diff --git a/chap/chap1.tex b/chap/chap1.tex index e810bf2..9170a4d 100644 --- a/chap/chap1.tex +++ b/chap/chap1.tex @@ -10,15 +10,17 @@ \section{我国信用债违约回顾} \caption{近年来部分影响较大的违约事件} \centering \begin{tabular}{lccc} - 债券名称 & 违约日期 & 原因 & 影响 \\ \hline - 11超日债 & 2014-03-05 & 过度扩张资金链断裂 & 打破刚兑的开始 \\ - 11天威MTN2 & 2015-04-21 & 经营亏损资不抵债 & 打破国企刚兑 \\ - 14波鸿CP001 & 2015-04-12 & “技术性”违约 & 首例“技术性违约” \\ - 15五洋债 & 2018-08-16 & 欺诈发行 & 首例公司债券欺诈发行案 \\ - 16民生投资PPN001 & 2019-01-29 & “技术性”违约 & AAA 债券违约第一例 \\ - 20永煤SCP003 & 2020-11-26 & 逃废债 & 河南全省融资环境恶化 \\ - 15天安人寿 & 2020-12-29 & 股东抽血 & 金融机构破刚兑付 \\ - 17幸福基业MTN001 & 2021-02-27 & 过度扩张遇宏观调控 & 地产债违约潮的开始 \\ + \toprule + 债券名称 & 违约日期 & 原因 & 影响 \\ \midrule + 11超日债 & 2014-03-05 & 过度扩张资金链断裂 & 打破刚兑的开始 \\ + 11天威MTN2 & 2015-04-21 & 经营亏损资不抵债 & 打破国企刚兑 \\ + 14波鸿CP001 & 2015-04-12 & “技术性”违约 & 首例“技术性违约” \\ + 15五洋债 & 2018-08-16 & 欺诈发行 & 首例公司债券欺诈发行案 \\ + 16民生投资PPN001 & 2019-01-29 & “技术性”违约 & AAA 债券违约第一例 \\ + 20永煤SCP003 & 2020-11-26 & 逃废债 & 河南全省融资环境恶化 \\ + 15天安人寿 & 2020-12-29 & 股东抽血 & 金融机构破刚兑付 \\ + 17幸福基业MTN001 & 2021-02-27 & 过度扩张遇宏观调控 & 地产债违约潮的开始 \\ + \bottomrule \end{tabular} \label{tab:defaults_in_history} \end{table} diff --git a/chap/chap2.tex b/chap/chap2.tex index 0c9baf3..57cce3d 100644 --- a/chap/chap2.tex +++ b/chap/chap2.tex @@ -37,7 +37,7 @@ \subsection{评级指标} 如图\ref{fig:rating}所示，新发行债券有一半为最高评级 AAA 。 \begin{figure}[ht] \centering - \includegraphics[width=0.9\linewidth]{./data/rating_from_2014.png} + \includegraphics[width=0.7\linewidth]{./data/rating_from_2014.png} \caption{\label{fig:rating}信用债发行评级统计} \end{figure} diff --git a/chap/chap4.tex b/chap/chap4.tex index 649dc21..93f48e7 100644 --- a/chap/chap4.tex +++ b/chap/chap4.tex @@ -19,12 +19,13 @@ \section{基准模型回归结果} 我国宏观政策很多是以稳为主的逆周期调节。因此大多数属逆周期的宏观政策对违约的解释力较低。 但是波动率显著，说明稳定的经济可以降低违约事件的发生，侧面显示出经济以稳为主的重要性。 \begin{figure}[ht] - \centering \includegraphics[width=0.9\linewidth]{./data/渤海银行.png} - \caption{标记处为渤海租赁预测点} + \caption{预测违约概率分布} \label{fig:bhyh} + \qquad \small{注：将6000余家企业按预测违约概率排序，标记处为渤海租赁预测点} \end{figure} + \section{机器学习验证与比较} 违约实际上并非线性的因素叠加，包含了非线性的因素，如华夏幸福违约，既存在过度扩张导致现金流承压，又存在重要股东拒绝为其扩张买单，最终资金链断裂。虽然可以通过加入交互项刻画这种“同时发生”的作用，但会发生“维度灾难”，可用数据变得稀疏。 机器学习适合于提取其中非线性因素。但违约样本是偏态分布的，违约债只占约 1\%，通过神经网络等方式的机器学习极有可能会欠拟合或过拟合，使机器判断有误。 @@ -35,7 +36,7 @@ \section{机器学习验证与比较} \begin{figure}[ht] \centering - \includegraphics[width=.9\linewidth]{./data/decision_tree.png} + \includegraphics[width=\linewidth]{./data/decision_tree.png} \caption{\label{fig:decision_tree}决策树} \end{figure} @@ -47,21 +48,25 @@ \section{机器学习验证与比较} \caption{\label{tab:acc}不同模型的比较} \centering \begin{tabular}{lrrrrr} + \toprule & accuracy & error rate & precision & recall & \(F_1\) \\ - \hline + \midrule 全部预测不违约 & 0.99 & 0.01 & - & 0 & - \\ Logistic(全样本) & 0.99 & 0.01 & 0.86 & 0.72 & 0.78 \\ Decision Tree(测试集) & 0.99 & 0.01 & 0.93 & 0.73 & 0.82 \\ Random Forest(测试集) & 0.99 & 0.01 & 0.85 & 0.70 & 0.76 \\ + \bottomrule \end{tabular} \end{table} 表\ref{tab:acc}中准确率 accuracy 为预测正确的概率，精确率 precision 为预测违约的样本中确实违约的概率，召回率 recall 为事实违约样本中预测正确的概率。精确率和召回率是两个不同方面的分类器评价指标，他们的调和平均 \(F_1\) > 0.5 则说明该分类器是有效的。表\ref{tab:acc}中准确率与全部预测不违约的 0.99 相同，这是由于样本分布偏态造成的。但 \(F_1\) 值均高于 0.5 ，证明本文使用的三个分类器都有一定的价值。且决策树算法相对优于其他算法。 -决策树优于 Logit 模型算法在于其包含了非线形因素分枝。 -而随机森林可能存在一定的训练集上的过拟合，因而表现出的性能较决策树更低。 -如图\ref{fig:roc}所示，ROC 曲线的含义是设定任意阈值，得到的真阳性率和假阳性率。随后不断更改阈值，得到 ROC 曲线。AUC 定义为 ROC 曲线下的阈值，AUC面积越大一般认为模型拟合越好。可以看出在训练集上随机森林模型可能存在一定的过拟合，导致 AUC 达到 0.99 ，而 Logit 模型在训练集上表现不佳。 -\begin{figure}[ht] + +\begin{figure}[H] \centering - \includegraphics[width=.9\linewidth]{./data/roc.png} + \includegraphics[width=.7\linewidth]{./data/roc.png} \caption{\label{fig:roc}ROC曲线与AUC值} \end{figure} + +决策树优于 Logit 模型算法在于其包含了非线形因素分枝。 +而随机森林可能存在一定的训练集上的过拟合，因而表现出的性能较决策树更低。 +如图\ref{fig:roc}所示，ROC 曲线的含义是设定任意阈值，得到的真阳性率和假阳性率。随后不断更改阈值，得到 ROC 曲线。AUC 定义为 ROC 曲线下的阈值，AUC面积越大一般认为模型拟合越好。可以看出在训练集上随机森林模型可能存在一定的过拟合，导致 AUC 达到 0.99 ，而 Logit 模型在训练集上表现不佳。 diff --git a/chap/chap5.tex b/chap/chap5.tex index 8bde2a5..c548a0f 100644 --- a/chap/chap5.tex +++ b/chap/chap5.tex @@ -18,7 +18,7 @@ \chapter{稳健性检验} 稳健性经验的部分结果如表 \ref{tab:robust} -所示，与表 \ref{tab:Logitresult} 相比基本一致，仅 SHIBOR 利率变为显著，且\(X_1\) 至 \(X_4\) 均显著，说明 \(Z\) 值中的其他成分均具有一定的预测能力，而非只是受到主营收入的影响导致显著，假设 H\ref{hyp:1}不成立。 +所示，与表 \ref{tab:Logitresult} 相比基本一致，且\(X_1\) 至 \(X_4\) 均显著，说明 \(Z\) 值中的其他成分均具有一定的预测能力，而非只是受到主营收入的影响导致显著，假设 H\ref{hyp:1}不成立。 事实上，\(Z\) 值反应了公司的变现能力、获利能力和财务结构，因而 Altman 使用其来对企业的运行状况进行分析。 公司的变现能力高意味着短期可以依靠出售资产回笼流动资金，避免流动性危机。典型的反例是土储集中在城郊地区的提前于行业倒下的泰禾地产，暴雷之后低价甩卖资产进一步恶化财务状况引发更多违约。 diff --git a/chap/desc_table.tex b/chap/desc_table.tex index f5ac842..e2b8642 100644 --- a/chap/desc_table.tex +++ b/chap/desc_table.tex @@ -1,10 +1,12 @@ +%!TEX root = ../thesis.tex 全局性描述结果如表\ref{globaldesc}与表 \ref{virtual}\footnote{所有变量均为虚拟变量} 所示 \begin{table}[ht] \caption{主要变量及其描述性统计 I } \label{globaldesc} \begin{tabular}{p{0.15\linewidth}p{0.1\linewidth}p{0.15\linewidth}p{0.15\linewidth}p{0.15\linewidth}p{0.15\linewidth}} - \textbf{变量名} & \textbf{样本数} & \textbf{平均值} & \textbf{标准差} & \textbf{最小值} & \textbf{最大值} \\\hline + \toprule + \textbf{变量名} & \textbf{样本数} & \textbf{平均值} & \textbf{标准差} & \textbf{最小值} & \textbf{最大值} \\ \midrule \(Fiscal\) & 6412 & 0.211069 & 0.04211 & 0.092627 & 0.286154 \\ \(Monetary\) & 6412 & 3.117273 & 0.64046 & 1.885274 & 4.774387 \\ \(Volatility\) & 6412 & 23.51951 & 4.769809 & 11.29499 & 41.50071 \\ @@ -16,32 +18,35 @@ \(Conversion\) & 6412 & 0.021204 & 0.123949 & 0 & 0.99 \\ \(Assets\) & 6412 & 1877755 & 9023818 & -3594115 & 5.64E+08 \\ \(Cash\) & 6412 & 0.99765 & 37.29003 & 0 & 2982.515 \\ - \(Z\) & 6412 & 1.373761 & 3.01916 & -56.178 & 202.0643 + \(Z\) & 6412 & 1.373761 & 3.01916 & -56.178 & 202.0643 \\ + \bottomrule \end{tabular} \end{table} \begin{table}[ht] \caption{主要变量及其描述性统计 II } \label{virtual} \begin{tabular}{p{0.3\linewidth}p{0.3\linewidth}p{0.3\linewidth}} - \textbf{变量名} & \textbf{样本数} & \textbf{占比} \\\hline - \(R_0=Rating is AA\) & 1127 & 0.175764 \\ - \(R_1=Rating is A\) & 5082 & 0.7925764 \\ - \(R_2=Rating is B\) & 78 & 0.012165 \\ - \(R_3=Rating is C\) & 125 & 0.019495 \\ + \toprule + \textbf{变量名} & \textbf{样本数} & \textbf{占比} \\ \midrule + \(R_0=Rating is AA\) & 1127 & 0.175764 \\ + \(R_1=Rating is A\) & 5082 & 0.7925764 \\ + \(R_2=Rating is B\) & 78 & 0.012165 \\ + \(R_3=Rating is C\) & 125 & 0.019495 \\ \(E_0=Enterprise is\)民营企业 & 1146 & 0.178727 \\ \(E_1=Enterprise is\)国有企业 & 4938 & 0.770119 \\ \(E_2=Enterprise is\)外资企业 & 178 & 0.02776 \\ \(E_3=Enterprise is\)集体企业 & 126 & 0.019651 \\ - \(Listed=1\) & 1393 & 0.217249 \\ - \(Estate=1\) & 173 & 0.026981 \\ - \(Y_1=Year is 2015\) & 320 & 0.049906 \\ - \(Y_2=Year is 2016\) & 418 & 0.06519 \\ - \(Y_3=Year is 2017\) & 346 & 0.053961 \\ - \(Y_4=Year is 2018\) & 307 & 0.047879 \\ - \(Y_5=Year is 2019\) & 451 & 0.070337 \\ - \(Y_6=Year is 2020\) & 927 & 0.144573 \\ - \(Y_7=Year is 2021\) & 2767 & 0.431535 \\ - \(Y_8=Year is 2022\) & 674 & 0.105115 \\ - \(default=1\) & 173 & 0.026981 \\ + \(Listed=1\) & 1393 & 0.217249 \\ + \(Estate=1\) & 173 & 0.026981 \\ + \(Y_1=Year is 2015\) & 320 & 0.049906 \\ + \(Y_2=Year is 2016\) & 418 & 0.06519 \\ + \(Y_3=Year is 2017\) & 346 & 0.053961 \\ + \(Y_4=Year is 2018\) & 307 & 0.047879 \\ + \(Y_5=Year is 2019\) & 451 & 0.070337 \\ + \(Y_6=Year is 2020\) & 927 & 0.144573 \\ + \(Y_7=Year is 2021\) & 2767 & 0.431535 \\ + \(Y_8=Year is 2022\) & 674 & 0.105115 \\ + \(default=1\) & 173 & 0.026981 \\ + \bottomrule \end{tabular}\\ \end{table} diff --git a/chap/logit_table.tex b/chap/logit_table.tex index b109943..be737c9 100644 --- a/chap/logit_table.tex +++ b/chap/logit_table.tex @@ -1,10 +1,11 @@ +%!TEX root = ../thesis.tex \begin{table} - \caption{Logit 模型回归结果\label{tab:Logitresult}} \begin{center} - \begin{longtable}{lllll} - \hline + \caption{Logit 模型回归结果\label{tab:Logitresult}} + \begin{tabular}{lllll} + \toprule & Default I & Default II & Default III & Default IIII \\ - \hline + \midrule \(Const\) & -5.8949*** & -2.5416** & -2.5158** & -7.4246*** \\ \(R_1\) & 0.2259 & 0.1437 & 0.1731 & 0.1555 \\ & (0.6159) & (0.7092) & (0.7098) & (0.7104) \\ @@ -46,7 +47,8 @@ & & & & (0.4002) \\ \(Volatility\) & & & & 0.0670** \\ & & & & (0.0335) \\ - \hline - \end{longtable} + \bottomrule + \end{tabular} \end{center} + \qquad \small{注：括号中为异方差稳健标准误下的 Z 值；***，**，*分别表示回归系数在1\%、5\%和10\%的水平上显著，下同。} \end{table} diff --git a/chap/robust_table.tex b/chap/robust_table.tex index 032bbdc..5b170fe 100644 --- a/chap/robust_table.tex +++ b/chap/robust_table.tex @@ -1,33 +1,16 @@ -\begin{center} +%!TEX root = ../thesis.tex +\begin{table} \captionof{table}{稳健性检验结果\label{tab:robust}} - \begin{longtable}{p{0.1\linewidth}p{0.18\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.12\linewidth}p{0.1\linewidth}} - \midrule + \begin{tabular}{p{0.1\linewidth}p{0.18\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.12\linewidth}p{0.1\linewidth}} + \toprule & \textbf{coef} & \textbf{std err} & \textbf{z} & \textbf{P$> |$z$|$} & \textbf{[0.025} & \textbf{0.975]} \\ - % \textbf{const} & -3.8725 & 1.252 & -3.092 & 0.002 & -6.327 & -1.418 \\ - % \textbf{评级\_A以上} & -0.0382 & 0.318 & -0.120 & 0.904 & -0.661 & 0.585 \\ - % \textbf{评级\_B} & 1.4849 & 0.187 & 7.938 & 0.000 & 1.118 & 1.852 \\ - % \textbf{评级\_C} & 3.6740 & 0.228 & 16.102 & 0.000 & 3.227 & 4.121 \\ - % \textbf{国有企业} & -1.6422 & 0.398 & -4.128 & 0.000 & -2.422 & -0.862 \\ - % \textbf{外资企业} & -1.1744 & 0.467 & -2.514 & 0.012 & -2.090 & -0.259 \\ - % % \textbf{民营企业} & -0.7078 & 0.385 & -1.839 & 0.066 & -1.462 & 0.046 \\ - % \textbf{集体企业} & -1.2313 & 0.534 & -2.307 & 0.021 & -2.277 & -0.185 \\ - % \textbf{上市企业} & -0.1945 & 0.192 & -1.014 & 0.310 & -0.570 & 0.181 \\ - % \textbf{持有基金占比} & -0.0783 & 0.080 & -0.973 & 0.331 & -0.236 & 0.079 \\ - % \textbf{大股东持股比例} & -0.0013 & 0.003 & -0.508 & 0.611 & -0.006 & 0.004 \\ - % \textbf{应付账款(万元)} & 1.409e-12 & 2.48e-12 & 0.567 & 0.570 & -3.46e-12 & 6.28e-12 \\ - % \textbf{标准券折算率} & -0.3647 & 0.651 & -0.560 & 0.575 & -1.640 & 0.911 \\ - % \textbf{净资产(万元)} & 9.314e-09 & 1.1e-08 & 0.847 & 0.397 & -1.22e-08 & 3.09e-08 \\ - % \textbf{现金短债比} & -0.1082 & 0.133 & -0.816 & 0.415 & -0.368 & 0.152 \\ - % \textbf{流动性} & -5.276e-11 & 6.63e-11 & -0.796 & 0.426 & -1.83e-10 & 7.72e-11 \\ - % \textbf{政府支出/GDP} & 1.2248 & 2.087 & 0.587 & 0.557 & -2.866 & 5.315 \\ - % \textbf{SHIBOR} & 0.3573 & 0.190 & 1.881 & 0.060 & -0.015 & 0.730 \\ - % \textbf{波动率} & 0.0341 & 0.016 & 2.135 & 0.033 & 0.003 & 0.065 \\ - % \textbf{房地产政策} & 0.7415 & 0.411 & 1.805 & 0.071 & -0.064 & 1.547 \\ + \midrule \textbf{X1} & -0.0083*** & 0.003 & -3.009 & 0.003 & -0.014 & -0.003 \\ \textbf{X2} & -0.0037** & 0.002 & -2.375 & 0.018 & -0.007 & -0.001 \\ \textbf{X3} & -0.0062* & 0.004 & -1.638 & 0.091 & -0.014 & 0.001 \\ \textbf{X4} & -0.0064*** & 0.002 & -3.917 & 0.000 & -0.010 & -0.003 \\ \textbf{X5} & 0.0005 & 0.001 & 0.530 & 0.596 & -0.001 & 0.002 \\ \bottomrule - \end{longtable} -\end{center} + \end{tabular} + \qquad \small{注：括号中为异方差稳健标准误下的 Z 值；***，**，*分别表示回归系数在1\%、5\%和10\%的水平上显著，下同。} +\end{table} diff --git a/chap/score.tex b/chap/score.tex index 15647ba..d80be1e 100644 --- a/chap/score.tex +++ b/chap/score.tex @@ -3,23 +3,50 @@ \begin{tabular}{|p{0.2\linewidth}p{0.2\linewidth}p{0.2\linewidth}p{0.2\linewidth}|} \hline \multicolumn{4}{|c|}{\large\textbf{本科学生毕业论文指导教师成绩评定表}} \\ - \multicolumn{4}{|c|}{\textbf{}} \\ + \multicolumn{4}{|c|}{} \\ \hline \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{} \\ - \multicolumn{1}{|l|}{学生姓名} & \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{学号} & \multicolumn{1}{|l|}{} \\ + \multicolumn{1}{|l|}{学生姓名} & \multicolumn{1}{|l|}{董晨阳} & \multicolumn{1}{|l|}{学号} & \multicolumn{1}{|l|}{1800015446} \\ \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{} & \multicolumn{1}{|l|}{} \\ \hline \multicolumn{1}{|l|}{} & & & \\ - \multicolumn{1}{|l|}{论文题目} & & & \\ + \multicolumn{1}{|l|}{论文题目} & \multicolumn{3}{|l|}{我国债券市场违约特征分析} \\ \multicolumn{1}{|l|}{} & & & \\ \hline \multicolumn{4}{|l|}{} \\ \multicolumn{4}{|l|}{指导教师评阅意见：} \\ \multicolumn{4}{|l|}{} \\ \multicolumn{4}{|l|}{} \\ - \multicolumn{4}{|l|}{} \\ - \multicolumn{4}{|l|}{} \\ - \multicolumn{4}{|l|}{} \\ + \multicolumn{4}{|l|}{ + \qquad 债券违约受到多方面因素的影响，如何从全面视角出发对债券违约特征 + + }\\ + \multicolumn{4}{|l|}{ + 进行综合评价，对于债券违约的预警等具有重要意义。论文《我国债券市场违 + + }\\ + \multicolumn{4}{|l|}{ + 约特征分析》以此为出发点，基于大量相关数据，进行了实证研究。本文研究 + + }\\ + \multicolumn{4}{|l|}{ + 方法得当，结构清晰、重点突出，逻辑严密，引用资料准确、丰富，结论正确， + + }\\ + \multicolumn{4}{|l|}{ + 文中用语和图表格式等符合本科论文的要求。作者在前人研究的基础上，从宏 + + }\\ + \multicolumn{4}{|l|}{ + 观、中观和微观三个层面出发选取指标、构建模型，对债券违约进行综合评价， + + }\\ + \multicolumn{4}{|l|}{ + 并通过计量及机器学习方法进行了定量分析，具有一定的创新性，反映出该生 + + }\\ + \multicolumn{4}{|l|}{ + 对此问题经过了深入的思考，具有一定的研究能力，论文达到本科论文的要求。