【摘要】：提炼上市公司信用风险评价模型指标，进行单项指标的打分，提出基于模糊神经网络的上市公司信用风险评价方法，并进行实证分析。分析研究KMV模型原理及方法，通过我国4家农业类上市公司的KMV模型的连续6年的实证分析，比较了4种违约距离的计算结果，分析并获得了适合我国国情的违约距离计算公式。5）基于KMV模型的非上市公司信用风险度量实证研究。
1.4.1 主要研究内容
基于上述国内外研究现状及本人的知识背景，本书以银行为视角，从银行自身的角度出发来讨论如何进行信用风险管理，包括对贷款对象的信用风险度量和对银行自身的信用风险管理系统的构建。
具体研究内容包括：
1）对现有国际活跃银行使用的信用风险度量模型和管理方法进行归纳和整理，探讨其存在缺陷，并把这些缺陷作为本文的主攻对象，展开本文的研究。
2）基于模糊神经网络上市公司信用风险评价。提炼上市公司信用风险评价模型指标，进行单项指标的打分，提出基于模糊神经网络的上市公司信用风险评价方法，并进行实证分析。
3）基于粗集和神经网络的非上市公司信用风险评价。分析非上市公司信用评价的财务指标，应用粗集方法，遴选对风险评价影响较大的指标，构建非上市公司信用风险度量的指标体系，再利用神经网络进行非上市公司的信用评价，通过实证分析验证所提方法的精度和实用性。
4）基于KMV模型的上市公司信用风险度量实证分析。分析研究KMV模型原理及方法，通过我国4家农业类上市公司的KMV模型的连续6年的实证分析，比较了4种违约距离的计算结果，分析并获得了适合我国国情的违约距离计算公式。
5）基于KMV模型的非上市公司信用风险度量实证研究。构造非上市公司估计的资产价值和波动率估计指标体系，采用神经网络方法，进行非上市公司的资产价值和波动率估计，通过农业类非上市公司和100多家非上市公司违约的实证研究，验证所提方法的实用性。
6）最后探讨了基于新型信用风险度量方法基础上的信用风险管理改革思路。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
