基于GA-GARCH-KMV模型产能过剩行业的信用风险评价研究

考虑到信用风险的评估在资本市场有重大作用,本文利用GARCH（1,1）模型优化波动率、遗传算法来优化违约点系数来修正KMV模型,结果表明,采用GA-GARCH-KMV模型对这类具有产能过剩行业的上市公司风险度量更具准确性,也为供给侧结构性改革中去产能中的企业利用违约概率做出风险预警提供建议。

一、前言

（一）我国对KMV模型的研究

（二）文献综述

二、信用风险模型构建

（一）原KMV模型构建

（二）GA-GARCH-KMV修正模型构建

1. GARCH-KMV模型对股票价值波动率的修正

2. GA遗传算法

三、实证分析

（一）样本数据选取

（二）JB统计

（三）股票日收益率的平稳性检验和自相关检验

（四）GARCH（1,1）模型的建立

（五）GA-KMV遗传算法计算最优违约点

（六）实验结果分析

四、结论

类型: 期刊论文

作者: 周舒媛

关键词: 遗传算法,产能过剩,违约概率

来源: 现代商业 2019年32期

年度: 2019

分类: 经济与管理科学,基础科学

专业: 数学,宏观经济管理与可持续发展,金融,证券,投资

单位: 成都理工大学商学院

分类号: F832.51;F224

DOI: 10.14097/j.cnki.5392/2019.32.053

页码: 121-123

总页数: 3

文件大小: 2541K

下载量: 169

猜你喜欢