众筹模式下小微企业信用风险测度与评级转移模型

通过判断矩阵的特征向量与直觉判断矩阵对众筹模式下小微企业信用风险进行测度,得出专家组合权重,然后根据权重结果,选取主要5个信用风险因素为研究对象,利用信用评级的马尔科夫链,构建出众筹模式下小微企业信用风险评级转移模型,得出信用风险等级转移矩阵,再利用JLT调整法对此信用风险等级转移矩阵进行调整,得出调整后的转移矩阵,最后进行马氏性检验,并利用次序probit模型得出小微企业信用风险因素概率模型参数估计值。根据信用风险测度结果可知:"与筹资平台信息不对称程度"、"退出难易程度"、"资金的擅自挪作他用"等为众筹模式下小微企业主要信用风险。利用信用风险评级转移模型能够在复杂信用风险管控中发挥重要的作用。     

信用，全程管理

基于应收账款的企业信用风险管理,成为企业现实经营中需要进行监控和提升的一个至关重要的环节,价值、效率与风险,则是企业信用管理的关键词。     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

区块链交易环境下中小微物流企业信用寻租约束机制研究

中小微物流企业因其自身信用不足,往往存在融资难、贵等问题,且为了降低融资成本倾向进行信用投机,这些现象直接关系到物流服务供应链信用生态的平衡性和稳定性.鉴于此,文章将核心企业与中小微物流企业交易产生的应收账款作为数字债券凭证,搭建物流服务供应链各级中小微物流企业信用信息流转框架;进一步,基于不完全信息理论构建中小微物流企业信用寻租约束模型,通过对比一般交易环境和区块链交易环境下三级物流服务供应链中不同主体期望收益,实现博弈均衡状态,进一步通过仿真分析验证结论:区块链交易环境能够有效约束一级FLSP的信用寻租投机行为,银行通过“惩罚”因子可以最大程度保障寻租风险下的自身收益,且该环境对于遵循合理交易规则的物流企业具有一定保护机制.文章研究验证了区块链交易环境在物流服务供应链信用信息流转中的有效性,同时为物流服务供应链基于核心企业针对中小微物流企业开展供应链金融相关授信业务提供了支撑.     

一种基于自适应杂波密度模型的OTHR Viterbi数据关联跟踪算法

针对天波超视距雷达杂波呈现非均匀非平稳分布的特性以及由虚假杂波多而带来的虚假航迹多等问题,在Viterbi算法中引入了自适应杂波密度模型,在此基础上提出了一种基于自适应杂波密度模型的Viterbi数据关联算法(ACM-VDA).仿真结果表明,与VDA算法及 VDA-AI算法相比,ACM-VDA算法大大降低了虚假航迹的条数.     

企业多风险的综合评估法

本顺应企业整体风险管理的需求，对企业的风险体系进行了分析研究；发展了一种新颖的企业多风险综合评估法，提出求解多个风险的总损失分布函数的算法，并据此分析了企业总体风险状况。最后，通过一个例子简单说明了该算法的具体应用。     

基于W-SVM的民营环保企业信用风险预警模型

2019年中国绿色债券发行量依旧稳居世界前列,成为民营环保企业重要融资渠道,但是2018年至今,大量环保企业信用风险事件频发为我们敲响了警钟,构建合适的民营环保企业信用风险预警机制迫在眉睫.环保产业属于新兴产业,并以国有企业为主导,民营企业的样本数据具有样本量小,维度高等特征,这导致传统的信用风险模型适用性不强.因此选用加权支持向量机模型,对不同类别样本采取不同权值,选取大量财务特征,最终构建出风险预警模型．研究发现加权支持向量机模型具有十分优秀的预警性能.环保企业本身具有资金回收周期较长并且项目前期投入较高等特点,建议加强财务管理,保障资产流动性,建立完善产业链.     

信贷风险决策问题的一种相互逼近算法

基于最速下降法的基本思想 ,提出了相互逼近算法 ,用以解决信贷风险决策过程中 ,利润曲线和风险曲线寻求公共最优近似解的问题 .该算法表明 ,当利润曲线和风险曲线不存在公共最优近似解时 ,银行追求利润最大化的结果将导致风险上升 ,无法在可接受的风险指数范围内实现其既定的盈利目标 .但当利润曲线和风险曲线存在公共最优近似解时 ,银行根据其所掌握的私有信息以及所观测到企业理性的反应 ,作出相应的决策 .公共最优近似解的存在 ,说明了银行是在风险可接受的前提下按最优性原则给企业发放贷款 .     

