目录
前言
第1章 信用评级的相关概念、历史与制度 1
1.1 信用、信用风险和信用管理的概念 1
1.2 信用评级的概念、特点、作用与分类 2
1.3 信用评级的发展历程 5
1.4 国外的信用评级制度 6
1.5 我国的信用评级制度 9
1.6 我国信用评级的相关法规 10
第2章 信用评级的程序、方法、指标与机构 11
2.1 信用评级程序 11
2.2 信用评级原则 13
2.3 信用评级方法 14
2.4 信用评级指标 15
2.5 信用评级标准 17
2.6 国外著名的信用评级机构介绍 18
2.7 国内主要的信用评级机构介绍 28
第3章 企业信用评级与企业债券评级的传统方法 30
3.1 商业银行与企业信用评级 30
3.2 企业信用评级的指标体系 30
3.3 评定企业信用等级的一种简易方法 32
3.4 贷款企业信用评级报告案例 40
3.5 企业债券评级的传统方法 42
第4章 信用评级模型 53
4.1 信用评级模型的国内外研究现状 53
4.2 5C模型 55
4.3 LAPP法 57
4.4 SWOT分析模型 58
4.5 Chesser信用评分模型 59
4.6 信用评分模型 59
4.7 消费贷款的评分模型 63
4.8 统计方法和神经网络方法在信用评级中应用的比较分析 65
第5章 信用风险计量模型 71
5.1 信用风险计量模型概述 71
5.2 风险价值VaR模型 74
5.3 信用监控KMV模型 78
5.4 信用计量Credit Metrics模型 80
5.5 信贷资产组合模型 85
5.6 信用风险Credit Risk+模型 86
5.7 死亡率模型 87
5.8 信用风险计量模型的简要述评 87
第6章 基于因子分析法的我国上市公司信用评级模型及其应用研究 89
6.1 引言 89
6.2 样本的选取 89
6.3 财务比率的选取 90
6.4 模型的建立 92
6.5 结果检验 95
6.6 结论 96
第7章 基于Logistic回归模型的上市公司信用评级建模及其应用研究 97
7.1 上市公司信用识别研究的现状 97
7.2 样本选取 98
7.3 上市公司信用评级研究模型的选取 98
7.4 基于Logistic回归模型的上市公司信用评级实证研究 100
7.5 结论与建议 105
第8章 基于神经网络方法的信用评级模型及其应用研究 107
8.1 反向传播神经网络的拓扑结构 107
8.2 反向传播神经网络的学习算法 108
8.3 反向传播神经网络的学习程序 110
8.4 反向传播神经网络模型在企业信用评级中应用 111
8.5 反向传播神经网络模型在现金流量因素分析中应用 112
8.6 基于径向基函数神经网络RBF方法的信贷企业信用评级 115
8.7 基于学习向量量化LVQ网络的信用评级建模及应用 118
第9章 基于最小二乘支持向量机方法的上市公司信用评级及应用研究 121
9.1 目前信用评估方法问题 121
9.2 支持向量机方法 121
9.3 最小二乘支持向量机方法 l22
9.4 变量选择与建模样本 123
9.5 最小二乘支持向量机实验建模过程与模拟结果 123
9.6 结果分析与结论 l24
9.7 基于支持向量机的信用评级多分类 125
第10章 基于市场价格与期权定价模型的上市公司违约概率预测及应用研究 127
10.1 KMV模型的基本思路 127
10.2 参数设置 128
10.3 应用研究 130
10.4 结论 137
第1l章 基于相依函数Copula的企业（银行）内部评级法预警及应用研究 138
11.1 基于正态分布产生的随机抽样 138
11.2 因子模型 138
11.3 二元相依函数Copula的代数形式 139
11.4 多元相依函数Copula与因子Copula模型 139
11.5 基于相依函数Copula的信用贷款组合应用 140
11.6 基于相依函数Copula内部评级法预警 141
11.7 企业、政府及银行的风险暴露 141
11.8 违约概率的估测 143
11.9 历史违约率 143
11.10 利用股价来估计违约概率 145
第12章 资本结构作为信用风险信号的动态博弈模型的构建及应用研究 148
12.1 不完全信息动态博弈模型 148
12.2 信号博弈的精炼贝叶斯均衡 149
12.3 不完全信息动态博弈的进一步讨论 152
参考文献 155
展开
