決思路23-24
• 1.2 主要概念的界定24-25
• 1.3 研究方法與研究思路25-29
• 1.4 論文的創(chuàng)新與不足29-32
• 第2章 信用風(fēng)險(xiǎn)結(jié)構(gòu)模型理論與應(yīng)用研究進(jìn)展及其評(píng)述32-46
• 2.1 信用風(fēng)險(xiǎn)結(jié)構(gòu)模型的“理論研究”進(jìn)展32-38
• 2.1.1 完全信息下的結(jié)構(gòu)模型32-36
• 2.1.2 不完全信息下的結(jié)構(gòu)模型36-38
• 2.2 信用風(fēng)險(xiǎn)結(jié)構(gòu)模型的“應(yīng)用研究”進(jìn)展38-44
• 2.2.1 Credit Monitor模型(KMV模型)39-42
• 2.2.2 數(shù)據(jù)轉(zhuǎn)換極大似然估計(jì)42-43
• 2.2.3 DF粒子濾波方法43-44
• 2.3 對(duì)信用風(fēng)險(xiǎn)結(jié)構(gòu)模型研究的評(píng)述44-45
• 2.4 本章小節(jié)45-46
• 第3章 信用風(fēng)險(xiǎn)度量中的不完全信息與定量刻畫46-57
• 3.1 經(jīng)濟(jì)金融活動(dòng)中的不完全信息46-48
• 3.1.1 信息不完全與信息經(jīng)濟(jì)學(xué)46-47
• 3.1.2 信用風(fēng)險(xiǎn)與信息不完全47-48
• 3.2 對(duì)金融市場(chǎng)微觀主體信息的重新界定48-55
• 3.2.1 券市場(chǎng)信息披露的三個(gè)基本要求49-50
• 3.2.2 對(duì)不完全信息的三類劃分和界定50-52
• 3.2.3 微觀經(jīng)濟(jì)主體信息的定量刻畫52-55
• 3.3 本章小結(jié)55-57
• 第4章 有偏噪聲信息和謙后信息下信用風(fēng)險(xiǎn)結(jié)構(gòu)模型57-77
• 4.1 有偏噪聲信息下的信用風(fēng)險(xiǎn)結(jié)構(gòu)模型57-67
• 4.1.1 模型的基本設(shè)定和財(cái)務(wù)信息偏誤58-61
• 4.1.2 財(cái)務(wù)信息偏誤下的違約概率、債券定價(jià)和信用價(jià)差61-63
• 4.1.3 信息偏誤對(duì)信用風(fēng)險(xiǎn)度量影響的數(shù)值分析63-67
• 4.2 滯后信息下的信用風(fēng)險(xiǎn)結(jié)構(gòu)模型67-75
• 4.2.1 基本模型設(shè)定和信息披露滯后68-70
• 4.2.2 信息滯后下的違約概率、債券定價(jià)和信用價(jià)差70-71
• 4.2.3 信息滯后對(duì)信用風(fēng)險(xiǎn)度量影響的數(shù)值分析71-75
• 4.3 本章小結(jié)75-77
• 第5章 不完全信息下信用風(fēng)險(xiǎn)結(jié)構(gòu)模型的應(yīng)用分析77-83
• 5.1 結(jié)構(gòu)模型應(yīng)用的關(guān)鍵變量——資產(chǎn)價(jià)值和波動(dòng)率77-78
• 5.2 不完全信息下資產(chǎn)價(jià)值和波動(dòng)率的狀態(tài)空間模型78-81
• 5.2.1 基于經(jīng)典Merton模型的資產(chǎn)價(jià)值的狀態(tài)空間模型78-79
• 5.2.2 基于HSV-Merton模型的資產(chǎn)價(jià)值和波動(dòng)率的狀態(tài)空間模型79-80
• 5.2.3 基于Black-Cox模型的資產(chǎn)價(jià)值的狀態(tài)空間模型80-81
• 5.3 本章小結(jié)81-83
• 第6章 狀態(tài)空間模型與粒子濾波技術(shù)83-122
• 6.1 狀態(tài)空間模型的一般形式83-85
• 6.2 狀態(tài)變量的貝葉斯濾波和平滑85-90
• 6.2.1 遞歸貝葉斯濾波85-89
• 6.2.2 遞歸貝葉斯平滑89-90
• 6.3 基于粒子濾波的濾波分布估計(jì)90-101
• 6.3.1 標(biāo)準(zhǔn)粒子濾波91-97
• 6.3.2 輔助粒子濾波97-99
• 6.3.3 LC粒子濾波99-100
• 6.3.4 粒子濾波性能評(píng)估100-101
• 6.4 基于粒子濾波的平滑分布估計(jì)101-103
• 6.4.1 粒子平滑101-102
• 6.4.2 向后-模擬粒子平滑102-103
• 6.5 基于粒子濾波的靜態(tài)參數(shù)估計(jì)103-118
• 6.5.1 參數(shù)的后驗(yàn)分布和最大后驗(yàn)點(diǎn)估計(jì)104-106
