基于最优指标组合的企业信用风险预测

信用风险预测是指构建企业历史数据与违约状态之间的对应关系,根据现在的数据对企业在未来是否会发生违约做出预判。将近邻成分分析引入信用风险领域进行指标组合遴选,以违约预测精度AUC最大反推最优的指标组合。利用随机欠采样方法,以违约预测精度G-mean最大为标准反推违约客户与非违约客户的最佳比例,确定最优训练样本。采用t-m(m=1,2,3,4,5)年的指标数据x_(t-m)和t年的企业违约状态y_t,利用最优指标组合和最优训练样本建立了基于线性支持向量机的信用风险预测模型,达到了运用t年的指标数据x_t预测第t+m年企业违约状态y_(t+m)的效果。实证结果表明,本研究的违约预测精度高于非线性SVM、LR、DT、KNN和LDA等典型的大数据预测模型。研究发现:每股收益EPS-扣除/稀释、货币供应量M_0(亿元)和货币供应量M_1(亿元)3个指标对企业未来1～3年的短期违约状态具有关键影响;当日总市值/负债总计、每股EBITDA和固定资产周转率3个指标对企业未来4～5年的长期违约状态具有关键影响;经营活动产生的现金流量净额/经营活动净收益和审计意见类型2个指标,不论对于企业未来1～3年的短期、还是未来4～5年的长期违约状态,均有关键影响。     

基于显著区分两类客户的小型建筑企业信用评价模型研究

本文以中国某区域性商业银行185个小型建筑企业的贷款客户为样本,将熵值法权重、CRITIC法权重和方差齐性检验法权重进行组合,通过构建非线性目标规划函数反推出单一赋权方法的组合系数,构建了显著区分违约和非违约客户的小型建筑企业信用评价模型.通过ROC曲线原理,对不同赋权模型的结果进行违约判别能力的检验.本文的创新与特色:一是通过组合赋权得到的信用得分的组内平方和越小、组间平方和越大、那么违约与非违约客户差异越显著的思路建立非线性目标规划模型,通过目标函数最大反推出单一赋权权重的组合系数,保证组合权重的大小能够显著区分客户的违约状态.解决了信用风险评价中组合权重的大小必须对违约状态有显著鉴别能力的难题,避免了现有研究的信用评分模型由于忽略指标权重区分违约状态的能力、导致出现越是可能违约的客户、信用得分反而越高的不合理现象,开拓了信用风险评价指标赋权的新思路.二是根据违约样本均值偏离全部样本均值程度越大、这个指标区分违约状态能力越强、权重越大的思路对指标进行赋权,通过方差齐性检验F值刻画指标的权重,使指标权重的大小反映指标鉴别违约状态能力的大小,改变了现有研究的指标客观赋权方法与违约状态鉴别能力无关的弊端.实证结果表明,与单一赋权结果相比,组合赋权模型的灵敏度和特异度分别为83.33%和95.95%,对客户的违约判别能力更强.     

基于最优指标组合的代价敏感违约预测模型——以A股中小企业为例

企业违约预测是在当下时刻推断企业未来时刻发生违约事件的概率，与经济和社会息息相关。本研究的贡献在于：一是构造了兼顾指标组合违约预测精度和指标个数的多目标函数，通过sigmoid函数将蜉蝣算法转化为二进制蜉蝣算法，将其引入金融风险领域进行最优指标组合的遴选。二是在逻辑回归模型的对数似然函数中，给违约企业添加一个惩罚系数，以违约预测精度F-measure最大，反推最优的惩罚系数值，在保证总体判别精度的前提下，提高模型对违约企业的识别精度；同时使得逻辑回归求解的目标函数更贴合实际情况，确保了估计的权重向量更准确地反映指标数据与其违约状态间的函数关系。中小企业的实证研究表明：“高管年薪披露方式”“前十大股东是否存在关联”和“监事会持股比例”等企业内部非财务因素，以及“人均地区生产总值”“中长期贷款基准利率”和“货币和准货币供应量同比增长率”等宏观经济因素对中小企业违约预测的影响不容忽视。该方法可以提升对企业信用风险的识别能力，降低商业银行的不良贷款率。     

基于模糊投影寻踪聚类的洪灾评估模型

针对洪水灾害样本集的复杂性、随机性以及差异性,本文将模糊聚类迭代理论与投影寻踪技术进行互补融合,构建了模糊投影寻踪聚类模型.该模型采用投影值标准差和投影值欧氏距离平方和来构造投影指标函数,避免了传统投影寻踪模型由于经验性选取密度窗宽导致过于主观的问题;将高维数据低维化后进行模糊聚类运算,再通过对最优投影方向的寻优进行投影寻踪聚类运算,降低了模糊聚类迭代的运算量,实现了两种模型的双重迭代聚类.误差分析及聚类有效性评价表明,互补融合后模糊聚类与投影寻踪聚类的双重迭代聚类使得聚类精度和效果也得到了较大提高;此外,除优化算法初始化参数外,模型无需预设其它参数,也不依赖于随机训练样本,可客观依据历史样本集内在规律来进行洪灾聚类评估.实例研究和方法比较表明,提出的模型计算简洁,且能有效处理洪灾评估中的随机、模糊等主客观不确定性,能够为洪灾风险管理提供科学的决策支撑.     

