基于相似样本归并的大样本混合信用评估模型北大核心CSCDCSSCI

当前面向大样本设计的信用评估模型,大多没有深入探究大样本的分布特征,只是简单地将传统评估方法应用在大样本上.首先提出了用于描述大样本分布特征的相关属性集、边界向量等若干概念及定义,并证明了其主要性质.之后在两个大样本数据集的基础上,研究了样本在相似性方面的分布特征,最后设计了一种大样本混合信用评估模型——HLSCE模型.HLSCE模型认为在大样本数据集中,样本的同一属性在不同局部区域内,对分类性能的贡献是不同的.具体地,HLSCE模型根据各样本与边界向量的相似性差异,结合生物启发式算法,将样本归并划分为若干子集并分别在其上训练基分类器.实证研究表明,HLSCE模型的分类精度相比于现有的代表性信用评估模型更高,同时也具有更为优越的平衡性与稳定性.     

基于组合分类的消费者信用评估

为了降低单个分类模型的不稳定性,提高其应用于消费者信用评估的准确性,提出一种基于组合分类的消费者信用评估方法.首先通过有监督聚类将各个类别的数据样本划分为若干子集合,使得各个子集合中数据样本均来自同一类别,再对不同类别子集合之间进行两两组合得到训练样本子集合,然后在各个训练样本子集合中分别建立不同的分类模型.在分类模型结果综合阶段,以各个分类模型在待分类样本的近邻训练样本中的分类性能作为权重,对各个分类模型的结果进行加权投票以产生待分类样本的最终分类结果.实证研究以决策树作为基本分类器,通过在实际的消费者信用数据集上的比较分析,说明所提出方法相对于其它组合分类方法具有更高的分类准确性,可以有效应用于消费者信用评估.     

客户信用评估半监督协同训练模型研究

在现实的很多信用评估问题中,由于对样本进行类别标记需要花费大量的人力、财力和物力,往往只能获取少量有类别标签的样本来训练分类模型,而把数据库中大量无类别标签的客户样本舍弃。为解决这一问题,本研究引入半监督学习技术,并将其与多分类器集成技术中的随机子空间方法(Random Subspace, RSS)相结合,构建了类别不平衡环境下基于RSS的半监督协同训练模型RSSCI。该模型主要包括三个阶段:1)使用RSS方法训练得到若干基本分类器;2)从大量无类别标签数据集中选择性标记一部分最合适的样本加入到原始训练集中;3)在最终的训练集上训练分类模型,并对测试集样本进行分类。在三个客户信用评估数据集上进行实证分析,结果表明,RSSCI模型的信用评估性能不仅优于常用的监督式集成信用评估模型,也优于已有的一些半监督协同训练信用评估模型。     

信用评估中的鲁棒赋权自适应Lp最小二乘支持向量机方法

消费者信用评估是金融风险管理和信用产业竞争的一个重要方面.信用评估数据中常带有噪声点,并且其类别是不均衡的.最小二乘支持向量机是一个被广泛应用的分类模型,其模型简单,求解速度快,但鲁棒性差.本文提出了一个鲁棒赋权自适应L_p最小二乘支持向量机模型,能够适应信用评估样本数据库类别不均衡的特点,可以有效处理信用评估数据中带有噪声点的问题.在仿真数据和三个信用数据库上的实证分析表明,本文所提出的模型具有较好的鲁棒性和分类能力.     

数据分类中的特征选择算法研究

本文应用半正定规划支持向量机模型,将核函数特征子空间的组合作为核映射矩阵,提出一种新的将特征选择整合在数据分类过程中的学习算法。首先,将样本按其特征进行分组,计算每组样本子集的核矩阵;然后将这些核矩阵线性组合后加入基于半正定规划的支持向量机模型中,利用半正定规划支持向量机学习器求解得到各子特征空间的权重系数,其次,根据特征权重系数建立特征贡献度和支持度用于特征选择并控制分类准确率、特征数量和对不同类别样本的分类能力;最后根据最优分类准确率、最少特征数量、最佳泛化能力三项不同目标计算所对应的特征数量和分类结果。实证中采用医学、植物学、文本识别和信用等领域数据以及人工数据集比较该方法和SFS、Relief-F以及SBS算法的特征选择效果。结果表明,在实际数据中,本文提出的方法不但能够保持较好的分类学习效果,而且可以比SFS、Relief-F以及SBS特征选择算法的特征子集数目大幅减少;在人工数据中,该方法可以正确地选出真正的特征,去除噪声特征。     

