基于KMV模型的中国商业银行信用风险评估

文章从现代风险评估理论中,选取了KMV模型作为我国商业银行信用风险评估的核心手段,并通过对上市公司中正常经营企业和ST企业相关数据的提取,完成了二者信用风险评估的对比工作.信用风险评估的结果表明,商业银行和正常经营企业的信贷合作的风险更低.     

银行信用风险小样本评级模型的构建

针对实际能够获取到的样本银行数量少而无法准确划分信用级别的问题,文章构建了一个小样本评级模型:通过逼近理想点赋权模型确定评级指标的权重,建立评级总得分的测算模型;通过非参数核密度估计方法与切片取样方法获得反映小样本分布规律的评级大样本,解决了科学扩充小样本的难题;通过ward聚类对评级大样本进行有序分类,建立了可分为9个信用级别的小样本评级模型.     

信用违约互换的定价模型及实证研究

本文假设市场风险和信用风险线性相关,在交易双方互不违约的情况下,建立了基于某一个参照信用的标准信用违约互换和远期信用违约互换的简约定价模型.然后以Xerox公司的相关数据为样本,对标准信用违约互换模型进行实证检验.结果表明由模型模拟的价差期限结构图与实际报价的价差期限结构图基本吻合.     

KMV模型的改进及对上市公司信用风险的度量

针对我国资本市场和上市公司的特征,笔者对KMV模型进行了参数的改进,充分考虑了流通股和非流通股的分别计价问题,上市公司的违约点设定问题.因而参数调整后的KMV模型更加符合我国的实际.通过对沪市上市公司的信用风险评估的检验,充分证明参数调整后的KMV模型能够及时准确地识别出我国上市公司的信用质量变化趋势.     

基于Logit模型的银行个人信贷风险管理评估

由于我国没有建立完整的个人信贷信用评分制度,用传统的风险评价方法进行个人信贷风险管理评估很难达到满意的效果.在预测是否还款的二分性结果上,Logistic是一种准确性较高的技术.文章依据银行授信5P原则及其他因素,利用Logistic模型,对各个因素与违约之间的相关程度进行了实证分析,并对银行信贷风险进行了评估.     

基于期权定价理论的上市公司信用分类建模及应用研究

在分析研究期权定价理论框架的基础上,以中国资本市场的实际数据为样本,建立了期权定价信用分类模型,并得到了比较满意的结果.研究结果表明:在中国资本市场完全可以利用期权定价信用分类模型来及时识别上市公司的信用风险,与经典的统计方法相比,此法是一种比较理想的信用度量方法,具有广泛的适用范围和较高的推广价值.     

基于灰关联投影寻踪的企业信用评估模型

文章提出了一种基于灰关联投影寻踪的企业信用评估模型.该模型把企业信用评估作为一个灰色多目标决策问题,运用投影寻踪技术,通过优化投影指标函数估计灰色关联投影值的最佳投影方向,进而得出样本企业的信用综合得分,根据信用综合得分的散布特征设置两分类判别阚值,从而确定样本企业的信用类别.文章通过实例证明了该模型的可行性和有效性.     

影子银行信用扩张的非对称传导效应研究——基于NARDL模型的研究

影子银行的信用扩张模式与传统银行信贷不同,蕴含更大的不确定性特征。在对中国与美国的影子银行信用扩张机制进行了比较后,运用NARDL模型对中国影子银行信用扩张的非对称传导进行了实证检验。结果发现:中国"通道式"影子银行业务对社会信贷的扩张与收缩存在短期和长期的非对称传导效应,不利于信用扩张的长期良性循环,需要对其进行规范化的合理引导,降低其引致风险发生的可能性。     

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。     

多种个人信用评分模型在中国应用的比较研究

信用评分的目的是利用现有的样本数据建立模型,利用此模型对未来申请人的信用行为进行预测,从而区分出"好"客户和"坏"客户.这里,预测的精度是非常重要的,因为许多情况下即使预测的准确性只提高一点点,也会使信贷机构的损失减少很多.正因为如此,大量的分类技术被应用到信用评分领域.那么,到底哪种方法比较好?从现有的研究结果看,并不能得到一个一致的结论,有些结论甚至互相矛盾.如:Desai等(1996)发现,神经网络方法显著优于线性判别分析,而Yobas等(2000)的研究结论则正好相反.因此,到底选择哪一种方法建立评分模型,到目前为止即使在发达国家也仍然是一件困难的事情.     

基于样本回答率视角下的总体参数估计

文章构建了基于样本回答率视角下的总体参数估计量模型,讨论了总体参数估计量方差及方差的估计,实证检验了估计模型,并分析了样本回答率对总体参数估计精度的影响.     

