基于信息增益的小型工业企业信用评级模型

信用评级就是衡量一笔债务违约的可能性,评价债务违约风险的大小。本文利用信息增益方法建立了信用评级模型,并以小型工业企业贷款数据为对象进行了实证分析。本文的创新与特色:一是按照指标的信息增益越大、越能将违约与非违约企业区分出来的思路,筛选出对违约状态有较大影响的指标。改变了现有研究不以违约鉴别力作为指标遴选标准的不足。二是在相关程度高的一对冗余指标中,删除信息增益小、即违约鉴别能力差的指标,既避免指标间反映信息重复,又避免误删违约鉴别能力强的指标。三是利用信息增益值对指标进行赋权,保证违约鉴别能力越大的指标赋予的权重越大。改变了现有研究赋权不反映指标的违约鉴别能力大小的弊端。实证结果表明:本文遴选的包括资产负债率、行业景气指数、抵质押担保等31个指标对违约状态有显著的鉴别能力,且反映信息不重复。偿债能力是影响小型工业企业信用评级的关键要素。     

基于区间效率的贷款定价研究

以存款利息支出率、费用支出率、预期违约损失率、目标利润率等4个定价指标作为输入,以贷款利率作为输出,采用支持向量机回归算法建立基于区间效率的贷款定价模型.创新与特色一是通过区间数形式来反映预期违约损失率、目标利润率、费用支出率等,改变了现有研究将目标利润、贷款费用、违约损失等变量看作确定性数值来定价的现状.使贷款利率更具有竞争性.二是通过比较不同核函数、核参数下的训练样本的贷款效率区间与合理的贷款效率区间的匹配程度,确定贷款定价模型最优的核函数和核参数,进而建立了贷款定价模型.间接解决了在考虑贷款价格能否被银行、客户接受情况下贷款利率确定的问题.     

基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用

信用分类是信用风险管理中一个重要环节,其主要目的是根据信用申请客户提供的资料从申请客户中区分出可信客户和违约客户,以便为信用决策者提供决策依据.为了正确区分不同的信用客户,特别是违约客户,结合核主元分析和支持向量机算法构造基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型对信用数据进行了分类处理.在基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型中,首先对样本数据进行预处理,然后利用核主元分析以非线性方式降低数据的维数,最后利用带可变惩罚因子最小二乘模糊支持向量机模型对降维后数据进行分类分析.为了验证,选择两个公开的信用数据集来进行实证分析.实证结果表明：基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型取得了较好的分类结果,可为信用决策者提供重要的决策参考依据.     

基于模糊积分支持向量机集成的商业银行信用风险评估模型研究

信用风险管理一直是银行和其他金融机构最关心的问题之一.随着我国经济体制的改革深入、市场机制的建立与完善以及资本市场、银行业的迅速发展,现行的信用评估体制与方法赶不上经济改革发展的需要.本文建立了基于模糊积分的支持向量机集成方法,该方法综合考虑了子支持向量机的输出重要性.用此方法对商业银行的信用风险进行评估,并与单个支持向量机和最多投票原则的支持向量机集成进行比较,实证结果表明,本文提出的方法具有更高的分类精度,证实了该方法的可行性和有效性,为银行建立一套更加可靠的评估系统提供了理论依据.     

基于模糊子集的贷款组合优化方法

遵照国际银行业大多数银行的做法,信用风险评估包括对债务人和债项两个方面.以模糊集理论为基础,通过试算与比较,构造隶属函数,对各指标进行无量纲化处理,建立距离判别函数,评估债务人信用风险.根据债项特征,考察风险四因素:违约概率,特定违约损失,违约敞口,期限,建立0-1整数规划模型,对债项进行风险评估,确定最佳贷款组合,以解决组合贷款的优化决策问题.     

一种与市场预期误差最小的信用风险评价模型及实证

利用KMV测算的违约距离,反映市场预期的违约风险.引入R平方构建信息比率测算指标体系的信息含量,解决指标筛选过程中的信息含量测算问题,筛选出的财务指标体系既满足分散化原则,又符合信息含量最大原则.基于与市场预期违约风险一致原则,通过构建与市场预期违约风险误差最小的有约束优化模型确定指标权重,解决没有公开和完备贷款违约数据库时的信用风险评价问题.以中小企业板块上市公司作为样本进行了实证分析,评价结果表明,建立的与市场预期风险误差最小的信用风险评价体系能够准确反映我国中小企业违约风险的现状.     

