基于面板Logit模型的银行客户贷款违约风险预警研究

采用我国主要银行业金融机构的客户大额授信月度微观面板数据,对银行客户贷款违约风险进行预警.从客户外部因素、客户经营水平、客户交易水平三个维度,建立了包含56个因素的客户贷款违约预警三级指标体系.基于这些指标,构建了银行客户贷款违约风险预警的面板Logit模型;并提出了基于模拟退火算法的面板Logit模型变量选取方法,最终选出24个预警指标.根据这些指标进行银行客户贷款违约预警,达到了较高的预警精度.最后,对我国银行客户风险管理提出了相应的政策建议.     

含违约风险参量的信贷决策模型

违约风险是导致银行信贷风险的主要原因,本文中违约风险用违约概率来量化和描述.首先探讨了违约概率的存在对银行期望收益的影响.然后通过把一个普通的含有贷款利率、抵押品和配给量的信贷决策合同γ=(r,C,q)进一步描述为一个含有违约概率s的信贷决策合同γ=(s(r),C,q),并在此基础上建立了含有违约风险参量的信贷决策模型,给出了相应的信贷决策机制和无配给贷款条件下的信贷决策机制,探讨了相应条件下银行拒绝企业贷款申请的条件.     

基于最小显著差异法农户关键违约特征挖掘

信用风险管理不仅是简单的对客户信用资质进行排序,而是识别出客户是否违约,如果违约将会给银行造成多大程度的损失.故信用风险管理问题可以归纳为:一是根据什么标准识别客户是否违约,这个标准也就是文中的关键指标;二是客户按照某一标准划分为多类,哪一类客户将给银行造成更大的损失,这类客户的识别也就是文中的关键特征识别.上述问题解决的是在信用风险管理中,具有哪些关键特征的贷款农户是造成银行较大违约损失的"害群之马".以中国某国有商业银行分布在28个省的农户贷款数据为实证样本,通过F检验的方法甄别出居住状况,年净收入/省人均GDP这2个指标是对中国农户贷款违约损失率有显著影响的关键指标.通过最小显著差异法确定"年净收入/省人均GDP"区间在10.02～19.24内,居住状况是"共有住房"特征的贷款农户的违约风险最大,是信用风险管理中的关键特征,具有这类特征的贷款农户的违约风险最大.     

基于最小显著差异法农户关键违约特征挖掘

信用风险管理不仅是简单的对客户信用资质进行排序，而是识别出客户是否违约，如果违约将会给银行造成多大程度的损失.故信用风险管理问题可以归纳为：一是根据什么标准识别客户是否违约，这个标准也就是文中的关键指标；二是客户按照某一标准划分为多类，哪一类客户将给银行造成更大的损失，这类客户的识别也就是文中的关键特征识别.上述问题解决的是在信用风险管理中，具有哪些关键特征的贷款农户是造成银行较大违约损失的"害群之马".以中国某国有商业银行分布在28个省的农户贷款数据为实证样本，通过F检验的方法甄别出居住状况，年净收入/省人均GDP这2个指标是对中国农户贷款违约损失率有显著影响的关键指标.通过最小显著差异法确定"年净收入/省人均GDP"区间在10.02~19.24内，居住状况是"共有住房"特征的贷款农户的违约风险最大，是信用风险管理中的关键特征，具有这类特征的贷款农户的违约风险最大.     

跨银行与企业部门的系统性风险研究

从风险反馈视角，研究跨银行与企业部门的系统性风险贡献度与传染效应.基于债务排序方法构建了银企系统性风险测度模型，并基于2018年中国银企间借贷数据进行研究.研究结果表明：银行节点在银行层的债务等级小于在企业层的债务等级，而企业节点在企业层的债务等级小于在银行层的债务等级；银企信贷系统中存在少数系统重要性银行和企业，其系统性风险贡献度高；随着银行或企业的信贷规模增大，所对应的总债务等级越高，而且总债务等级与信贷规模呈现非线性特征；随着信贷宽松程度变大，银行与企业的系统性风险贡献度呈现下降特征；在不同信贷宽松政策下，由企业所引发的总信贷损失始终大于银行，而且造成的银企信贷系统崩溃的阈值始终小于银行；信贷政策宽松程度对维持银企信贷系统的稳定性具有积极影响，特别对银行的作用更为显著.     

银行集中信用违约预警模型

集中信用违约会导致银行遭受重大亏损，甚至面临破产风险.在假定银行开展业务和集中信用违约同时发生的基础上，利用冲击模型构建了一种新的银行集中信用违约预警模型.银行开展业务时，先确定一个合理的预警域.当违约的时间间隔小于预警域时，银行就采取相应的风险防范措施：相反，当违约的时间间隔大于预警域时，银行就不采取任何措施.在其它参数不变的条件下，违约速度上升的越大，真实生存函数与假想生存函数之间的差值也就越大，银行也就能够更好地预警集中信用违约.算例表明：当集中信用违约在时间上随机发生的时候，模型也能够很好地进行预警.     

