第1章 引言
1．1选题背景
1．2研究意义
1．3本书主要内容
1．4研究方法和技术路线
第2章 文献综述
2．1商业银行信用风险述评
2．1．1商业银行信用风险的含义
2．1．2商业银行信用风险的特征
2．1．3商业银行风险管理体系的建立
2．1．4商业银行风险管理方法的演变
2．1．5商业银行风险管理的核心思想
2．2我国商业银行信用风险成因述评
2．2．1我国商业银行信用风险成因的外部因素
2．2．2我国商业银行信用风险成因的内部因素
2．3信用风险评估及度量方法述评
2．3．1以理论模型为基础的信用风险度量
2．3．2基于Z一得分方法的信用风险评估
2．3．3以多元统计为基础的信用风险评估
2．3．4以期权理论模型为基础的信用风险度量
2．3．5基于人工智能方法的信用风险评估
2．4巴塞尔协议下的信用风险管理理论述评
2．4．1巴塞尔协议的发展历程及评价
2．4．2巴塞尔协议Ⅲ中信用风险管理方法
第3章 巴塞尔协议
3．1巴塞尔委员会简介
3．1．1巴塞尔委员会成立背景与意义
3．1．2巴塞尔委员会发展历程
3．1．3制定巴塞尔协议的背景与意义
3．2巴塞尔协议(版)(BaselAccordI)
3．2．1BaselAccordI的成立背景
3．2．2BaselAccordI的主要内容
3．2．3BaselAccordI的优势与不足
3．3巴塞尔协议(第二版)(BaselAccordⅡ)
3．3．1BaselAccordⅡ的成立背景
3．3．2BaselAccordⅡ的主要内容
3．3．3BaselAccordⅡ的优势与不足
3．4巴塞尔协议(第三版)(BaselAccordⅢ)
3．4．1BaselAccordⅢ的成立背景
3．4．2BaselAccordⅢ的主要内容
3．4．3中国银行业当前的监管指标体系
3．4．4BaselAccordⅢ的优势与不足
3．5案例分析
第4章 基于可信性理论和层次分析法的信用风险评估模型
4．1可信性测度简介
4．1．1可能性测度
4．1．2必要性测度
4．1．3可信性测度
4．2层次分析法理论简介
4．3基于可信性测度的多层次模糊综合评估模型
4．4商业银行信用风险的可信性测度的综合评估
4．4．1信用风险评价指标体系的建立
4．4．2信用风险因素集与评语集的确定
4．4．3信用风险评价指标权重的确定
4．4．4对商业银行信用风险的综合评估
4．5本章小结
第5章 基于v-SVR的商业银行信用风险度量
5．1支持向量机模型概述
5．1．1统计学习理论概述
5．1．2结构风险小化
5．1．3核函数
5．1．4支持向量机模型概述
5．1．5支持向量回归机
5．2BP神经网络算法概述
5．2．1BP神经网络的理论基础
5．2．2BP神经网络的算法思想
5．2．3BP算法的学习机制
5．2．4BP算法的步骤及流程图
5．2．5BP神经网络的结构设计
5．2．6BP神经网络的样本处理
5．2．7BP神经网络的参数选择
5．3实证分析
5．3．1数据来源及指标分析
5．3．2数据预处理
5．3．3数值实验
5．3．4结果分析
5．4信用风险预测
5．5本章小结
第6章 基于Copula函数的信用风险度量
6．1Copula理论简介
6．1．1Copula函数及Sklar定理
6．1．2几类常用copula函数及其性质
6．1．3Copula函数模型估计
6．1．4Copula函数拟合检验
6．2C-VaR方法概论
6．2．1VaR理论模型
6．2．2CVaR模型
6．2．3CVaR与VaR
6．3Monte-Carlo方法概述
6．3．1MonteCarlo方法的产生与发展
6．3．2MonteCarl0方法在一重定积分计算中的应用
6．3．3MonteCarlo方法在多重定积分计算中的应用
6．3．4MonteCailo方法在概率计算中的应用
6．4基于CopulacVaR的整合风险度量模型
6．5实证分析
6．5．1样本数据选取
6．5．2边际分布的确定
6．5．3相关性检验
6．5．4Copula函数估计
6．5．5整合风险CVaR的计算
6．5．6我国商业银行整合风险的比较
6．6本章小结
第7章 结论
参考文献
附录A 我国上市商业银行财务数据
附录B 12家商业银行的两类风险资产收益率
后记
缺书网
扫码进群