内容简介
如何对信用风险进行度量和管理是商业银行经营的永恒主题。近年来，商业银行面临的信用风险越来越大、越来越复杂，备受银行体系以及经济主体乃至监管当局的关注。本书以商业银行为视角，研究其风险管理最重要的一环，即对贷款企业信用风险的度量与管理，以期对发展中的我国商业银行提供技术和方法。
本书首先界定信用风险的概念和特点，对风险管理领域的理论背景、信用风险度量方法以及国内外的研究状况进行全面的归纳和整理，为本书的研究提出思路和方向。研究以风险度量方法的改进和实证分析为重点，运用上市公司所披露的财务信息，建立了上市公司信用风险评价指标体系，提出信用风险度量的模糊神经网络方法。通过与上海某商业银行的合作，对其1999-2005年的贷款明细和公司财务数据进行了系统研究，运用粗糙集理论的约简功能，从中选出最能反映企业信用状况的8项财务指标，再应用神经网络方法进行信用评价。实证研究表明，所提方法具有较高精度。
本书利用CCER提供的上市公司个股行情数据和财务数据，进行了KMV方法的实证研究，对其违约距离计算公式进行了对比和改进，得出了适合中国国情的具体操作方法。对于非上市公司信用风险的动态度量问题，本书研究了由KMV模型发展而来的PFM模型，并结合我国实际情况进行改进，采用神经网络估计方法估计非上市公司的资产价值和波动率，用资产保值增值率代替资产的连续回报，进行违约距离计算。实证研究表明，本书所提方法对我国上市公司、非上市公司具有较好的信用风险评价和预测能力。
本书首先界定信用风险的概念和特点，对风险管理领域的理论背景、信用风险度量方法以及国内外的研究状况进行全面的归纳和整理，为本书的研究提出思路和方向。研究以风险度量方法的改进和实证分析为重点，运用上市公司所披露的财务信息，建立了上市公司信用风险评价指标体系，提出信用风险度量的模糊神经网络方法。通过与上海某商业银行的合作，对其1999-2005年的贷款明细和公司财务数据进行了系统研究，运用粗糙集理论的约简功能，从中选出最能反映企业信用状况的8项财务指标，再应用神经网络方法进行信用评价。实证研究表明，所提方法具有较高精度。
本书利用CCER提供的上市公司个股行情数据和财务数据，进行了KMV方法的实证研究，对其违约距离计算公式进行了对比和改进，得出了适合中国国情的具体操作方法。对于非上市公司信用风险的动态度量问题，本书研究了由KMV模型发展而来的PFM模型，并结合我国实际情况进行改进，采用神经网络估计方法估计非上市公司的资产价值和波动率，用资产保值增值率代替资产的连续回报，进行违约距离计算。实证研究表明，本书所提方法对我国上市公司、非上市公司具有较好的信用风险评价和预测能力。