企业风险识别的KMV的靠谱结果模型-经过多次验证

'''
首先我声明采用原来这个博主的模型，他代码很干净，感谢！被我改的有点不好意思。
https://github.com/HongzoengNg/KMVmodel
原来的博主NLFG是他自己定义的模块，我取出来函数直接用了
针对原来的网络文档我做了以下修改，单一我采用读取csv文件，将Ve/D/ThetaE/r 五个数值放入
另外由于没有长期负债，因此我用D作为流动负债，D_long是长期负债=0，实际情况可能需要再csv文件再增加一列，后期优化
输出为了检查模型方便，我采用屏幕打印方式，后期可以建立一个文件，把读到的数据append到文件中
输入为了检查模型方便，我把数据读取到内存中，如果以后数据量大，博主的文件读取方式更加合理
还有对DD_mat >1.67的解释，我不理解，我注释了，后期研究一下为啥
原始模型中对d1没有thetaA的除法，我修改了d1，经过确认，这个版本比原来博主那个更好些。
'''

from numpy import *
import numpy as np
import math
from scipy.optimize import fsolve
import pandas as pd
import os

# import NLFG
import scipy.stats as stats
import matplotlib.pyplot as plt

def N(x): #求导数的函数

    return stats.norm.cdf(x)

def KMV_f(Ve,ThetaE,D,r,t=1):  #计算的核心模块
    Ve=float(Ve)
    ThetaE=float(ThetaE)
    D=float(D)
    r=float(r)
    t=float(t)
    def