第一章 绪论 1
第一节 研究背景 1
一 资产证券化的兴起和发展 1
二 不良资产证券化产生的环境推动因素及演变趋势 4
第二节 不良资产证券化信用风险研究的意义 7
一 不良资产证券化信用风险研究的理论意义 7
二 不良资产证券化信用风险研究的实践意义 9
三 尚待研究的问题 11
第三节 几个关键概念的界定 12
一 不良资产证券化 12
二 资产池 13
三 基于资产池的信用风险 13
第四节 研究假设 14
第五节 研究的主要内容、框架和方法 16
一 研究内容和框架 16
二 研究方法 17
第二章 理论基础与文献综述 19
第一节 理论基础 19
一 信用风险的不确定性分析 21
二 信用风险的理性预期理论分析 23
三 或有要求权理论 25
四 道德风险 26
五 不良资产证券化的理论基础 29
第二节 信用风险计量方法、模型及评述 30
一 传统信用风险度量技术方面 32
二 现代信用风险度量技术 38
三 备受关注的人工智能方法 48
第三节 相关研究的不足与评述 51
第四节 经验证据与典型案例评述 53
一 国外案例 53
二 国内案例 60
三 国内外研究小结 67
第三章 单笔不良资产信用风险的测算研究 69
第一节 资产池标的资产的特征指标 69
一 适于作证券化的理想资产 69
二 不良资产证券化资产池标的资产的选择 71
第二节 单笔资产信用风险的模型选择——神经网络 74
一 神经网络模型独特的优点及实证表现 75
二 神经网络模型对信用风险预测精度优于传统方法 78
三 基于神经网络模型的资产池单笔资产信用风险预测 82
第三节 基于我国国情的不良资产信用风险影响因素分析 84
一 变量选取依据——不良资产信用评级中的考量因素 84
二 变量选取依据——基于我国国情的必要补充 89
第四章 基于资产池的信用风险的测算——CreditRisk+模型 91
第一节 基于资产池的信用风险研究的理论基础 91
第二节 基于资产池的信用集中风险评价模型的比较研究 93
一 基于现代组合理论的信用风险评价模型比较分析 94
二 穆迪不良资产(NPL)产品信用风险预测方法 101
三 我国目前的实践方法 103
第三节 基于资产池的不良资产证券化信用风险评价模型的构建 109
一 CreditRisk+模型的优点及实证表现 109
二 CreditRisk+模型对我国不良资产证券化的适用性研究 112
三 模拟资产池的构建 113
四 资产池标的资产的多样度和资产之间的相关性分析 114
五 改进的CreditRisk+模型 116
第五章 不良资产证券化的实证研究 119
第一节 建立神经网络检验模型的必要性 119
第二节 BP神经网络检验模型的构建 120
第三节 研究样本与资料来源 126
第四节 研究方法 127
第五节 检验结果 134
一 网络训练效果分析 134
二 交叉验证技术 140
三 具有双隐含层的网络结构 142
四 资产及资产池的信用风险 144
第六章 实证检验结果及讨论 147
第一节 对本案例的进一步说明及讨论 147
第二节 对比不同信用风险分析方法及结果 150
一 专家打分方法评析 150
二 神经网络方法评析 153
三 研究结果启示 154
第七章 总结与展望 156
第一节 主要工作总结 156
第二节 创新点 158
第三节 局限及未来研究方向 159
附录 神经网络算法的主要程序 161
参考文献 168
后记 186