银行间网络模型与系统风险的分布式预警策略

通过对真实银行间借贷行为的数学抽象,建立了一个动态的银行间借贷网络模型.利用该模型,在计算机平台上,可以模拟仿真银行间市场.仿真的银行间市场能够展现出银行间资金流动等诸多规律,并能够用于研究银行间的流动性保护以及潜在的风险传染等规律性问题.同时,提出了分布式的银行间风险传染预警策略.利用分布式方法,将每家银行的风险特征映射成银行系统整体风险预警值,能够有效的解决中央预警方式的时滞性问题.仿真实验结果表明,银行的违约和风险传染并不是突发的,而是银行系统的风险累积的结果;分布式预警策略反映了银行系统内风险的累积过程,能够很好地预警银行系统性风险.     

基于有序logistic模型的互联网金融客户违约风险研究

随着互联网金融的兴起,互联网网贷业务在迅猛发展的同时也面临违约风险严重的行业现实。立足网贷平台投资者利益最大化视角,关注客户还款行为的差异,将客户由"违约"与"不违约"两类细分为"提前结清"、"当前正常"、"可疑"、"损失"四类,构造出信用状态转移方程,反向推测每类客户的潜在违约概率,利用有序多分类logistic模型及ROC检验进行网贷客户违约预测实证研究。结果显示,模型在客户违约预测方面,尤其针对"当前正常"和"可疑"两类客户,具有更高的准确率。     

基于结构化模型的违约概率期限结构研究

研究国内信贷市场上违约概率的期限结构问题.首先,基于结构化模型基本原理,提出了累积违约概率和边际违约概率模型;然后,利用国内某银行的数据,测算了1～20年期边际违约概率曲线以及年度累积违约概率和年度边际违约概率;最后,通过情景分析的方法研究了波动率σ和违约阈值B对违约概率期限结构的影响.研究发现:1)在1年期违约概率的预测方面,结构化模型优于Z'评分模型;2)违约概率的变化幅度随期限的增加而逐渐降低.但对于风险较高的贷款,5年期以上的年度边际违约概率的变化幅度不应被忽略,需要对目前的信用风险度量和定价方式加以改进;3)风险越高,近期违约概率越大,中远期违约概率先增后减;时点距离当前越远,边际违约概率对这些风险因素的敏感性越低.     

资产流动性、政府纾困力度与企业违约风险

本文基于企业的违约决策特征,将寻求政府纾困视作一项实物期权,构建了连续时间下的企业动态模型,以此揭示资产流动性、政府纾困力度对企业债务违约风险交互影响的内在逻辑.理论模型表明,以市场潜在出售机会减少为表现的企业资产流动性下降会提高企业违约风险,而政府纾困力度的加强能削弱资产流动性对违约风险的影响.本文以2009-2019年中国A股上市公司作为样本进行了实证检验,结果与理论模型一致.进一步研究发现,政府纾困对企业违约风险的影响具有区域异质性,经济发展状况越好、政府治理能力越强的地区,政府公共资源的纾困效果越强,以高管政治关联为代表的私人渠道效果越弱.本文的研究拓展了企业违约风险影响因素的理论框架,有助于理解企业违约决策过程中的资产流动性影响与政府纾困效果,促成切实有效的违约风险防范措施.     

企业集团客户贷后信用风险识别

初步研究了企业集团客户贷后信用风险识别模型的构建问题,并实证考察了中国三个生产经营型集团的信用风险与其母公司的信用风险之间的关系 .由于不能获得这三个生产经营型集团的信用价差数据,本文利用从信用风险评估模型(KM V)获得的预期违约概率构建一种企业集团违约指标作为其信用价差的替代.实证结果发现 ,在双变量向量自回归模型中,母公司的信用价差并不是企业集团违约指标的格兰杰原因, 反之亦然.     

基于多层模糊逻辑门FTA的企业集团控股公司信用风险评估

企业集团的信用风险常常集中于集团控股公司,集团控股公司的信用风险又受其子公司信用风险的影响.因此,评估集团控股公司的信用风险是银行防范集团客户违约的重要措施.本文用故障树分析法(FAT)分析企业集团内母子公司之间的信用风险传递,刻画企业集团内母子公司之间的违约传染过程,并在FTA中引入模糊逻辑门(T-S门),构造多层T-S门的集团控股公司违约故障树.通过输入底事件发生的概率(企业集团内关联予公司的违约概率),由多层T-S门,输出集团控股公司的违约概率.多层T-S门的FTA提供了一种基于面向对象、客观的企业集团控股公司信用风险分析方法.     

