多维动态信用评估的信用状态空间结构研究

从理论上讨论了多维动态信用评估（MDCE）的状态空间结构，提出信用状态维度、信用状态空间（CSS）、ε-等信用状态和ε-伪等信用状态等概念.在构造信用状态空间的基础上，结合空间分析方法和优化技术，构建了偏序结构下的多目标评估模型，所有待评估的信用主体被描述为信用状态空间中点的集合，并归入相应的信用状态等级，最后给出一个应用示例.     

基于支持向量机的银行客户信用评估系统研究

客户信用评估对于银行的经营管理有着重要的意义。基于支持向量机(Support vector machine)的智能化新技术建立银行客户信用评估系统,由于支持向量机具有全局收敛性和良好的推广能力,因此使得基于这种技术的评估系统具有较强的实用性。我们的实证分析表明了这一点。     

消费者信用评估分析综述

追溯消费者信用评估发展的历史,分析我国建立消费者信用评估体系过程中可能遇到的主要问题,包括人口漂移、个人信用动态变化、信用评价方法中指标的选取、保留酌情处理权、拒绝推论和信息缺失等,介绍目前应用的消费者信用评估方法,包括判别分析、回归分析（分为普通线性回归、logistic回归和probit回归）、数学规划法、分类树法、专家系统、神经网络和最近邻法,并比较分析各评估方法的性能。     

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V-foldCross-validation和Elman神经网络的信用评价研究

研究了关于公司信用评估问题的现状,指出一般神经网络应用于信用评估领域的不足.在此基础上,提出一套甄选原则以选择关键的信用评分指标;然后依据这些指标建立了基于Elman回归神经网络的我国企业的信用评估模型.采用V-foldCross-validation技巧对该模型的评分效果进行了实证研究.     

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.     

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.     

M.H.DIS模型在我国上市公司信用评估中的应用研究

针对我国目前缺乏适用的、高效的系统信用评估模型的现状,研究了由希腊学者提出的M.H.DIS信用评估模型.在对该模型的详细介绍的基础上,选用我国55家上市公司1999年财务数据作为训练样本,利用Matlab软件根据M.H.DIS模型的基本思想,构建了经验信用评估曲线,并利用60家上市公司2000年财务数据为检测样本进行检验,获得较好的实证检测效果.通过以上研究分析,文章提出该模型适合我国目前基本国情,具有良好的推广前景.     

基于遗传算法和分类树的信用分类方法

银行信贷信用评估本质上是个分类问题,已有统计和非统计的各种方法应用于信用评估,其中分类树方法,也称为递归分割法,比较适用于处理定性变量,而作为非统计方法之一的遗传算法则适用于处理连续型定量变量之间的非线性关系,但无法处理定性变量,利用这两种方法特点的互补性,构建了一种分类树和遗传算法相结合的信贷信用评估方法,先用分类树方法按照定性变量分类,然后在每个叶结点上用遗传算法按照定量变量分类.实证分析表明,该方法比单独使用分类树方法或遗传算法的分类准确率高.     

商业银行的模糊授信决策研究

应用模糊数学理论，研究了商业银行的授信决策问题．信用评级指标分为财务状况、经营管理及发展前景三大类．对其中的主观指标、客观指标应用不同的模糊评价方法，并用层次分析法确定了各指标之间的权重     

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GA神经网络的个人信用评估

提出了基于遗传算法神经网络的个人信用评估模型,利用标准遗传算法和Solis&Wets算法的混合算法同时优化神经网络的结构和权重/阈值系数,并在探讨个人信用评估指标的基础上,针对模型实际应用问题提出了解决方案.     

电子商务环境下中小企业信用评价

在引入了电子商务信用理论的基础上,对电子商务环境下中小企业信用评价指标体系进行研究.采取实证研究的方法, 综合参考各类信用评价指标, 利用层次分析法,根据一般企业信用评价, 结合B2B电子商务企业的特点,构建了适合中小企业的四大类十五项评价指标.在综合评定了中小型电子商务企业的信用等级的基础上,建立了电子商务信用评价模型.并应用模型对三十家从事电子商务业务的真实的中小企业信用状况进行了评价实践,为B2B电子商务中的中小企业信用评价提供了一种科学、简便的信用评价方法.     

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.     

信贷资产异质性对信贷组合损失的影响研究

在新巴塞尔协议的资本监管框架下,同一信用级别中的信贷资产被认为是同质的.本文结合Vasicek模型分析了资产异质性对信贷组合损失的影响,并比较了不同参数的异质性对损失的影响效果.分析结果显示,异质性对信用风险损失分布尤其是分布尾部有较大影响,忽略异质性一般会高估信用损失;较之资产的行业相关性,违约率和违约波动率的异质性影响可能更为显著;有关信贷组合分散化的探讨往往局限于正态假设,这将导致信用损失的低估.     

C5.0分类算法及在银行个人信用评级中的应用

研究了商业银行的个人信用评级问题.由于个人信用记录中既涉及有数值型数据, 也涉及有非数据型数据,而决策树是解决这一类问题的最好方法. 到目前为止,决策树C4.5算法的研究已基本成熟,但其C5.0算法由于商业机密的缘故至今没有公开.因此在决策树C4.5算法基础上详细研究了C5.0算法及相应的Boosting技术,并嵌入Boosting算法技术, 构造了成本矩阵和Cost-sensitive tree,以此建立基于C5.0算法的银行个人信用评级模型,用来对德国某银行的个人信贷数据进行信用评级,同时对模型参数调整前后决策树的判别结果进行比较. 仿真表明:参数调整后的决策树的判别结果优于参数调整前的决策树的判别结果.     

基于自然语言处理与深度学习的信用贷款评估模型

针对目前信用贷款评估模型存在特征预处理复杂、受主观因素干扰、准确率较低的现象，提出一种新模型。该模型先组建连续性信贷特征文本数据，并使用Word2Vec算法进行词向量化后通过词嵌入层衔接CNN（卷积神经网络）进行评估，通过Keras框架并依据2008~2018年的银行个人信贷数据进行实证分析。结果表明：新模型的总体评估准确率高达91.7%，无需对缺失特征进行处理并可直接评估，且评估准确率更优异，达到85.8%。新模型将离散型的信贷特征转变为连续性文本，降低特征预处理复杂度，结合Word2Vec与自然语言处理实现直接评估缺失信贷特征的目的，并基于CNN优异的特征分析能力最终提高信贷评估模型鲁棒性，进一步改善了目前信用贷款评估模型中存在的部分问题，同时避免评估中主观因素的干扰。     

信贷风险评价指标权重的聚类分析

信贷风险评价是银行重要的管理活动,评价指标的权重评估又是决定评价结果是否科学的关键环节。本文在分析同类研究弊端的基础上,利用相似系数矩阵对众多专家评价指标的权重意见进行筛选,解决了信贷风险评价体系指标权重的合理分配问题。其特色在于一是对专家意见进行聚类分析,而不是像通常那样不加处理地简单平均;二是在剔除某些专家权重意见时,结合实际问题的具体要求,在聚类分析的基础上,提出了一种更为简化的方法,易于在实践中推广;三是对于通过任何方法得出的群体权重意见,本方法都可以作为后续数据处理方法。