基于主成分分析和支持向量机的商业银行信贷风险评估

近年来,随着金融的全球化趋势及金融市场的波动性加剧,商业银行的风险管理一直是国际国内金融界关注的焦点.作为我国银行业主体的国有银行不仅其不良贷款额占我国银行总不良贷款额的约80%,而且其不良贷款率也最高,面临的不良贷款问题最严峻,已成为我国金融体系稳定运行的主要隐患.如何化解和防范信贷风险,继而避免由此引发的银行呆帐坏帐及信用危机,已是摆在中国金融业面前的迫切课题.因此,建立贷款企业的准确审核模型,对提高银行信贷资产的安全性并减少不良资产的产生有极其重要的意义.     

基于贝叶斯方法的信用评级模型构建与违约概率估计

以贝叶斯方法为基础构建了信用评级和违约概率模型,指出金融机构利用已有评级信息提高债务人信用风险评估准确性的途径,并以单个债务人违约概率度量方法和Merton理论为基础,考虑异质性导致的宏观经济冲击对债务人的不同影响,度量资产组合违约风险。利用相关数据对贝叶斯模型应用给出例证,结果表明贝叶斯方法具有更为灵活的框架和较好的预测能力。     

基于模糊支持向量机的客户信用评估研究

文章首先比较了支持向量机与传统分类方法在银行客户信用评估中的效果,结果表明支持向量机更适于目前中国商业银行对个人信用的评价;其次引入模糊支持向量机处理银行客户信用样本中的不平衡问题。实证结果显示,带有模糊关系的支持向量机方法能够减小训练数据类别大小差异对决策机器造成的影响,有效地提高了信用评估的精度。     

信用评分模型中稀有事件特殊采样处理方法探讨

信用评分模型的建模样本是由坏客户这一稀有事件和好客户这一大众事件组成的不平衡数据,故从模型残差的方差这一角度刻画稀有事件识别的难度,借鉴机器学习领域处理不平衡数据的方法,对建模样本中的稀有事件做特殊采样处理然后再建模,并证明对建模样本做特殊采样处理后必须用经验公式校正样本偏差。实证分析表明这是提高信用评分模型准确性的有效方法。     

基于信用池理论的次级债券定价实证研究

如何在信用市场条件下合理定价次级债券成为一个重要而现实的问题.文章提出了商业银行信用池(Cfedit-P001) 概念及模型,与传统债券定价理论模型相结合,将债券发行主体的信用状况纳入定价模型中.建立了信用市场条件下次级债券的新定价模型,并对模型进行了实证检验,理论结果能够很好地反映和说明目前我国次级债券发行市场中的问题及其原因.     

运用灰色动态模型对我国电力需求的预测

文章以我国用电量的历史数据(2000～2008年)为样本,根据灰色动态预测模型GM(1,1)的建模方法,建立了我国电力需求的预测模型.经过相对误差和后验残差检验,模型的精度是一级(优).文章还运用该模型预测了中国未来3年的电力需求,并提出了相关政策建议.     

信用评分模型中拒绝推断问题研究：基于半监督协同训练法的改进

随着我国金融市场的蓬勃发展,信用评价中的拒绝推断问题越来越受到重视。针对信用评分模型中存在的有类别标签的样本占比低,并且样本中的类别分布不平衡等问题,本文在半监督学习技术与集成学习理论的基础上,提出了一种新的算法——BCT算法。该算法通过使用动态Bagging生成多个子分类器,引入分类阈值参数来解决样本类别分布不平衡问题,以及设定早停止条件来避免算法迭代过程中存在的过拟合风险,以此对传统半监督协同训练法进行改进。通过在5个真实数据集上的实证分析发现,在不同数据集与不同拒绝比例下,BCT算法的性能均优于其他6种有监督学习和半监督学习算法的信用评分模型,显示了BCT算法具有良好的模型泛化性能和更高的模型评价能力。     

企业资信的综合评价研究

企业资信评级就是资信评级机构通过对企业素质、财务状况、资金信用、经营管理、经济效益、发展前景等全方位的考察与分析后,对企业按约定日期偿还商品货款和银行信贷并支付利息能力等资信状况的评价.我国现行的企业资信评级指标体系是建立在借鉴国外现有经验的基础上,形成了较为成熟和完善的指标体系,但其在实际应用中仍然存在许多值得推敲和完善的地方.本文拟应用模糊分析方法对企业资信做出全面、综合、系统的对比分析.     

基于区间数判断矩阵的模糊信息安全风险评估模型

文章针对资产、脆弱性和威胁间的多对多映射,以及信息安全风险数据难以获取,不确定性较多的特点,提出了一种基于区间数判断矩阵的模糊信息安全风险评估模型.首先针对资产、脆弱性、威胁之间多对多的复杂映射关系,构建基于资产的"威胁-脆弱性-安全事件"矩阵识别模型;在此基础上建立信息安全风险评估的综合指标体系,用区间数判断矩阵确定风险指标权重,用模糊综合评判法对其指标进行定量评价,从而增强了决策柔性,完善了现有的风险评估方法;最后结合实例分析了该模型的有效性.