基于Group-LASSO方法的广义半参数可加信用评分模型应用研究

信用风险是目前商业银行面临的风险中最为重要和最为复杂的,新巴塞尔协议要求各国条件的银行通过实施内部评级法来度量并控制信用风险,内部评级法即通过银行收集的客户相历史数据来构建数学模型,测算客户的违约概率进而对客户进行评分。文章针对信用评分模型解释变量维数较高,类型丰富,好坏客户类型数量不均衡等特点,利用广义半参数可加模型对户违约概率进行建模,并将Group LASSO方法应用于模型进行变量选择和估计。实证研究表明本文提出的模型和方法与以往常用的线性logistic回归模型相比,在模型的判别能力和预测能以及解释性和计算效率上均有较大优势。     

基于粗糙集和支持向量机的电子商务信用风险分类

准确识别电子商务信用风险,有利于提高企业风险防范能力,减少损失.建立了基于粗糙集(RS)、遗传算法(GA)和支持向量机(SVM)的电子商务信用风险分类模型(RS-GA-SVM).首先,利用RS对分类指标进行约简,选择出电子商务信用风险关键影响因素.其次,采用GA算法优化SVM模型参数,并应于电子商务信用风险分类.最后,实证表明,RS-GA-SVM模型具有高的分类精度和分类效率.     

一种改进二叉树支持向量机在故障诊断中的应用

考虑到构建二叉树支持向量机时样本的分布情况对分类器推广能力具有较大影响,提出一种改进的二叉树支持向量机层次结构构建方法.以类间样本距离和带权值的类内样本距离与其标准差的比值作为类的分类度.将类间距离大且类内样本平均分布广的类最先分离.利用标准数据集,通过与不同多类分类算法比较,验证了改进的二叉树支持向量机的优越性.对双转子涡喷发动机气路部件进行应用改进的算法进行故障诊断,得到了较好的故障识别率.     

基于混合式SMOTE和RF模型的小额贷款公司客户信用风险研究

小额借贷中的个人信用风险问题持续制约着小额贷款行业的健康可持续发展。针对小贷公司在进行信用风险评估时对高违约风险客户识别准确率较低的难题,运用混合式SMOTE、RF算法来同时处理业务数据中高维、非均衡两个问题。本文借助江苏J小贷公司的实例数据,依次构建随机森林(Random Forest, RF)模型、SMOTE-RF模型以及Borderline-SMOTE-RF模型并进行模型测试;再选用SVM算法进行对比实验以此衡量模型的信用风险评价精度。随后基于模型对于指标重要性的评分筛选出6项指标作为影响个人信用风险的关键指标。实验证明基于Borderline-SMOTE-RF算法对于小额贷款个人信用风险评价模型的分类性能最佳;在筛选关键指标时,为避免人工合成虚拟样本对指标重要性影响,需要结合三类模型评分进行综合选择。     

Modeling dependent credit rating transitions: a comparison of coupling schemes and empirical evidence

Three coupling schemes for generating dependent credit rating transitions are compared and empirically tested. Their distributions, the corresponding variances and default correlations are characterized. Using Standard and Poor’s data for OECD countries, parameters of the models are estimated by the maximum likelihood method and MATLAB optimization software. Two pools of debtors are considered: with 5 and with 12 industry sectors. They are classified into two non-default credit classes. First portfolio mimics the Dow Jones iTraxx EUR market index. The default correlations evaluated for 12 industry sectors are confronted with their counterparts known for the US economy.     

中小微企业信贷策略研究

利用中小微企业的进销项发票数据,对中小微企业的信贷风险进行评估,并给出最优贷款策略.首先,建立了企业实力-信誉指标体系,并通过优化模型得到有信誉等级和违约记录的123家企业的最优贷款策略;然后,应用WOE-Logistic评分卡模型对无信誉等级的302家企业进行信誉评级,通过上述实力-信誉指标体系和优化模型得到最优贷款...     

Modelling credit risk with scarce default data: on the suitability of cooperative bootstrapped strategies for small low-default portfolios

Credit risk models are commonly based on large internal data sets to produce reliable estimates of the probability of default (PD) that should be validated with time. However, in the real world, a substantial portion of the exposures is included in low-default portfolios (LDPs) in which the number of defaulted loans is usually much lower than the number of non-default observations. Modelling of these imbalanced data sets is particularly problematic with small portfolios in which the absence of information increases the specification error. Sovereigns, banks, or specialised retail exposures are recent examples of post-crisis portfolios with insufficient data for PD estimates, which require specific tools for risk quantification and validation. This paper explores the suitability of cooperative strategies for managing such scarce LDPs. In addition to the use of statistical and machine-learning classifiers, this paper explores the suitability of cooperative models and bootstrapping strategies for default prediction and multi-grade PD setting using two real-world credit consumer data sets. The performance is assessed in terms of out-of-sample and out-of-time discriminatory power, PD calibration, and stability. The results indicate that combinational approaches based on correlation-adjusted strategies are promising techniques for managing sparse LDPs and providing accurate and well-calibrated credit risk estimates.     

