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。     

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。     

基于期限结构溢价的商业银行信用利差测算模型与实证

商业银行的信用利差系指银行债与国债年到期收益率的差额, 既反映市场众多投资者对特定银行信用风险程度的认同, 又是银行债投资决策的重要依据. 通过同一信用等级银行债到期收益率曲线上、不同期限的到期收益率之差确定T-1年的利率期限结构溢价, 通过T年期银行债的到期收益率减去T-1年的利率期限结构溢价来确定1年期银行债的到期收益率, 建立了基于期限结构溢价的商业银行信用利差测算模型和违约概率测算模型, 并对可得到数据的46家商业银行进行了实证研究. 本文的创新与特色一是通过用特定银行债T年期的理论到期收益率r_y,T减去收益率曲线上的同一信用级别银行债T-1 年利率期限结构溢价r_p,T-1、来确定特定银行债1年期到期收益率r_y,1, 解决了现有理论公式仅仅能够测算T年这一整个时段的到期收益率、无法确定特定债券1年期到期收益率、因而无法计算债券利差的难题. 二是通过1年期的银行债与国债到期收益率的比较给出各有关银行的实际信用利差, 反映资本市场对各有关商业银行信用风险的认同, 为银行债的发行定价和投资决策提供依据. 三是通过折算到同一基准日的国债与银行债实际到期收益率的比较来反映真实的信用利差, 解决了各种债券由于发行日不同而无法进行比较的问题. 四是通过实证研究得到了与穆迪公司对我国银行信用风险排序一致的结果, 验证了本模型的合理性. 实证研究结果表明, 四大国有商业银行违约概率最低, 地区性的城市商业银行违约概率较高, 上市银行的违约概率居中.     

基于余弦相似度的企业违约预测模型及实证

企业违约预测,是通过挖掘指标数据与违约状态之间的函数关系,来预测企业未来的财务风险,其对银行贷款、股票投资、公司债券投资等具有重要的参考意义.本研究的贡献主要有三个方面:一是通过将企业的夹角余弦值而非欧氏距离作为违约状态相似性的度量,构建企业违约预测的Cos-k-means模型,避免了通过欧氏距离聚类时,忽略企业和聚类中心的角度关系以及对噪声样本和极端值敏感的弊端.二是通过构建兼顾模型违约鉴别力最大和指标组合冗余最小的目标函数,采用二进制粒子群算法(binary particle swarm optimization,BPSO)遴选指标组合,保证了构建的信用评价指标体系简洁、合理.三是通过采用企业t-d (d=1,2,3,4,5)期的指标数据和第t期的违约状态构建违约预测模型,实现了使用企业第t期的指标数据预测t+d期违约状态的目的.     

基于Monte Carlo模拟的中小企业集合债券定价

中小企业集合债券为相关企业融资开辟了新的途径,是中国债券市场上的一项重要创新。利用Monte Carlo模拟对中小企业集合债券定价问题展开研究:首先假设利率服从CIR模型,对现有集合债券定价模型进行改进,构建一个更加合理的集合债券定价模型;然后根据债券主体信用等级与评级机构对债券主体的跟踪评级信息,建立企业信用等级迁移矩阵;最后对AA—及以下信用等级企业的违约强度进行设定,并基于信用等级迁移矩阵计算不同信用等级企业的违约强度,再利用Monte Carlo模拟对集合债券进行定价。实证结果表明,本文所构建的集合债券定价模型是一个有效的中小企业集合债券定价工具。     

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.     

商业银行流动性风险评级及实证研究

通过R型聚类分析筛选指标,设立商业银行流动性风险评价指标体系,运用熵值法确定指标权重及对商业银行流动性风险进行评级。以14家上市商业银行为对象进行流动性风险评级的实证分析和验证。本文的特色与创新一是通过采用可观测指标替代不可观测指标保证了银行流动性风险评级的可行。二是运用R型聚类分析剔除了相关性强的指标,避免了指标的无意义重复和累赘。三是通过熵值法反映出的指标差异程度大小来确定流动性风险评级的关键因素,保证了对重要指标进行流动性风险评价。四是研究结果表明该方法切实有效。     

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.     

基于粗糙集与遗传算法集成的企业短期贷款违约判别

建立了粗糙集和遗传算法集成的企业贷款违约判别模型.该模型首先利用FUSINTER方法离散化财务数据,并应用遗传算法约简评价指标,进而基于最小约简指标提取违约判别规则,最后对企业短期贷款检验样本进行违约判别.利用贷款企业数据库558家样本企业进行交叉验证技术的实证研究,结果表明,与多元判别分析、logistic、BP神经网络等违约判别模型相比,粗糙集和遗传算法集成的违约判别模型是一种更为有效和实用的信用风险评估工具.     

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。     

大数据架构下企业内部信用评级的实证研究

研究了大数据背景下企业高级量化分析的方案,并针对某企业内部的信用评级案例进行了实证研究.通过考虑企业业务,信息技术和数学模型三方面的整合,提出了全新的企业高级量化分析平台,把大数据和大计算有机的结合起来.在这个平台上结合实际数据,使用逻辑回归模型进行了信用评级.新的评级模型很好的区分了不同客户的资信好坏.研究发现,模型选择和元模型库的建立对于企业高级量化分析工作至关重要.     

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.     

现金持有、信用等级、债券利差

近年来,国内债券市场违约事件频发,引发投资者对于未来债券市场的担忧。本文以2012～2016年沪深两市发行上市的公司债为研究对象,采取了货币资金与(总资产-货币资金)比值和营运资本与(总资产-营运资本)比值度量企业现金资产和流动性资产水平,结合中国债券市场的发展特点,运用双向固定效应回归模型,进行了现金持有、信用等级、债券利差三者之间关系的实证分析。结果表明:第一,现金持有对公司债券利差的影响与信贷周期关系紧密;第二,发债主体信用评级越高,现金持有水平的提高越能显著降低公司债券利差。     

小微企业信用评级模型及比较研究

在调查和文献基础上,进行信用风险来源识别、评级指标分类和评级方法选择,构建商业银行内部信用评级模型,以期在授信审批环节提高信用风险管理水平.基于某商业银行2008—2013年小微企业实际信贷数据,运用线性判别分析、二项逻辑回归和十种基于不同学习算法的BP神经网络模型构建内部信用评级模型,并在评级指标体系中加入宏观经济变量,使度量风险的稳健性进一步得到提升.最后通过四种方法对不同模型的结果和评级有效性进行了对比分析,认为基于Levenbery-Marquardt学习算法的NN10模型具有最优的评级有效性.