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ELECTRE III的农户小额贷款信用评级模型北大核心CSCDCSSCI

我国农业人口占户籍人口比重达64.71%,加上农户小额贷款对象的分散性、财务信息不健全等特点和难点,致使农户小额贷款信用评级体系极不完善,甚至大多数银行均未建立该体系。通过共线性检验剔除反映信息重复的指标,通过Logistic回归显著性判别遴选对农户违约状态影响显著的指标,建立了由年龄、非农收入/总收入等13个指标组成的农户小额贷款信用评级指标体系。在此基础上,利用熵权法求解评价指标权重,构建了基于ELECTRE III(消去与选择转换评价)的农户小额贷款信用评级模型,并对中国某全国性大型商业银行2 044个农户样本进行了实证。     

基于ELECTRE III的农户小额贷款信用评级模型

我国农业人口占户籍人口比重达64.71%,加上农户小额贷款对象的分散性、财务信息不健全等特点和难点,致使农户小额贷款信用评级体系极不完善,甚至大多数银行均未建立该体系。通过共线性检验剔除反映信息重复的指标,通过Logistic回归显著性判别遴选对农户违约状态影响显著的指标,建立了由年龄、非农收入/总收入等13个指标组成的农户小额贷款信用评级指标体系。在此基础上,利用熵权法求解评价指标权重,构建了基于ELECTRE III(消去与选择转换评价)的农户小额贷款信用评级模型,并对中国某全国性大型商业银行2 044个农户样本进行了实证。     

基于Fisher判别的企业短期贷款信用违约模型构建

企业信用违约率的准确测度是巴塞尔Ⅱ框架下内部评级法中的基本要求。本文针对企业信用违约预测存在的问题，运用SAS统计软件对某国有商业银行的2003年全部短期贷款企业的财务数据进行分析．摒弃以往配对模式，采用全样本进行分析，筛选出11个财务比率指标作为企业信用风险评价函数的计量参数。应用Fisher判别原理．建立一个简明的违约判别模型，经统计检验模型是有效的．判别结果也是可接受的。     

基于非均衡模糊近似支持向量机的P2P网贷借款人信用风险评估及应用

现实中P2P网贷平台可信用户和违约用户的样本分布具有非均衡性,且投资者对分类错误持有不同接受程度.本文通过使用双边权重误差测量方法和映射距离选择正负样本误差项的隶属度,构建了基于非均衡模糊近似支持向量机(DFPSVM)的P2P网贷借款人信用风险评估模型.然后,提出了借款人信用评分及评级方法.最后,借助人人贷平台借款人信用信息进行了实证分析,结果表明所构建的模型与其他模型相比具有更好的适应能力和较高的分类准确度,能有效减少样本非均衡性对分类结果的影响,显著增加负类样本分类的准确率.获得的人人贷平台借款人的信用得分、信用等级及违约率分布能够为平台控制违约风险及投资者决策提供帮助.     

系统性金融风险指标的比较分析——基于实体经济风险预测的视角

本文归纳总结了常见的四大类系统性金融风险指标，从实体经济风险预测的视角，使用分位数回归模型和自助式（Bootstrap）分位数t检验方法，结合样本外分位数拟合优度，以"是否对未来实体经济风险具有放大效应"和"是否对实体经济风险具有预测能力"两个方面对上述指标进行了比较分析.研究结果发现：首先，反映机构个体风险，波动性和不稳定性，以及流动性和信贷情况的指标均对未来实体经济下行风险具有放大效应，即系统性金融风险的升高会显著增加未来实体经济的下行风险；其次，在短期，反映机构个体风险和流动性的指标能够很好地预测未来实体经济风险，而代表金融市场波动率水平的指标则在中期和长期有着较好的预测效果.最后，结合中国具体国情，本文也对进一步完善我国宏观经济风险防范体系提出了若干建议.     

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.