商业银行信用风险度量研究——基于LOGISTIC与KM(15)

银行信用风险度量理论资料

用风险模型的建立具有现实指导意义。

王春峰，万海晖等（１９９８）将判别分析法应用于商业银行信用风

险评估中，并且通过实证及与ｌｏｇｉｔ方法相比较，进一步研究了判别分析法的有效性。王春峰等（１９９９）还研究了神经网络技术在商业银行信用风险评估中的应用，实证结果表明，与传统统计方法（判别分析）相比，神经网络技术具有更高的预测精度和更强的鲁棒性。邹新月，李汉通（２００１）以ＰＴ和ＳＴ上市公司为样本，运用典型判别式方法实证研究了我国上市公司的信用风险。

范南（２００２）对ＣｒｅｄｉｔＭｅｔｒｉｃｓ模型在对我国的借鉴作用及其在

我国的适用性进行了研究。梁琪（２０００）尝试通过对期权定价公式中关于资产具有完全流动性假设的放松，并利用资产的变现比率对资产的市场价值进行修正，进而计算企业的预期违约概率（ＥＤＦ）。

１．３本文的基本框架

本文的基本框架是：

第一章介绍选题背景，对现有研究文献进行分类综述。

第二章分析了信用风险的成因，并将传统的信用风险度量方法

和现代信用风险量化管理的理论进行了对比。总结了信用风险模型化的基本要素和建模思路。

第三章分析了我国商业银行信用风险的现状和缺陷，并对我国

现行商业银行的信用风险量化方法进行了总结和评价，指出了我国现行评价方法的缺陷与不足。

第四章对Ｌｏｇｉｓｔｉｃ模型和ＫＭＶ信用风险模型进行了详细论述，

就两个模型在我国银行信用风险度量中的应用进行了理论和实证的分析。探讨各自的优缺点，试图通过两种方法的结合运用提高甄别银行客户信用风险的准确率。第五章结束语