}\\ \multicolumn{4}{|l|}{} \\ \multicolumn{4}{|l|}{} \\ \multicolumn{4}{|l|}{} \\ diff --git a/chap/variable_table.tex b/chap/variable_table.tex index 4249e67..a58d7a6 100644 --- a/chap/variable_table.tex +++ b/chap/variable_table.tex @@ -1,10 +1,11 @@ +%!TEX root = ../thesis.tex \begin{table}[ht] \centering \caption{主要变量及其定义一览} \begin{tabular}{cccc} - \hline - \textbf{变量类型} & \textbf{变量名称} & \textbf{变量符号} & \textbf{定义} \\ \hline - \textbf{被解释变量} & 违约 & \(Default\) & 违约为1，否则为0 \\\hline + \toprule + \textbf{变量类型} & \textbf{变量名称} & \textbf{变量符号} & \textbf{定义} \\ \midrule + \textbf{被解释变量} & 违约 & \(Default\) & 违约为1，否则为0 \\\midrule \textbf{解释变量} & 企业性质 & \(Enterprise\) & 国有、集体、外资、民营 \\ & 是否上市 & \(Listed\) & 主体是否在境内外上市 \\ & 持有基金占比 & \(Fund\) & 债券持有人中公募基金占比 \\ @@ -20,8 +21,9 @@ & 房地产政策 & \(Estate\) & 发债日是否在“三条红线”政策实施后 \\ & 政府支出/GDP & \(Fiscal\) & 政府支出占GDP比重 \\ & SHIBOR & \(Monetary\) & SHIBOR 一年期利率 \\ - & 波动率 & \(Volatility\) & 上证50期权波动率 \\\hline + & 波动率 & \(Volatility\) & 上证50期权波动率 \\\midrule \textbf{控制变量} & 发债年份 & \(Year\) & 最新发债日期 \\ + \bottomrule \end{tabular} \label{tab:symbols} \end{table} diff --git a/data/decision_tree.png b/data/decision_tree.png index 542df58..e42e863 100644 Binary files a/data/decision_tree.png and b/data/decision_tree.png differ diff --git a/data/rating_from_2014.png b/data/rating_from_2014.png index ffbedc9..a809bb2 100644 Binary files a/data/rating_from_2014.png and b/data/rating_from_2014.png differ diff --git a/data/rating_from_20141.png b/data/rating_from_20141.png new file mode 100644 index 0000000..ffbedc9 Binary files /dev/null and b/data/rating_from_20141.png differ diff --git a/pkuthss.cls b/pkuthss.cls index 59bda70..6de93ed 100644 --- a/pkuthss.cls +++ b/pkuthss.cls @@ -92,6 +92,7 @@ % Use Times New Roman / Arial according to school regulation. % `nofontspec' avoids errors like `The font "FangSong" cannot be found'. % `defaultsups' prevents newtxtext from manipulating footnote marks. + \usepackage{amsthm} \usepackage[nofontspec, defaultsups]{newtxtext} \usepackage[varg]{newtxmath} \else diff --git a/thesis.tex b/thesis.tex index b7b9ca4..82de7d5 100644 --- a/thesis.tex +++ b/thesis.tex @@ -1,10 +1,7 @@ \documentclass[UTF8,oneside,fontset=mac]{pkuthss} \usepackage[backend = biber, style = gb7714-2015ay, url=false,gbtitlelink=true]{biblatex} -\usepackage{longtable} -\usepackage{multirow} -\usepackage{booktabs} -\usepackage{float} -\usepackage{caption} +\usepackage{longtable,multirow,booktabs} +\usepackage{float,caption} \renewcommand*{\bibfont}{\zihao{5}\linespread{1.27}\selectfont} \setlength{\bibitemsep}{3bp} \newif\ifblind\blindfalse @@ -22,6 +19,16 @@ ckeywords = {信用风险，违约}, ekeywords = {Credit Risk, Default}, } +\newtheoremstyle{colon}% +{} +{} +{\itshape}%bodyfont +{}%indent +{\bfseries}%headfont +{:}%head punctuation +{ }%space after head +{} +\theoremstyle{colon} \addbibresource{thesis.bib} \newtheorem{hyp}{H} \begin{document}