基于不同信息获取量的赊销决策风险度判别模型

面对随时可能灭失的商机,如何在既定的时间内选用最佳的调研方法,从而做出相对正确的赊销决策并有效控制赊销风险,对企业意义重大.将不完全信息状态下企业赊销客户的赊销决策问题视为一个时间离散、状态连续的随机过程.在充分考虑有限调研时间内调研方法选择对赊销客户信用等级判别精确度影响的基础上,结合空间分析方法构建了基于不同信息获取完备程度的客户信用评估模型,引用判别分析思想判别不完全信息下的客户信用评估精确度,并借鉴风险性决策思想计算不同赊销风险程度下的赊销期望收益.最后以一则算例展示模型的实用性.     

基于违约强度信用久期的资产负债优化模型

在经典的Macaulay利率久期的基础上引入违约强度参数,构建信用久期测度模型并基于信用久期建立信用和利率风险整体免疫模型.本文的主要创新与特色:一是根据简约化定价理论,通过违约强度和违约损失率确定各期现金流的违约风险溢价,通过含违约风险溢价的折现利率对Macaulay经典利率久期模型的参数进行修正,构建了同时反映信用风险和利率风险的"信用久期"测度模型,完善了经典的Macaulay利率久期测度参数,提高了利率风险免疫的精度.二是通过同时反映信用风险和利率风险的"信用久期",来揭示信用久期缺口对银行净值的影响.通过信用久期缺口为O的免疫条件,建立了同时控制利率风险和信用风险的资产优化模型.改变了Macaulay经典久期免疫条件忽略违约风险对银行净值影响的弊端.三是根据Cox回归的生存分析模型,通过违约强度为基准违约强度与企业自身风险因素的乘积的思路,拟合出时变的违约强度,确定不同时间点上的企业违约风险溢价,改变了现有研究的信用风险久期忽略违约风险溢价时变性的不足.对比表明:当市场利率发生变动时,本研究的信用久期免疫模型可以准确免疫利率风险,保证银行净值不受损失.而Macaulay久期免疫模型并不能准确免疫利率风险,利率的变动仍然会导致银行净值的损失.     

基于混合生存分析的动态信用评分方法

当今国内外经济形势复杂多变,不确定因素增多,金融市场中信用风险的动态性显著增强,动态信用风险评价成为金融机构迫切需要解决的问题.为此,本文提出了一种基于混合生存分析的动态信用评分方法.该方法由三部分组成:首先,构建基于混合生存分析的动态信用评分模型,包括违约状态判别模型和违约时间估计模型,用于预测评价对象"是否违约"以及"何时违约";其次,利用面板数据构建多重生存状态向量,用于表征信用特征和生存时间的动态关联;最后,基于生成的多重生存状态向量,利用期望最大算法迭代估计模型参数.实验研究表明该方法的预测效果显著优于基于单分类、基于集成学习以及基于生存分析的信用评分方法.     

基于信息解释能力的小企业信用评级体系构建研究

以建立商业银行小企业客户信用评级指标体系为目的,提出一种系统的小企业信用评级指标体系构建方法.检验并剔除对企业违约影响不显著的信用评级指标,提出新的指标筛选方法以剔除综合信用风险识别能力弱的评级指标.其次,通过相关分析法降低评级指标集的整体信息重叠.再次,根据信用评级指标体系识别违约状态的准确率检验小企业信用评级指标体...     

基于最优信用特征组合的违约判别模型——以中国A股上市公司为例

违约判别是信用风险评估的一种方式，提高违约判别精度一直是学界和业界重点关注的问题.本文从最优信用特征组合而不是最优指标组合的角度建立违约判别模型，提高违约判别精度.本文的创新有三个方面：一是以信息值最大为目标建立优化模型，将指标数据划分成能最大区分违约状态的多个信用特征.二是采用弹性网回归对信用特征进行遴选，反推违约判别误差最小的最优信用特征组合.三是以组间离散度与组内离散度之比最大为目标，构建数学规划，反推一组权重，得到线性判别方程.本文基于2000-2017年共2169家中国A股上市公司的数据进行实证，研究表明经过特征划分的线性判别分析、K近邻、支持向量机等模型的精度整体高于没有经过特征划分的模型精度.     

连续融资下信用风险的多因素预警监控方法

借助KMV模型求解预期违约距离的框架，并通过构造混合期限结构下增长因子的连续期望收益函数，系统建立了连续融资下多风险驱动因素与信用风险之间的结构性的规范关系。通过模型数值模拟和提出的二次非线性的预警监控区域划分方法，得到对12个风险驱动因素进行违约监控的预警区间和监控规律，分析结论还揭示了授信评价中的多重风险偏好特征。