我国P2P平台网络借贷逾期行为和羊群行为研究

通过对P2P网贷平台人人贷数据的持续跟踪与抓取,对参与的借款人-平台-出借人的借贷逾期行为和羊群行为进行定量分析.研究发现,对逾期行为造成显著性影响的变量有借款金额、借款期限、借款利率、借款人性别、借款人收入、借款人受教育程度、借款人有无房贷、借款人婚姻状况、借款人信用等级、借款人已偿清比率、借款人成功借款比率等.P2P网贷存在显著的羊群行为.     

信息不对称下网络借贷市场信用风险识别

文章以美国Lending Club网贷平台为研究对象,探索在信息不对称下,不同信用评价模式对网络借贷行为影响的差异性.结果显示,两种信用评级方式,即平台内部对借款人的信用评级和外部第三方提供的信用评级对贷款人放贷行为的影响具有显著差异.具体而言,贷款人是否放贷以及以何种价格放贷主要取决于平台内部的信用评级;在相同条件下,贷款人更依赖于平台内部的信用评级识别借款人的信用风险.     

新经济业态P2P网络借贷的风险甄别研究

国内P2P网贷平台存在的问题及风险令人触目惊心,本研究旨在探索P2P网络借贷这一重要新经济业态的风险甄别问题.本文在我国444家P2P平台基本信息与交易信息基础上,通过网络爬虫获取了30万余条网民评论和新闻数据,利用文本挖掘技术提取了重要的外部信息,综合使用11种统计模型评估变量的重要性并讨论其经济意义.研究表明:①平台风险与基本信息、交易信息和外部信息间存在复杂的非线性关系,SVM、树类模型等非线性模型对预判P2P平台风险更加有效;②网民评论、关注度等基于互联网的非结构化信息,以及平均利率波动、资金净流入波动、未来待还金额波动等信息对甄别风险具有重要的作用;③根据拍拍贷的案例,小额、超短期、男性借款人具有更高的违约风险;④基于线性模式的传统风险指数构建方法并不适用于甄别P2P平台风险.有关部门应从完善法律法规、加大信息披露力度、发布风险预警综合指数等对P2P行业进行监管.     

企业信用评估中的组合模型

企业信用评级是指信用评级机构根据科学的指标体系,采用严谨的分析方去,运用简明的文字符号,对被评级对象履行经济责任能力及情况进行客观公正的评价,并确定其信用等级的一种经济活动。关于信用等级评估模型或是危机预测研究,从简     

中国短期融资券信用等级迁移的驱动力研究

文章借鉴马尔可夫链统计原理,运用信用等级迁移矩阵,对中国短期融资券信用等级迁移的驱动力进行研究,得出信用等级迁移矩阵与Logistic回归模型是信用风险管理的有效手段,也是提前进行风险预警的有效工具。同时,基于Logistic回归模型的短期融资主体信用等级迁移驱动力研究,结果显示,2007—2009年短期融资券主体信用等级渐向高级别集中迁移,其迁移驱动力主要来源于外生驱动力,即国家宏观政策与监管法规、评级制度与评级机构竞争的变化,而非内生驱动力,即代表企业基本面的净资产收益率与资产负债比率的变化。     

信用等级转移方法比较研究

自1909年穆迪公司建立第一家信用评级机构开始,到目前全球的评级机构达到了约150家,其中比较著名的评级机构包括穆迪公司、标准普尔公司等。这些机构对公开交易的债券进行信用评级,用以评估发行人按时履行债务合约的能力。评级机构为对其评级的绩效和稳定性进行跟踪研究,均要构造所谓的转移矩阵。构建这些转移矩阵的目的是为了向风险管理人员或投资者提供信用等级未来预期变化的资料。转移矩阵的元素反映了信用等级由一个等级向另一个等级转移的概率。信用等级转移对于固定收益债券的投资者、机构、信用风险管理人员以及监管者都是非常值得…     

P2P网贷企业寿命影响因素研究——来自718家企业的经验数据

对于新兴制度创业行业而言,合法性根基较弱,生存问题至关重要。以网贷之家统计的718家跑路P2P网贷企业数据为基础,分析其寿命影响因素,为P2P网贷企业、政府监管部门以及投资者和借款人提供参考。研究发现,注册资本、上线时间、跑路时间、跑路前1月股票指数、跑路前2月存款利率、跑路前1季度GDP均与企业寿命显著相关。层次回归模型中,上线时间、跑路前2月存款利率、跑路前1季度GDP对企业寿命有负向影响,而跑路时间则对企业寿命呈正向影响。在控制其它四个变量的条件下,注册资本与跑路前1月股票指数对企业寿命影响不显著。     

