基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
我国商业银行面对的信贷客户大都是非上市公司,如何有效地度量非上市公司的信用风险一直是我国商业银行亟待解决的难题.通过构建BP神经网络与KMV模型相结合的BP-KMV信用风险评价模型,以46家中国制造业上市公司及35家制造业非上市公司的相关数据为样本,运用Matlab技术进行实证分析,结果表明,通过该模型计算出来的非上市公司违约率可用度很高,能很好地评估上市公司信用状况.
推荐文章
粒子群优化算法和支持向量机的上市公司信用风险预警
信用风险
预警错误率
上市公司
多分类问题
支持向量机
预警正确率
基于DCC-MSV-KMV模型的第三产业行业信用风险传染效应度量
第三产业
信用风险传染效应
DCC-MSV模型
KMV模型
发行债券的上市公司信用风险度量研究
KMV模型
公司债
信用风险
违约距离
基于Logit和KMV的我国上市公司信用风险的比较研究
上市公司
信用风险
Logit回归模型
KMV模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于BP-KMV模型的非上市公司信用风险度量
来源期刊 财会月刊 学科 经济
关键词 信用风险 BP-KMV模型 违约距离 Matlab技术
年,卷(期) 2017,(18) 所属期刊栏目 工作研究
研究方向 页码范围 47-55
页数 9页 分类号 F830.5
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 曾玲玲 15 52 4.0 7.0
2 潘霄 4 5 2.0 2.0
3 叶曼 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (73)
共引文献  (165)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1966(1)
  • 参考文献(0)
  • 二级参考文献(1)
1973(2)
  • 参考文献(0)
  • 二级参考文献(2)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1977(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(4)
  • 参考文献(0)
  • 二级参考文献(4)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(3)
  • 参考文献(1)
  • 二级参考文献(2)
2002(6)
  • 参考文献(0)
  • 二级参考文献(6)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(9)
  • 参考文献(0)
  • 二级参考文献(9)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
信用风险
BP-KMV模型
违约距离
Matlab技术
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
财会月刊
半月刊
1004-0994
42-1290/F
大16开
湖北省武汉市汉口西马路2号
38-2
1980
chi
出版文献量(篇)
11671
总下载数(次)
25
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导