管理层讨论与分析能预示企业违约吗?——基于中国股市的实证分析

采用文本挖掘技术,对上市公司年报中的管理层讨论与分析(MD&A)内容进行文本分析,从文本相似度、文本可读性、文本语调以及管理层预期的角度构建了MD&A评价体系。通过构建代价敏感GBDT(csGBDT)模型,考察多维管理层讨论与分析指标对企业违约预测的影响,并进一步分析了对企业违约状态有重要影响的MD&A指标及其对违约状态作用的边际效应。研究表明：MD&A指标可以作为替代性数据源准确预测上市公司违约状态;MD&A指标相比传统违约预测变量的预测效果较差;MD&A指标在传统违约判别指标基础上提供了额外的信息含量;csGBDT模型显著提高了对企业(尤其是对违约企业)的判别能力,在违约预测的大数据方法中具有明显优势。在众多管理层讨论与分析指标中,对企业违约有重要影响的MD&A指标依次为：与前一年相比文本相似度、词汇总量、情感语调2、词汇总量/句子数量、情感语调1和管理层是否发出业绩预测。本文将企业违约预测的研究边界从结构化数据拓展到非结构化文本数据,有助于抑制信息不对称导致的企业违约风险。     

基于违约状态判别的小企业债信评级北大核心CSCD

文章对1 231笔小企业贷款数据进行实证分析,通过方差齐性检验和R聚类构建了对违约状态影响显著的小企业债信评级指标体系;通过区分违约状态越显著的指标、权重越大的思路进行赋权,建立债信评分模型;通过债信等级越高、违约损失率越低的标准划分债信等级,建立了债信评级体系.实证结果表明:速动比率、法人代表信用卡记录等21个指标构成的指标体系不但可以显著区分小企业的违约状态、而且避免了重复反映信息的指标重叠和冗余.     

基于违约状态判别的小企业债信评级

文章对1 231笔小企业贷款数据进行实证分析,通过方差齐性检验和R聚类构建了对违约状态影响显著的小企业债信评级指标体系;通过区分违约状态越显著的指标、权重越大的思路进行赋权,建立债信评分模型;通过债信等级越高、违约损失率越低的标准划分债信等级,建立了债信评级体系.实证结果表明:速动比率、法人代表信用卡记录等21个指标构成的指标体系不但可以显著区分小企业的违约状态、而且避免了重复反映信息的指标重叠和冗余.     

基于自适应权重的面板数据聚类方法

基于二维信息的传统聚类方法并不适用于处理面板数据, 在考察面板数据多重信息特征的基础上, 基于面板数据的"绝对指标", "增量指标"及"波动指标", 重构了面板数据相似性测度的距离函数和Ward聚类算法, 提出了面板数据自适应权重聚类方法. 所提供的算法既可退化为传统的绝对量距离聚类方法, 亦可对面板数据的未来所属类别进行聚类预测. 最后, 实例显示此方法兼具有效性和灵活性.     

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.     

信用危机下可违约债券组合风险集成度量:基于三因子强度定价模型

可违约债券一旦一个信用违约事件突发后,可导致一系列的可违约债券的相续违约,通过对可违约债券组合风险集成度量进行研究,为金融机构进行金融应急管理和科学决策提供理论依据,同时有利于金融机构完善金融系统在这方面应急处置机制.针对可违约债券组合中的信用-市场风险相关性和各债务人信用相关性,可从不同风险类型识别出的共同的风险驱动因子出发构建风险整合框架.假设债券的违约强度仿射地依赖于系统市场风险因子、系统信用风险因子、特质信用风险因子等组成的基础状态向量,推导出了基于三因子仿射强度的可违约债券价格,把可违约债券双因子强度定价模型拓展为三因子强度定价模型.在此基础上,建立了可违约债券组合风险集成度量的Monte Carlo方法,得出同一个风险计算期下反映市场风险和信用风险这两类风险的损失分布,进而能求得组合的VaR值,在同一个框架下同时捕捉可违约债券的两类风险.最后运用提出的基于三因子仿射强度的风险集成度量模型对短期融资券组合的风险进行数值计算,并与基于双因子仿射强度的风险集成度量模型得到的VaR值进行比较分析.     