基于稀疏结构连续比率模型的消费金融风控研究

近年来,我国消费金融发展迅速,但同时也面临着更加复杂的欺诈和信用风险,为了更好地对消费金融中借贷客户的信用风险进行监测,本文提出了基于稀疏结构连续比率模型的风控方法。相对于传统的二分类模型,该模型的特点是可以处理借贷客户被分为三类或三类以上的有序数据,估计系数的同时能从众多纷繁复杂的数据中自动筛选重要变量,并在变量筛选过程中考虑不同子模型系数的结构特征。通过蒙特卡洛模拟发现,本文所提出的稀疏结构连续比率模型在分类泛化误差和变量筛选上的表现都较好。最后将本文提出的模型应用到实际的消费金融信用风险分析中,针对传统征信信息不足的借款人,通过引入高频电商消费行为数据,利用本文提出的高维有序多分类模型能有效识别借款人的信用风险,可以弥补传统征信方法的不足。     

内部评级法中违约概率与违约损失率的测算研究

一、引言新巴塞尔资本协议的核心之一为内部风险评级体系 ,从发达国家国际性大银行的经验看 ,内部评级对于信用风险管理的作用是巨大的。内部评级法衡量的关键在于对违约及其相关因素的测算 ,具体包括违约概率 (Prob abilityofDefault,PD) ,违约损失率 (LossGivenDefault,LGD)、违约暴露 (ExposureatDefault,EAD)及年期 (Maturity ,M)。在此基础上 ,内部评级法进一步通过相关的模型风险权重计算公式 ,将风险参数转化为风险资产 (Risk WeightedAssets ,RWA)。内部评级法 (InternalRating Basedapproach ,IRB)又可以分为基础法和…     

企业信用评级方法研究

信用评级作为一个完整的体系,包括信用评级的要素和指标、信用评级的等级和标准、信用评级的方法和模型等方面的内容.其中信用评级指标和信用评级方法是信用评级体系中最核心的两个内容,同时又是信用评价体系中联系最紧密、影响最深刻的两个内容.本文将对企业信用评级的方法和指标体系进行具体的阐述.     

Establishing decision tree-based short-term default credit risk assessment models

ABSTRACT

Traditional credit risk assessment models do not consider the time factor; they only think of whether a customer will default, but not the when to default. The result cannot provide a manager to make the profit-maximum decision. Actually, even if a customer defaults, the financial institution still can gain profit in some conditions. Nowadays, most research applied the Cox proportional hazards model into their credit scoring models, predicting the time when a customer is most likely to default, to solve the credit risk assessment problem. However, in order to fully utilize the fully dynamic capability of the Cox proportional hazards model, time-varying macroeconomic variables are required which involve more advanced data collection. Since short-term default cases are the ones that bring a great loss for a financial institution, instead of predicting when a loan will default, a loan manager is more interested in identifying those applications which may default within a short period of time when approving loan applications. This paper proposes a decision tree-based short-term default credit risk assessment model to assess the credit risk. The goal is to use the decision tree to filter the short-term default to produce a highly accurate model that could distinguish default lending. This paper integrates bootstrap aggregating (Bagging) with a synthetic minority over-sampling technique (SMOTE) into the credit risk model to improve the decision tree stability and its performance on unbalanced data. Finally, a real case of small and medium enterprise loan data that has been drawn from a local financial institution located in Taiwan is presented to further illustrate the proposed approach. After comparing the result that was obtained from the proposed approach with the logistic regression and Cox proportional hazards models, it was found that the classifying recall rate and precision rate of the proposed model was obviously superior to the logistic regression and Cox proportional hazards models.     

大数据背景下网络借贷的信用风险评估——以人人贷为例

在大数据时代,网贷平台每天流动着海量交易数据。为充分利用这些数据控制信用风险,运用数据挖掘算法建立了信用风险评估模型。由于网贷数据多为非平衡数据,所以通过多次尝试使用SMOTE算法进行处理,提高了模型评估性能。研究发现:随机森林模型更适合用于信用风险评估,其次是CART、ANN、C4.5。用户的婚姻、房/车产(贷)等信息重要程度较低,而公司规模、工作时间等信息,历史借款、信用评分等信用档案信息在信用风险评估中尤为重要。     

基于高维分步投影的多重分区聚类算法

基于数据分布密度划分的聚类算法是数据挖掘聚类算法中的主要方法之一。针对传统密度划分聚类算法存在运算复杂、运行效率不高等缺陷,设计出高维分步投影的多重分区聚类算法;以高维分布投影密度为依据,对数据集进行多重分区产生数据集的子簇空间,并进行子簇合并形成了理想的聚类结果;依据算法进行实验,结果证明该算法具有运算简单和运行效率高等优良性。     