基于贝叶斯方法的低违约组合违约率估计

现代信用风险建模的核心是估计违约率,违约率估计是否准确将直接影响信用风险建模的质量。在估计违约率的众多文献中,频率法或logistic回归等统计方法的运用非常广泛,此类统计模型的基础是大样本,它客观上需要最低数量或最优数量的违约数据,而低违约组合(LDP)是指只有很少违约数据甚至没有违约数据的组合,如何估计LDP的违约率、反映违约率的非预期波动是一个值得关注的现实问题。本文针对银行贷款LDP缺乏足够历史违约数据的情况,采用贝叶斯方法估计LDP的违约率,并进一步探讨了根据专家判断或者根据同类银行LDP违约数量的历史数据来确定先验分布的方法。在贝叶斯估计中,通过先验分布的设定,不仅可以实现违约率估计的科学性和合理性,而且可以反映违约的非预期波动,有助于银行实施谨慎稳健的风险管理。     

Credit rating prediction using Ant Colony Optimization

The introduction of the Basel II Capital Accord has encouraged financial institutions to build internal rating systems assessing the credit risk of their various credit portfolios. One of the key outputs of an internal rating system is the probability of default (PD), which reflects the likelihood that a counterparty will default on his/her financial obligation. Since the PD modelling problem basically boils down to a discrimination problem (defaulter or not), one may rely on the myriad of classification techniques that have been suggested in the literature. However, since the credit risk models will be subject to supervisory review and evaluation, they must be easy to understand and transparent. Hence, techniques such as neural networks or support vector machines are less suitable due to their black box nature. Building upon previous research, we will use AntMiner+ to build internal rating systems for credit risk. AntMiner+ allows to infer a propositional rule set from a given data set, hereby using the principles from Ant Colony Optimization. Experiments will be conducted using various types of credit data sets (retail, small- and medium-sized enterprises and banks). It will be shown that the extracted rule sets are both powerful in terms of discriminatory power and comprehensibility. Furthermore, a framework will be presented describing how AntMiner+ fits into a global Basel II credit risk management system.     

基于稀疏主成分的我国上市公司信用风险评价与预测

把我国2016-2018年沪深Ａ股上市公司中164家ST公司作为信用违约样本,492家非ST上市公司作为非违约样本进行实证研究.从营运能力、偿债能力、盈利能力和成长能力等4个方面选取了25个财务指标,然后运用稀疏主成分方法提取主成分因子,并加入公司规模、第一大股东持股比例和股权质押3个非财务指标,作为Logistic回归模型的输入参数.在此基础上构建Logistic模型进行信用风险评价和预测.     

关系型信贷:一个基于信贷配给的模型

通过一个基于信贷配给的模型,揭示了为什么中小企业融资困难.而关系型信贷是解决"信贷配给"矛盾的一种方式.关系型借贷是市场交易的一种内生制度.这里的关系反映的是企业和一家基本银行(或少数几家银行)建立的长期封闭及规范化的契约关系,他的维系有助于银行收集关于企业发展前景和贷款偿还概率等方面的信息,进而为做出贷款决策提供便利.对于中小企业来说,也能够便利的获得所需的贷款.     

基于KMV模型的我国中小上市公司信用风险研究

经过提高股权价值波动率精度的KMV模型对我国中小上市公司有很强的识别信用风险状况的能力.中小上市公司违约的可能性大于我国大型企业,信用状况不容乐观,整体信用状况在近3年间表现波澜不惊,到2006年违约风险有增大趋势.通过设定两条信用预警线,来监控中小上市公司的信用危机.资产规模对信用风险有显著影响,2004年之后资产规模与违约风险显著负相关,总资产小于3亿元的小公司抗风险能力最差.股份分置改革引起了中小上市公司信用风险短时间的波动,是2006年中小上市公司违约风险变大的重要原因。     

基于PROMETHEE-II的商户小额贷款信用评级模型及实证

截至2014年底,中国注册个体工商户为4984.06万户,个体私营经济吸纳社会从业人员已达2.5亿人,加上中国商户小额贷款对象的分散性、财务信息不健全等特点和难点,商户小额贷款信用评级体系极不完善,甚至绝大多数银行都没有建立这个体系。本文通过相关分析剔除反映信息重复的指标,通过显著性判别遴选对商户违约状态影响显著的指标,建立了能显著区分商户违约状态的小额贷款信用评级指标体系。在此基础上,结合PROMETHEE-II(偏好顺序结构)和聚类分析方法,构建了商户小额贷款信用评级模型,并对中国某国有商业银行2157个商户小额贷款样本进行了实证。本文创新与特色:一是通过将偏好顺序结构评估法(PROMETHEE-II)引入商户小额贷款信用评级,构建了基于PROMETHEE-II的小额贷款信用评分模型,求解商户的净流量信用得分Φ(a),揭示了商户a与其余商户、评价指标间的相互作用对评价结果的影响,避免了现有研究由于评价指标之间的相互替代性、严重影响评价结果可靠性的不足。二是借鉴模糊聚类“数据越集中、越应该被分为一类”的思想,采用R聚类对商户信用得分进行分类;进而采用K-W检验,对分类数目l进行非参数检验,确定商户的信用等级。既保证了不同等级商户在信用得分数值上存在显著差异,也确保了不同等级商户能反映不同的信用特征;同时,也避免了现有利用信用得分区间、违约概率阈值或客户数分布方法划分信用等级时,得分区间、违约概率阈值或客户数分布分位点人为主观确定的不足。三是实证研究表明,影响商户小额贷款信用风险的重要性排序依次为:X₃偿债能力>X₁基本情况>X₆宏观环境>X₅营运能力>X₂保证联保>X₄盈利能力。