代价敏感的目标客户选择半监督集成模型研究

在现实的目标客户选择建模中,往往只能获取少量有类别标签的样本,而剩下的大量样本都无法获取类别标签。已有研究大都使用监督式建模研究范式,仅在少量有类别标签样本集上建模,很难取得令人满意的效果。为解决这一问题,本文引入半监督学习（semi-supervised learning,SSL）技术,将其与代价敏感学习（cost sensitive learning,CSL）和多分类器集成中的随机子空间（random subspace,RSS）方法相结合,提出了代价敏感的目标客户选择半监督集成模型（cost-sensitive semi-supervised ensemble model,CSSE）。该模型使用代价敏感的支持向量机（SVM）来解决目标客户选择建模中样本数据类别分布不平衡的问题,还能够同时使用有、无类别标签的客户样本来建模。进一步地,该模型利用RSS方法训练一系列基本分类模型,并通过集成得到最终的分类结果。在某保险公司目标客户选择数据集上进行实证分析,结果表明,与两种监督式集成模型、两种单一的半监督模型以及两种半监督集成模型相比,CSSE模型具有更好的目标客户选择性能。     

基于半监督支持向量机的信用评分模型

针对信用评分中有标记样本获取难度大、成本高的问题,本文提出一种新的基于半监督支持向量机的信用评分模型。通过给未标记样本引入新的参数,使得模型无需满足随机缺失假设,具有良好的适用性。同时,在损失函数中加入半监督部分鼓励有标记样本和未标记样本系数的相似性,从而能够有效融合未标记样本信息,提升估计效果。此外,本文利用Group LASSO进行变量选择,可以充分利用组结构信息,筛选重要变量。通过数值模拟和一个信用卡风险违约预测实例数据证明了所提方法的可行性,以及在变量选择、系数估计和分类预测上的优良效果。     

基于Metacost的客户信用评估半监督异构集成模型研究

针对现实中信用评估存在的问题,本研究将元代价敏感学习、半监督学习和异构集成等技术结合,提出了基于Metacost的客户信用评估半监督异构集成模型(Metacost based semi-supervised heterogeneous ensemble model, Meta-Semi-HE)。该模型主要包括三个阶段：1)用Metacost方法修改初始有标签训练集得到Lm;2)在Lm上通过AdaBoost方法训练N个异构分类器hi(i = 1,…, N),用伴随分类器组合Hi选择性标记无标签数据集的样本,并将其添加到Lm中,用新的Lm重新训练N个异构分类器。重复这一步骤,不断提高分类器性能,直至满足终止条件;3)用最终的N个异构分类器对测试集样本分类。在6个客户信用评估数据集上进行实证分析,结果表明,与已有的3种半监督集成模型和2种监督式集成模型相比,本研究提出的模型具有更好的客户信用评估性能。     

基于改进SMOTE的小额贷款公司客户信用风险非均衡SVM分类

研究了小额贷款公司对客户进行信用风险评估时面临的问题,构建了信用风险评估指标体系,改进了支持向量机(Support Vector Machine, SVM)对非均衡样本分类时分类超平面偏移的不足。首先分析小额贷款公司业务区域性强、信用数据来源不规范、评价标准不一致等特点,给出用于客户信用风险评估的四个维度指标。针对传统SMOTE算法在处理非均衡数据时对全部少数类样本操作的问题,提出仅对错分样本人工合成的改进思想,给出具体算法步骤。将改进算法用于某小额贷款公司客户信用风险评估案例中,分类精确度较其他算法有所提升,表明该方法的可行性和有效性。     

基于最优支持向量机模型的经营失败预警研究

根据中国资本市场的实际和样本数据特点,设计一套从样本准备到模型参数优化、再到模型比较的集成解决方案,对上市公司经营失败进行预警,通过实验分析参数调整和核函数选择对支持向量机建模的影响,寻求最优的支持向量机模型.实证结果表明,经营失败预警应用中,参数和核函数的选择对预警模型有较大影响,基于最优支持向量机模型的预测效果优于统计方法和神经网络方法,支持向量机适合中国上市公司分行业小样本的实际.特别处理事件作为经营失败样本切分标准对模型产生一定影响.     