商业银行信用风险分析的主要技术

 加入WTO以后，国内商业银行面临着严峻的考验。大量的信贷资产质量低下，贷款不良率仍然很高。从1999年开始，国家对四大国有商业银行不良资产实行了剥离政策。但即便如此，中国建设银行、中国商业银行和中国银行不良贷款率仍比人民银行规定的15%的控制水平要高。剥离不良资产后，信贷资产质量仍然较差。这说明政策性的剥离不良资产措施只能解决不良资产的存在问题。要从本质上改善信贷资产的质量，商业银行就必须从自身的信贷风险管理的角度来采取强有力的措施。本文综述了国内外商业银行信用风险管理的技术，旨在为商业银行信用风险管理的研究提供借鉴。     

企业财务风险预测模型实证比较分析

企业财务风险一直是风险管理理论和实务界关心的热点话题。运用判别分析和计量经济方法对重庆市某商业银行的461个样本企业2002-2005年的违约特征进行实证检验和预测。结果发现最重要的决定变量是资产负责率、酸性试验比率、资产净利率等7个财务比率以及企业所处的产业部门,考虑了异方差性的probit模型有更好的预测能力。     

风险值法在金融机构信用风险管理中的运用

一、现代信用风险的主要特点长期以来 ,金融机构承担的信用风险主要被视方信贷风险 ,而信用暴露则等于债权的账面价值加上累积利息。但是 ,随着衍生产品交易的不断发展 ,信用风险变得日益复杂、量大 ,不仅透明度大大降低 ,而且也比传统的信贷风险更加难以测定。主要原因有三个方面 :第一 ,由于衍生工具交易中经常涉及到名义本金。而在银行贷款中 ,贷款的账面价值至少会让银行知道其将承担的最大损失。然后银行可以利用其对名义金额的违约概率和返回率的估计来计算出可能发生的损失额。但在衍生产品交易中 ,合约的价值与其信用暴露之间往往没…     

基于多源数据融合的个人信用评分研究

随着信息技术的发展,数据来源越来越多,一方面可以更加精准、科学地刻画个人信用状况,但另一方面,由于数据来源多、结构复杂等问题,对传统的征信技术带来了挑战。本文提出了基于多源数据融合的个人信用模型,可以同时对多个数据集进行建模和变量选择,同时考虑了数据集间的相似性和异质性。通过模拟实验发现,本文所提出的整合模型在变量选择和分类效果方面都具有明显的优势。最后,将整合模型应用于城市和农村两个数据集的个人信用评分中。     

基于贝叶斯方法的信用风险损失分布研究

现代商业银行进行经济资本配置时,采用的损失分布函数都存在严重的失真问题。运用贝叶斯方法,充分利用各种信息对正态分布形式的信用损失分布进行了修正,得到信用风险损失分布的优化模型,结果表明：修正后的信用风险损失分布具有较高的精度,从而为商业银行经济资本管理提供了一种很实用的管理工具。     

Bonus—Malus模型在银行贷款机制中的应用

将Bonus—MalLis模型应用到银行贷款业务，通过调整银行的Bonus-MalLis贷款利率来减少贷款欺诈行为。主要是建立借款人的银行个人信用体系，通过借款人上阶段的还款利率和表现决定其下阶段还款利率，这样就提供了一种与完全审计机制不同的奖惩机制。在一些简单假设下可证明Bonus—Malus利率将会消除所有欺诈行为，而非仅仅减少欺诈行为。     

收益率曲面预测及其在信用债投资组合管理中的应用

收益率曲线是信用债投资者的重要参考。在市场套利活动的作用下,跨期限和信用等级的债券收益率具有很强的内生联系,其变动规律具有整体性和连续性。以往研究将信用债收益率曲线拆分成无风险利率曲线和信用利差两个部分,前者关注期限的影响,后者关注信用等级的影响,但很少同时考虑两者的共同影响。本文在收益率曲线的基础上增加信用等级维度,将AAA+级到AA级收益率曲线视为一个相互关联的整体,定义为信用债的收益率曲面(Yield Surface)。相比收益率曲线,收益率曲面包含了跨等级的系统性预测信息,通过预测收益率曲面能够构建具有较高收益的投资管理策略。本文以中期票据市场为例,采用卷积神经网络模型预测1周后的收益率曲面,在此基础上计算债券的预测理论价格,发现该价格对未来交易价格的预测有显著作用。基于预测价差,本文提出了信用债投资管 理策略,应用该策略的投资组合能够获得显著的正收益。业绩归因分析发现,该策略取得的收益同时来 自投资组合在信用风险和久期风险上的暴露,预测价差可以刻画债券市场的“风险前沿”。本文采用了中债估值价格进行稳健性检验,主要结论均保持一致,具有较强的稳健性。