《表6 样本公司违约点：基于KMV模型的互联网金融行业信用风险分析》
提示：宽带有限、当前游客访问压缩模式
同理可得其他9家样本公司的违约临界点，如表6所示：
| 图表编号 | XD00219977900 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.08.12 |
| 作者 | 方国斌、马天驰 |
| 绘制单位 | 安徽财经大学统计与应用数学学院、安徽财经大学统计与应用数学学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表4 模型结果汇总表：基于类别不平衡的企业信用风险违约测度探索——以制造业上市公司为例》2021.02.25
- 《表3 核心筒水平位移：基于KMV模型的中国上市银行信用风险度量研究》2020.12.15
- 《表1 各组受胎率比较：基于KMV模型的中国上市银行信用风险度量研究》2020.12.15
- 《表5 正交试验结果：基于KMV模型的中国上市银行信用风险度量研究》2020.12.15
- 《表2 环境条件：基于KMV模型的中国上市银行信用风险度量研究》2020.12.15
- 《表2 变量的描述性统计：企业营运能力对信用违约的影响研究——基于KMV-Logit模型》2020.09.25
- 《表5 回归分析结果：企业营运能力对信用违约的影响研究——基于KMV-Logit模型》2020.09.25
- 《表1 变量设置：企业营运能力对信用违约的影响研究——基于KMV-Logit模型》2020.09.25
- 《表8 旋转成分矩阵：我国科创板上市公司信用风险评估——基于KMV模型和有序Logit模型的研究》2020.04.20
- 《表1 2 回归结果对比：我国科创板上市公司信用风险评估——基于KMV模型和有序Logit模型的研究》2020.04.20
- 《表6 违约距离差异：我国科创板上市公司信用风险评估——基于KMV模型和有序Logit模型的研究》2020.04.20
- 《表8 异质性分析：行业：互联网金融借贷期限、信用风险与定价关系研究——基于借款者投融资期限错配视角》2020.09.06
- 《表5 成分得分系数矩阵：基于Logistic模型的供应链金融信用风险实证研究——以房地产上市公司为例》2020.08.25
- 《表4 总方差解释表：基于Logistic模型的供应链金融信用风险实证研究——以房地产上市公司为例》2020.08.25
- 《表1 原始财务报表：基于Logistic模型的供应链金融信用风险实证研究——以房地产上市公司为例》2020.08.25
- 《表1 原始财务报表：基于Logistic模型的供应链金融信用风险实证研究——以房地产上市公司为例》2020.08.25
- 《表4 各省有效样本数量：基于机器学习的互联网金融机构信用风险识别》2020.01.10
- 《表1 成交借款样本：基于机器学习的互联网金融机构信用风险识别》2020.01.10
- 《表1 统计性描述：互联网金融对行业影响的统计分析——一个基于行业指数风险排序的方法》2019.04.25
- 《表1 样本分布情况：基于非均衡样本的信用债违约风险预警研究》2019.01.01