基于风险环境的企业多层交叉信用评分模型与应用

研究基于风险环境的企多层交叉信用评分模型与信用评级方法,解决同一地区具有多个地域、多个行业和多个企业的企业、行业和地域等具有二级或以上层级结构的企业、行业和地域信用评级问题.定义了地域信用形象,针对同一地域同一行业、不同地域同一行业、同一地域不同行业和不同地域不同行业等4种不同的企业层级结构,分别建立了企业信用评分模型、行业信用评分模型和地域信用评分模型,用以对企业、行业和地域进行信用评级.以某一地区某一行业的集团公司进行项目贷款申请为例,假定该公司同时在"好"、"中"和"差"3个不同的经济发展区域分别建立3个子公司,并分别计算了该公司及其3个子公司在不同地域信用环境影响下的信用评分值,然后综合计算了在不同地域同一行业下的具有多层级结构的公司多级信用评分值,给出公司相应的信用评级结果和银行相应的信贷策略.最后还给出了集团公司具有贷款申请资格的数值条件.该方法对集团公司的信用评级方法以及银行对集团公司的信贷策略及相应决策具有科学参考依据.     

债务抵押债券（CDO）定价模型研究综述

作为近10年来发展最为迅速的信用衍生产品之一,CDO已在国外银行等金融机构的风险管理过程中得到了广泛的应用,美国近期次级贷款市场的不良表现致使CDO等金融衍生品的设计与定价受到更强烈的关注。系统介绍和比较分析了业界普遍采用的BET、Copula、因子Copula等CDO基本定价模型;简要回顾了当前理论界的研究热点——因子Copula模型和动态模型的研究进展;对未来可能的研究趋势作了展望。     

商业银行信用风险评估预测模型研究

依据商业银行信用风险的内涵,指出信用风险评估应当充分考虑信贷资金安全系数的不 确定性和信用风险的相对性特征,并以“信用风险度”作为系统的输出,构建了基于人工神经网 络的信用风险评估预测模型,为有效转变信用风险的分类评估模式,提供更为全面的信贷决策 支持奠定了基础.     

信贷风险管理系统的开发实践

信贷风险管理一直是金融界关注的焦点,而对处于新兴市场和转轨型经济环境下的我国商业银行而言,这个问题尤为重要。本文分析了如何利用计算机辅助进行信贷风险的管理,提出了具体的思路和方案。     

基于加权群体AHP的企业资信评价方法

本文研究加权群体AHP方法及其在企件资信评价中的应用问题,建立了反映各专家或决策者优先权及各判断矩阵可信度的两种加权距离法,从主观和客观两方面切实有效地反映了各专家或决策者意见对最终评判结果的影响。企业资信评价是银行信贷风险管理的重要基础工作之一,各企业资信等级的正确评定取决于许多相关因素,需要各方面专家或决策者进行综合评判,合理的评判结果应反映各专家或决策者对各企业及信贷风险状况了解和认识的程度,同时应反映各专家或决策者对各企业评判所给出的判断矩阵的可信度,因此,本文建立以各专家或决策者优先权及各判断矩阵可信度为权系数的加权距离法,较好地解决了该问题。     

考虑风险规避的资金约束供应链最优信用契约设计

本文针对零售商的资金约束问题,研究了风险规避的供应商如何通过设计信用契约影响零售商的融资结构。构建了包含供应商、零售商以及银行在内的供应链融资模型,给出了供应商的最优信用契约决策、零售商的最优库存决策以及银行的最优利率决策。进一步分析了供应商的风险规避程度对最优信用契约决策的影响。研究表明：当供应商的风险规避程度低于某个临界值时,供应商偏好提供全额信用,从而零售商的融资结构为单一的交易信用融资;而当供应商的风险规避程度高于该临界值时,供应商偏好提供部分信用,从而零售商的融资结构为组合融资。最后,通过数值算例验证了本文的结论。本研究一定程度上丰富了现有供应链金融的理论研究,为供应链核心企业与银行的决策提供了依据与参考。     

