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.     

基于Brown-Wood中位数检验的小企业债信评级体系

债信评级是通过挖掘评级数据与违约风险的关系，评价一笔债务回收的可能性及不同等级违约损失率的大小。本文基于Brown-Mood中位数检验建立了小企业债信评级体系。创新与特色：① 根据某个指标的非违约样本中位数显著大于违约样本的中位数，则该指标越能将非违约与违约样本区分开的思路构造Brown-Mood中位数检验统计量值，遴选通过检验、即违约鉴别力显著的指标。改变了绝大多数现有研究未以违约鉴别力显著为指标遴选标准的不足。② 在相关系数大的一对指标中，删除 Brown-Mood中位数检验统计量值小的指标，在避免了指标反映信息冗余的同时，也避免了指标的误删。③ 根据指标的违约鉴别力越强、指标权重就应该越大的思路对指标赋权，确保了违约鉴别力越大的指标，权重也越大。④ 根据非违约样本的债信得分中位数显著大于违约样本的债信得分中位数，则债信得分越能显著区分违约状态，债信评分体系越合理的思路，检验债信评分体系的合理性，开拓了债信评分体系检验的新思路。实证表明：包括资产负债率、恩格尔系数等24个指标的小企业债信评级体系具有显著的违约鉴别力，在债信评级时，应重点关注恩格尔系数、行业景气指数等企业外部宏观环境因素及法人代表汽车及不动产价值、担任该职务时间等法人代表基本情况因素。     

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系的合理性.最后,基于中国一家商业银行3111笔小企业信贷历史数据进行了实证分析,研究表明本文构建的小企业信用评级指标体系识别违约风险的准确率高而且稳定.     

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。     

基于进化多目标软子空间聚类的商业银行企业客户信用风险识别北大核心CSCD

提出了一种进化多目标软子空间聚类(EMOSSC)算法,用于提升商业银行信贷审批过程中企业客户的信用风险识别和管理水平.考虑到信用数据高维、类不平衡的特征,将聚类算法中单一的聚类有效性指标转化为了一个四目标函数,并采用进化算法对该函数进行优化和求解.结果表明,EMOSSC算法不仅在信用风险识别准确率、稳健性以及结果显著性等方面显著优于对比算法,还能通过对指标权重大小的排序,揭示商业银行企业客户信用风险的关键影响因素,为商业银行的信用风险识别和管理提供有益参考.     

基于违约概率与违约损失相关的贷款定价

在渐进单因子模型的基础上,引入违约概率与违约损失之间的正相关性,给出一个容许违约损失服从任意分布的信用风险经济资本测度方法。并在此基础上,提出了估计信用风险调整利率溢价的方法,运用风险调整盈利性指标RAROC,推导出目标客户利率定价公式。数值模拟表明,若忽略违约损失的随机性,将会低估贷款利率,信用等级越低,低估的偏差越大。     

基于信用差异度最大的信用等级划分优化方法

信用评级对当代社会有极其重要的影响,若信用等级划分不合理,必将误导债权人和社会公众.信用评级结果的变动直接反映经济状态的变化,2011年标准普尔把美国的主权信用评级从AAA级降为AA+,引起全球金融市场的动荡.信用评级的本质是合理区分客户的信用状况,揭示不同等级客户的信用风险水平.国际上比较流行的标普、穆迪的信用评级针对中国客户的评级结果往往存在信用等级很高、违约损失率反而不低的不合理现象.本研究以信用差异度和违约金字塔为标准,构建非线性规划模型划分信用等级,并以中国小企业贷款数据为样本进行实证研究·本研究的创新与特色一是根据第k个信用等级中最后一个样本的信用评分P_(mk)~k与第k+1个信用等级中第一个样本的信用评分P_1~(k+1)确定相邻两个等级的信用评分差值,以所有信用等级的评分差值之和∑(P_(mk)~k-P_1~(k+1))最大为目标函数,确保最大程度的保证信用评分差异大的客户划分为不同信用等级.避免了把信用状况差异较大的客户划分成同一个信用等级的不合理现象.二是以信用等级由高到低的违约损失率严格递增为约束条件建立信用等级划分模型,保证信用等级划分结果满足信用等级越高、违约损失率越低的违约金字塔标准,避免出现信用等级很高、违约损失率反而不低的不合理现象.三是1814笔工业小企业贷款数据的实证研究表明,本研究的信用等级划分方法不仅满足信用等级越高、违约损失率越低的违约金字塔标准,还能保证信用状况差异大的客户划分为不同信用等级.     

基于相容性准则的群组决策专家赋权最优模型

在群组决策中,针对专家给出的正互反判断矩阵提出一种专家赋权最优模型。在判断矩阵满足完全一致性的条件下,探讨了加权几何平均组合判断矩阵与加权几何平均组合向量所构成的特征矩阵的相容性。同时在相容性概念基础上,建立了基于相容性准则下的专家赋权方法的最优化模型,研究了模型的求解方法。最后进行了实例分析,结果表明提出的模型是合理可行的。     

网上拍卖竞买方个人信用风险管理理论与评价模型

针对网上拍卖特点建立了保证金制度、网友担保制度和拍卖品底价披露制度等竞买人信用风险管理制度,提出了竞买方信用风险管理原理与流程,从制度层面上提出了信用风险管理方法。提出了可获取性和可验证性原则,建立了反映竞买方个人资产、担保和历史交易记录的3大类、9项指标构成的信用评价体系。运用层次分析法求解各层次评价指标的权重,通过模糊隶属度函数的建立求解竞买方个人信用分值,建立了网上拍卖竞买方个人信用评价模型,解决了竞买方个人信用等级的划分问题。根据信用评价方程合乎逻辑的特例得到了信用评分的阈值,解决了什么样的竞买人有权进行网上交易的判断标准问题。从信用制度、管理方法和评价模型上探索了控制网上拍卖竞买方个人信用风险的途径。     

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.     

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.     

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.     

基于方案区分度的组合权重信度判别及修正研究

针对方案区分度（方案综合评价值之间的差异性）较低而导致难以有效决策问题,将主观权重与客观权重作为样本点,采用规划方法建立组合赋权优化模型。基于统计学相关原理,提出了组合权重信度概念,分析了其对决策结果的影响,给出了信度判别准则。以方案区分度较快改善为目标,提出了组合权重修正的具体步骤。最后运用民营企业进入军品市场的算例说明方法的有效性。