• 6.5.2 參數(shù)估計(jì)的粒子EM算法(P-EM)106-111
• 6.5.3 參數(shù)估計(jì)的粒子MCMC(PMCMC)111-115
• 6.5.4 參數(shù)估計(jì)的狀態(tài)擴(kuò)展法115-118
• 6.6 基于粒子濾波的時(shí)變參數(shù)估計(jì)118-121
• 6.7 本章小結(jié)121-122
• 第7章 不完全信息下Merton模型的粒子濾波估計(jì)122-142
• 7.1 不完全信息下資產(chǎn)價(jià)值的狀態(tài)空間模型122-125
• 7.1.1 經(jīng)典的Merton模型123-124
• 7.1.2 資產(chǎn)價(jià)值的非線性狀態(tài)空間模型124-125
• 7.2 資產(chǎn)價(jià)值的粒子濾波估計(jì)125-128
• 7.2.1 資產(chǎn)價(jià)值的貝葉斯濾波125-126
• 7.2.2 資產(chǎn)價(jià)值的粒子濾波估計(jì)126-128
• 7.3 模型參數(shù)的粒子平滑EM估計(jì)128-136
• 7.3.1 E步：計(jì)算聯(lián)合似然函數(shù)的期望值129-132
• 7.3.2 M步：最大化期望值132-133
• 7.3.3 粒子平滑EM算法的數(shù)值模擬分析133-136
• 7.4 實(shí)證分析136-140
• 7.4.1 數(shù)據(jù)的選擇和初始參數(shù)值的設(shè)定136-137
• 7.4.2 模型參數(shù)估計(jì)結(jié)果和分析137-140
• 7.5 不完全信息Merton模型的應(yīng)用：信用風(fēng)險(xiǎn)測(cè)度140
• 7.6 本章小結(jié)140-142
• 第8章 不完全信息下HSV-Merton模型的粒子濾波估計(jì)142-162
• 8.1 噪聲信息下具有Heston隨機(jī)波動(dòng)的Merton模型142-145
• 8.1.1 具有Heston隨機(jī)波動(dòng)的Merton模型142-144
• 8.1.2 噪聲信息下的HSV-Merton模型144-145
• 8.2 HSV-Merton模型的粒子濾波估計(jì)145-150
• 8.2.1 雙狀態(tài)變量的輔助粒子濾波算法146-148
• 8.2.2 狀態(tài)變量和模型參數(shù)的聯(lián)合估計(jì)148-150
• 8.3 數(shù)值模擬研究150-153
• 8.4 實(shí)證分析和結(jié)果153-159
• 8.4.1 數(shù)據(jù)描述和初始值設(shè)定153-155
• 8.4.2 模型參數(shù)估計(jì)155-158
• 8.4.3 模型估計(jì)的績(jī)效分析158-159
• 8.5 不完全信息HSV-Merton模型的應(yīng)用：信用風(fēng)險(xiǎn)測(cè)度159-161
• 8.6 本章小結(jié)161-162
• 第9章 不完全信息下Black-Cox模型的粒子濾波估計(jì)162-184
• 9.1 均值回復(fù)噪聲信息下的Black-Cox模型163-167
• 9.1.1 資產(chǎn)價(jià)值的一般狀態(tài)空間模型163-165
• 9.1.2 均值回復(fù)噪聲信息過程165
• 9.1.3 基于Black-Cox模型的股票對(duì)數(shù)價(jià)格165-167
• 9.2 資產(chǎn)價(jià)值的粒子濾波估計(jì)167-171
• 9.2.1 資產(chǎn)價(jià)值的粒子濾波估計(jì)168-169
• 9.2.2 數(shù)值模擬分析169-171
• 9.3 資產(chǎn)價(jià)值和參數(shù)的聯(lián)合濾波估計(jì)171-177
• 9.3.1 廣義Gibbs估計(jì)171-173
• 9.3.2 數(shù)值模擬分析173-177
• 9.4 實(shí)證分析和實(shí)際的信用風(fēng)險(xiǎn)度量177-182
• 9.4.1 數(shù)據(jù)的選擇和參數(shù)估計(jì)結(jié)果177-179
• 9.4.2 噪聲信息下的信用價(jià)差179-182
• 9.5 本章小結(jié)182-184
• 第10章 研究結(jié)論、政策建議與研究展望184-190
• 10.1 研究結(jié)論184-185
• 10.2 論文的政策建議185-188
• 10.3 對(duì)未來研究的展望188-190
• 附錄190-191
• 參考文獻(xiàn)191-203
• 致謝203-205
• 攻讀博士學(xué)位期間發(fā)表論文情況205-206
• 附表206

