宏观经济因素、企业债券违约与企业债券违约恢复

　　第1章 引言  
　　1．1 研究背景
　　1．2 研究问题
　　1．3 研究意义
　　1．4 研究思路、方法及框架
　　1．5 研究贡献
　　第2章 研究基础
　　2．1 相关概念与定义
　　2．2 文献综述
　　2．3 企业债券违约与恢复相关理论
　查看完整　　

　　刘振清，男，1986年11月生，任职于河南大学中原发展研究院，副教授、高级经济师、硕士生导师，研究方向：人力资源管理及投资服务管理。在《管理科学学报》发表题为“人民币汇率的双成分混合波动率模型”的科研论文；在《江淮论坛》发表题为“基于新型指标的股票价格操纵识别模型研究”的科研论文；在《科研管理》参与发表题为“政府财政干预、异质性 FDI 与区域创新能力”的科研论文。参与2019年度国家社科基金后期资助项目（20FGLB020 ）——城市扩张中失地农民获得感测度与提升对策研究，参与2021年度河南省高等学校哲学社会科学基础研究重大项目——机器学习模型在金融领域中的可解性研究，参与多项省级、厅级科研项目。荣获2019年度河南省高等学校人文社会科学研究成果特等奖，河南省社科联、河南省经团联调研课题一等奖。

　　本书针对国内债券市场，综合运用数据驱动预测技术、计量经济学模型、机器学习模型、信用风险、违约相关性、信息不对称和财务预警模型等理论方法，围绕企业债券违约率、企业债券违约恢复率预测及其应用问题展开研究。具体而言，第一，运用数据驱动预测技术，利用集成特征选择器选择有效的宏观经济信息，研究宏观经济因素对企业债券违约率、企业债券违约恢复率的预测影响。第二，运用数据驱动预测技术，通过动态因子模型提取宏观特征进行共同信息，降低特征的维度。本书通过动态因子模型提取出了六个宏观系统性因子：行业周期因子、宏观指数因子、收益率曲线风险因子、信用风险因子、资产收益率因子、市场波动率因子，以及一个脆弱性因子，其中宏观系统性因子反映了宏观特征的共同成分，脆弱性因子反映了共同因子无法解释的成分，宏观系统性因子和脆弱性因子的结合反映了行业的整体性成分。第三，研究考虑企业债券违约率和企业债券违约恢复率的预测方法的创新。基于宏观经济因素对企业债券违约和企业债券违约恢复的影响，本书的预…
　查看完整　　

　　第1章 引言  
　　1．1 研究背景
　　1．2 研究问题
　　1．3 研究意义
　　1．4 研究思路、方法及框架
　　1．5 研究贡献
　　第2章 研究基础
　　2．1 相关概念与定义
　　2．2 文献综述
　　2．3 企业债券违约与恢复相关理论
　　2．4 宏观经济与企业债券违约机理分析
　　2．5 宏观经济与企业债券违约恢复机理分析
　　第3章 数据驱动下宏观经济特征提取  
　　3．1 特征选择
　　3．2 企业债券违约和债券违约恢复特征选择
　　3．3 宏观经济特征动态因子模型
　　3．4 小结
　　第4章 企业债券违约预测模型
　　4．1 企业债券违约模型
　　4．2 基于计量模型的企业债券违约预测模型
　　4．3 基于机器学习的债券违约预测模型
　　4．4 基于VAR-GRU的企业债券违约预测模型
　　4．5 小结
　　第5章 企业债券违约恢复预测模型
　　5．1 债券违约恢复模型
　　5．2 企业债券违约恢复率预测模型
　　5．3 小结
　　第6章 企业债券违约预测应用研究
　　6．1 数据来源及统计性分析
　　6．2 债券违约宏观因子特征选择实证
　　6．3 企业债券违约动态因子实证
　　6．4 企业债券违约预测实证
　　6．5 小结
　　第7章 企业债券违约恢复预测应用研究
　　7．1 数据来源及统计性分析
　　7．2 企业债券违约恢复宏观因子特征选择
　　7．3 企业债券违约恢复动态因子模型结果
　　7．4 企业债券违约恢复预测结果
　　7．5 小结
　　第8章 结论与展望
　　8．1 结论
　　8．2 展望
^ 收 起　　

　　刘振清，男，1986年11月生，任职于河南大学中原发展研究院，副教授、高级经济师、硕士生导师，研究方向：人力资源管理及投资服务管理。在《管理科学学报》发表题为“人民币汇率的双成分混合波动率模型”的科研论文；在《江淮论坛》发表题为“基于新型指标的股票价格操纵识别模型研究”的科研论文；在《科研管理》参与发表题为“政府财政干预、异质性 FDI 与区域创新能力”的科研论文。参与2019年度国家社科基金后期资助项目（20FGLB020 ）——城市扩张中失地农民获得感测度与提升对策研究，参与2021年度河南省高等学校哲学社会科学基础研究重大项目——机器学习模型在金融领域中的可解性研究，参与多项省级、厅级科研项目。荣获2019年度河南省高等学校人文社会科学研究成果特等奖，河南省社科联、河南省经团联调研课题一等奖。

　　本书针对国内债券市场，综合运用数据驱动预测技术、计量经济学模型、机器学习模型、信用风险、违约相关性、信息不对称和财务预警模型等理论方法，围绕企业债券违约率、企业债券违约恢复率预测及其应用问题展开研究。具体而言，第一，运用数据驱动预测技术，利用集成特征选择器选择有效的宏观经济信息，研究宏观经济因素对企业债券违约率、企业债券违约恢复率的预测影响。第二，运用数据驱动预测技术，通过动态因子模型提取宏观特征进行共同信息，降低特征的维度。本书通过动态因子模型提取出了六个宏观系统性因子：行业周期因子、宏观指数因子、收益率曲线风险因子、信用风险因子、资产收益率因子、市场波动率因子，以及一个脆弱性因子，其中宏观系统性因子反映了宏观特征的共同成分，脆弱性因子反映了共同因子无法解释的成分，宏观系统性因子和脆弱性因子的结合反映了行业的整体性成分。第三，研究考虑企业债券违约率和企业债券违约恢复率的预测方法的创新。基于宏观经济因素对企业债券违约和企业债券违约恢复的影响，本书的预测方法既需要反映宏观系统性因子、脆弱性因子的重要度，还需要兼顾模型的预测性能。
^ 收 起