利率市场化背景下财务公司贷款定价研究

随着利率市场化的逐步深入,财务公司面临利率自主与合理定价的艰巨挑战。本文首先分析了利率市场化对财务公司行业的挑战,接着介绍西方经典定价模型,最后结合财务公司定位、发展、属性,开创性地提出了综合考虑风险、目标利润和财企关系的风险定价模型,具有一定的可操作性和实用性。     

中国地方政府债券信用评级模型分析与实证研究

随着社会主义市场经济的发展,我国地方政府发行国债已经逐渐的成为弥补我国财政赤字重要的手段,是保证我国经济可持续发展的关键因素。政府债券信用已经逐渐成为现代债券发展的关键因素,由于风险的累积,对于我国国债政策的可持续发展造成一定影响。本文针对政府债券的研究背景、政府债券信用评级概况以及风险的防范构建思路进行实际的研究,并设计信用评级制度的具体模型,经过实证分析,实现我国债券的可持续发展。     

关于项目合同的风险与其管理措施探索

正合同是现代企业交流中重要的形式和手段。项目合同贯穿于整个项目流程。项目合同的风险及其管理是重视合同风险,维护企业自身利益的重要措施。本文从项目合同中存在的风险入手,详细探讨了项目合同管理和风险预防、转移和共担的措施。以期对项目合同管理水平的提高有所裨益。在市场经济发展的过程中,作为市场活动的参与者,企业之间的往来越来越频繁,而随着这种频繁的往来,使企业之间的交往关系越来越规范,这就使得合同成为企业接触中不可缺少的要素。企业能     

浅谈如何加强建筑施工企业应收账款管理

建筑施工企业的应收账款主要是因为工程结算中的往来款项引起,其具有金额大、风险高的特点。本文从建筑施工企业应收账款管理中存在的主要问题分析入手,对如何加强建筑施工企业应收账款管理进行了思考。     

商业信用信息资源的定价策略及理论模型构建研究

商业信用信息资源日益受到重视,对其进行合理定价可以减少信息不对称造成的损失。从效用属性与成本属性入手对其的定价策略进行探讨,基于价值链的成本分析建立了商业信用信息资源定价模型。研究发现应坚持成本导向的定价策略;当满足一定条件时,需要引入公共资金介入进行补贴。     

S市H区公务员诚信体系建设现状

正S市的个人征信体系建设起步早,于1999年进行个人征信的试点,市政府批准成立了"S市资信有限公司",人民银行总行授予业务资质,个人信用联合征信服务系统于2000年7月建成开通。S市社会诚信体系建设号召政府带头诚信,带头使用信用产品,公务员诚信体系建设于2004年在H区率先开展,随后,松江区、金山区也加入了公务员诚信体系建设的行列。     

交易信用保险对供应商提供融资的激励作用

交易信用作为一种短期融资模式,可以降低零售商的资金短缺对供应链运营的影响,但是由于市场需求的不确定性,提供交易信用的供应商会面临一定的信用风险。本文假设供应商是风险厌恶的,比较了无保险、全额保险和共同保险下供应商向零售商提供的最优交易信用数量、期望效用及保费。研究表明,有保险合同下供应商向零售商提供的交易信用数量会高于无保险时供应商向零售商提供的交易信用数量;并且随着保险公司赔付比例的增加,共同保险下供应商向零售商提供的交易信用数量会逐渐增加。此外,当供应商的风险厌恶程度很高时购买全额保险,否则购买共同保险,并且当风险厌恶程度越低时要求保险公司的赔付比例越低是供应商的最佳选择。     

企业诚信与竞争优势的关系研究--基于苏州等六地188家企业的实证调查

本文在综合和提炼了企业诚信与竞争优势的相关理论基础上,将企业诚信分为三个维度,分别是信用水平、品牌、利益相关者信任;将竞争优势分为销售业绩、发展潜力、管理绩效三个维度.本文分析了企业诚信三维度与竞争优势三维度之间的相关和回归关系,研究结论有利于企业诚信建设.     

加强应收账款管理的建议

赊账是企业的一种重要增收手段,对企业开拓市场具有重要意义。关键问题在于企业应懂得如何应变,找到适当的平衡点,既可利用信用政策吸引客户,增加收入,又可以把应收账款控制在最低水平。加强应收账款管理的意义在于保证企业增收增效的前提下缩短收账期,让资金早日回笼,提高企业资金周转率。一、制订信用政策,加强收账管理制定合理的信用政策,是加强应收账款管理,提高应收账款资金效益的重要前提。企业在竞争的情况下产生的应收账款,其实是一种企业间的信用。应收账款回收效果的好坏,主要依赖于企业实行的信用政策,包括信用标准、信用期限和…     

面向巴塞尔新资本协议的自优化神经网络信用评估方法

巴塞尔新资本协议中对信用风险评估使用的数据作了明确规定,而我国银行业目前所积累的数据还不能达到协议的要求;立足于我国银行业的现状,在新协议框架范围内探索可行的信用评估方法.对原有神经网络算法加以改进,提出自优化神经网络方法,该方法能较好地适应时变数据和自动优化神经网络评估模型,用真实的客户信用数据试验也表明该方法比普通神经网络有较高的准确性.