基于资产池的不良资产证券化信用风险研究

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