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 張澤京;陳曉紅;王傅強(qiáng);;基于KMV模型的我國(guó)中小上市公司信用風(fēng)險(xiǎn)研究[J];財(cái)經(jīng)研究;2007年11期

2 袁瑞英;;會(huì)計(jì)信息透明度對(duì)信用風(fēng)險(xiǎn)影響研究[J];財(cái)會(huì)通訊;2014年24期

3 楊小軍;潘泉;王睿;張洪才;;粒子濾波進(jìn)展與展望[J];控制理論與應(yīng)用;2006年02期

4 潘秀娟;楊寶臣;;基于泰勒線性化的信用債券的定價(jià)及實(shí)證分析[J];宏觀經(jīng)濟(jì)研究;2014年07期

5 吳建華;王新軍;張穎;;企業(yè)信息披露滯后對(duì)債券違約風(fēng)險(xiǎn)影響的量化分析[J];金融經(jīng)濟(jì)學(xué)研究;2014年06期

6 唐齊鳴;黃苒;;中國(guó)上市公司違約風(fēng)險(xiǎn)的測(cè)度與分析——跳—擴(kuò)散模型的應(yīng)用[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2010年10期

7 馬若微;;KMV模型運(yùn)用于中國(guó)上市公司財(cái)務(wù)困境預(yù)警的實(shí)證檢驗(yàn)[J];數(shù)理統(tǒng)計(jì)與管理;2006年05期

8 馬婷;吳劉倉;黃麗;;基于偏正態(tài)分布聯(lián)合位置、尺度與偏度模型的極大似然估計(jì)[J];數(shù)理統(tǒng)計(jì)與管理;2013年03期

9 夏紅芳;馬俊海;;基于KMV模型的上市公司信用風(fēng)險(xiǎn)預(yù)測(cè)[J];預(yù)測(cè);2008年06期

10 曾詩鴻;王芳;;基于KMV模型的制造業(yè)上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J];預(yù)測(cè);2013年02期

  本文關(guān)鍵詞：不完全信息下信用風(fēng)險(xiǎn)度量結(jié)構(gòu)模型和應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：484900