The Roles of Bank and Trade Credits: Theoretical Analysis and Empirical Evidence

This study investigates the roles of bank and trade credits in a supply chain with a capital‐constrained retailer facing demand uncertainty. We evaluate the retailer's optimal order quantity and the creditors' optimal credit limits and interest rates in two scenarios. In the single‐credit scenario, we find the retailer prefers trade credit, if the trade credit market is more competitive than the bank credit market; otherwise, the retailer's preference of a specific credit type depends on the risk levels that the retailer would divert trade credit and bank credit to other risky investments. In the dual‐credit scenario, if the bank credit market is more competitive than the trade credit market, the retailer first borrows bank credit prior to trade credit, but then switches to borrowing trade credit prior to bank credit as the retailer's internal capital declines. In contrast, if the trade credit market is more competitive, the retailer borrows only trade credit. We further analytically prove that the two credits are complementary if the retailer's internal capital is substantially low but become substitutable as the internal capital grows, and then empirically validate this prediction based on a panel of 674 firms in China over the period 2001–2007.     

代理成本与“信用价差之谜”

作为一个内生因素,企业中的代理问题可能会恶化企业的信用风险.通过将代理人与股东之间的最优合约模型嵌入到Leland-Toft内生违约框架中,研究了道德风险这一具体的代理问题对信用风险及信用价差的影响机制.结论表明:企业中的道德风险问题对企业信用风险产生明显影响,并且显著增加信用价差;对于描述道德风险的关键参数,论文建立的模型明确了它们在影响信用价差中起到的作用.由此,论文从代理问题的角度对“信用价差之谜”给出了合理解释.此外,文中也给出了债券价值、股权价值和内生违约边界的显性表达式.     

基于违约区分程度最大权重的信用评级模型

信用评级方程是信用评级模型的核心,权重是影响信用评级方程评价准确度的重要因素,合理的权重对于信用评级至关重要.通过以违约与非违约客户信用得分单位离散度的平均距离最大为目标函数,构建非线性规划模型的思路,反推各指标的最优权重组合.通过PR曲线方法对信用评级模型的合理性进行检验,并对1 231个小企业贷款进行了信用评级.通过构建信用评级方程S=S(W)的权重向量W与违约与否的两类客户平均信用得分的距离D之间的函数关系,以违约与否的两类客户平均信用得分距离D最大为目标建立非线性规划,反推一组最优权重W.保证了信用评级方程的评级结果,能够最大限度地区分违约与非违约客户.改变了现有研究的权重向量与整体违约鉴别能力无关的弊端.非财务指标相对于财务指标在小企业评级中更重要,权重高达58%,非财务指标中"城市居民人均可支配收入"指标的权重最大,为14.7%.通过PR曲线方法验证了其合理性.研究表明,"基于违约状态区分程度最大权重的小企业信用评级模型",对客户违约与否的区分精度,优于现有研究的同类经典模型.     

付费主体差异对信用评级结果的影响机制研究

2010年我国首家投资人付费评级机构——中债资信成立,由于我国投资人付费评级机构成立时间不长,目前国内鲜有研究投资人付费与发行人付费评级差异及产生原因的文献,并且国外相关文献主要关注评级方式对某一类债券评级结果的影响,而没有探讨两种评级方式对不同类型债券的影响之间是否存在差别。本文针对投资人付费与发行人付费评级之间的差异,基于声誉效应、竞争机制对发行人付费评级机构迎合选择进行了博弈分析,并分别以信贷资产支持证券和企业债主体的评级数据为样本,对评级差异及其产生原因进行了实证检验。研究结果表明：投资人付费评级结果显著低于发行人付费评级结果;不同付费模式下评级结果的差异受到是否为首次评级和发行人付费评级机构市场份额的影响,发行人付费评级机构对发行人的迎合是产生评级差异的主要原因;两种付费评级方式在企业债主体中的评级差异显著高于在信贷资产支持证券中的评级差异,表明付费评级方式对企业债主体的影响更大。本文较为全面地研究了我国投资人付费与发行付费评级之间的差异,使投资人、监管机构对不同付费模式下的评级结果有更加清晰的认识。