多传感器数据的聚类融合方法

针对多个传感器对多个特性指标进行测量实验的数据融合问题,从多元统计理论角度提出了一种新的多传感器数据的融合算法.该方法采用欧氏距离定义了距离矩阵,利用最小距离聚类法确定各传感器融合的次序,可以克服以往方法中关系矩阵的主观影响,提高数据融合结果的客观性.通过试验数据的分析,表明该算法简单,可以避免极端、有效数据的损失,具有较高的精度.     

财务指标与违约距离相融合的上市公司财务预警模型

违约距离是基于股票交易数据的信用风险度量指标，运用中国A股上市公司数据研究其在财务预警模型中的作用。研究结果表明，违约距离可提升财务预警模型的拟和优度和预测能力，但提升效果较为有限。     

考虑全过程优化的支持向量机预测方法

针对支持向量机（support vector machine, SVM）预测过程中影响因素选择、输入特征集优化、核函数选择及参数优化方面存在的问题,提出了一种全过程优化方法。首先使用频繁模式增长关联规则分析和模糊贝叶斯网络组合模型来解决影响因素选择中存在的主观性问题,然后使用在异常值处理和类内距离与类间距离方面进行改进的模糊C均值聚类算法优化输入特征集,减小支持向量机预测模型冗余度及训练样本集过修正度,通过比较各核函数的特点选择径向基核函数作为SVC的核函数,改进了粒子群优化算法中微粒速度和位置函数及惯性权重值算法,使用该方法优化SVM参数并建立预测模型。最后，通过案例运算和分析,证明该文方法具有更高的预测精度。     

我国上市公司动态违约概率KMV模型改进

应用KMV模型检验中国上市公司的信用风险,需要对KMV模型做出修正并在此情况下检验模型的有效性。动态违约点的设定是对KMV模型修正的重要内容。本文通过设置动态违约点,对违约距离DD进行描述性统计分析并应用多种检验方法论证违约点参数设定,构建了大样本下违约距离和经验EDF的映射关系,在此基础上检验KMV模型的区分能力。结论表明,(1)均值差比较,均值t检验和秩和检验的结果在5年内具有一致性的结论,即当违约点在DP1时KMV模型的区分能力最强。(2)违约距离判别精度效果最好,而经验EDF的判别精度相比较低。     

基于STSA的中国股市的聚集效应研究——以上证50指数为例

网络分析方法为系统分析股票市场的复杂性提供了有效方法。本文利用最小生成树和分层树聚类分析法的思想,引入符号时间序列分析法(STSA),通过构建股票市场的拓扑结构来分析经济意义上的聚类特征。首先,将收益序列转化为符号序列,并在此基础上计算出符号序列的欧氏距离;其次,利用Kruskal的最小生成树算法,构建出证券组合的亚超度量距离矩阵,并把亚超度量距离矩阵映射为分层树结构;最后,对上证50指数成分股进行了实证分析。     

企业危机预警熵模型设计及应用

针对当前大部分企业危机预警模型特征选取和等级分类困难的现状,提出一种基于熵的预警方法. 该方法首先对企业运 营的指标进行特征选择,在选定指标的基础上利用判别熵选取企业危机预警特征值,然后利用熵聚类算法对预测结果进行分类, 判断企业的危机状态,最后采集沪深A股上市公司的年报数据对该模型进行了实证分析,结果表明该模型有效可行.     

基于期权与基于会计信息信用模型的一致性研究———对我国上市公司的实证研究

利用我国72家上市公司组成的样本,分9种不同的情况,详细地计算了3类Merton型违约指标d2、DD(违约距离)、RNDF(风险中性违约概率)与Z分值,采用线性分析和严格的ROC分析方法比较了3类Merton型违约指标与Z分值的一致性.实证的结果表明,在我国找不到足够的证据支持基于期权方法的Merton型信用模型与基于会计信息的Z分值模型之间的一致性.最后,阐述了这个基本结论的意义,并提出了后续研究方向.     

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.     

基于灰色关联聚类的特征提取算法

针对航空发动机气路部件故障样本特点,提出了一种基于灰色关联聚类的特征提取算法.论述了邓氏、相对变率和斜率三种灰色关联度分析方法,并以利用灰色关联度作为动态聚类欧氏距离的思想,构建灰色关联聚类特征提取模型.以某型涡扇发动机常见气路部件故障为例,利用ESVR算法验证特征提取能满足故障诊断要求. 仿真结果表明:该方法可以提取特征传感器, 使核与约简更精确.     

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.