运用聚类分析法对我国企业信贷风险的评估与预测

本文通过对企业财务指标的分析与选取,运用聚类分析法对我国企业的信用风险贷款质量进行了评估与预测。根据企业信用风险程度,将商业银行对企业的贷款质量分为正常、关注、次级、可疑、损失五类形态。以此对上市公司的运行状况作出评价,为商业银行是否对其贷款提供依据。     

收益约束下在线租赁最小风险策略竞争分析

在线算法是研究信息不确定决策问题的一种新工具。应用在线算法研究金融租赁问题(在线租赁)是近年来国内外的一个研究热点。本文在前人研究基础上,讨论了给定收益约束下在线租赁最小风险策略,完善了在线租赁的风险收益竞争分析。同时我们也把基本的在线租赁扩展为可退货在线租赁问题,并进一步讨论了可退货在线租赁问题的风险最小策略。本文结果对在线租赁研究具有重要意义。     

TOPSIS-GRA法下的企业动态信用评价方法及其应用

针对传统信用评价方法较少考虑到时间的延续性,且只注重信用基础值而忽视其发展趋势的问题,本文提出了一种具有风险抗性信用奖惩特征的TOPSIS-GRA的动态信用评价方法。首先,利用指标信息量诱导密度算子对静态数据进行综合集成,得到静态综合信用评价值,在此基础上构造动态信用评价加权决策矩阵;其次,在对矩阵进行TOPSIS法验算的过程中嵌入企业风险抗性信用奖惩点,进而得到包含奖惩性质的相对贴近度;再以GRA方法得到各受评企业理想的信用发展趋势关联度,结合两者最终得到融合风险抗性奖惩量、信用基础值和信用发展趋势三项特征的稳定科学的企业动态信用评价结果。最后,给出了一个实证分析,验证了该方法的有效性及合理性。     

基于数据的银行信贷行业的信用风险研究

目前多数研究利用美国旧金山市KMV公司于1997年建立的模型(KMV模型)计算企业年违约距离来评估具体企业的信用风险,但缺乏信贷行业的信用风险评估方法,也不能给出随时间变化的信用风险.首先提出基于数据的信贷行业随时间动态演化的信用风险评估模型,然后利用2016年18个行业的数据得到了中国信贷行业动态演化的信用风险,该信用风险随时间演化特征可分为波动上升、下降后波动、下降后稳定、稳定四种类型.进一步研究发现金融业、科学研究和技术服务业、信息传输软件和技术服务业这三个行业动态演化的信用风险平均值高且不稳定,住宿和餐饮业的信用风险很高但是比较平稳,其他行业的信用风险较低且较平稳.     

信用风险相关性度量的MRS Copula模型构建及实证研究

在构建行业信用风险指数的基础上,将马尔科夫机制转换引入到信用风险相关性的度量中,建立了信用风险相关性度量的MRS Copula模型。以1990-2012年电力、煤气及水的生产和供应业,批发、零售、贸易业,石油、化学、塑胶、塑料业和信息技术业为样本的实证研究表明,行业信用风险相关性表现出较为明显的机制转换特征和非对称效应,在高风险状态,信用风险相关系数达到了0.7以上,而在低风险状态,信用风险相关系数在0.2以下.同时,信用风险"一损俱损"的特征比较明显,行业信用风险的下尾相关系数较为显著,而上尾相关系数则并不显著.商业银行可据此调整信贷资产结构,防范信用风险传染,以及优化信贷组合管理.     

考虑个体保护意识的关联信用风险传染机理研究

针对关联信用风险及其传染这一热点和难点问题,本文基于复杂网络异质平均场理论,运用风险传播动力学SIR经典模型,探讨风险信息促成的个体保护意识对关联信用风险传染的影响机理,并在BA无标度网络中进行数值仿真分析。研究结果表明:被感染个体数量、个体反应强度、有保护意识的易感个体比例与关联信用风险传染阈值正相关;考虑个体保护意识、增强易感个体反应强度以及提高有保护意识的易感个体比例能够有效抑制关联信用风险的传染速度和传染规模,并且能够延缓关联信用风险高峰期的到来。     

基于贝叶斯网络的中国电子商务信用风险因素研究

针对电子商务信用问题可能会导致的电子商务发展缓慢、电子商务市场秩序混乱以及电子商务产业崩溃等风险事件,应用贝叶斯网络理论构建中国电子商务信用风险网络模型,分别分析电子商务信用风险的敏感性因素与关键因素对风险事件的影响程度。运用GeNie仿真软件求得结果:最关键的信用风险因素是技术诈骗率提高、经济效率降低以及国家监管力度不足等三个因素,敏感性因素为新者难做、交易者的交易意愿降低、技术诈骗率提高、经济效率降低以及信息不对称等五个因素。研究认为信用风险关键因素的变化会波及信用风险敏感因素的变动,进而引发风险事件的产生。     

上市公司信用风险分析模型中的变量选择

当前上市公司信用风险数据所呈现出的高维度以及高相关性的特点严重影响了信用风险模型的准确性。为此本文结合已有算法以及信用风险模型的特点设计了一种新的基于非参数的变量选择方法。通过该方法对上市公司用风险相关变量进行分析筛选可以消除数据集中包含的噪声变量以及线性相关变量。本文同时还针对该方法设计了高变量维度下最优解求解算法。文章以Logistic模型为例对上市公司信用风险做了实证分析,研究结果表明与以往的变量选择方法相比该方法可以有效的降低数据维度,消除变量间的相关性,并同时提高模型的可靠性和预测精度。     

出口海陆仓融资决策多目标优化模型与算法

授信额度分配决策是出口海陆仓融资业务中的重要问题,为权衡该项业务中的风险和收益,综合考虑出口国家政治风险、风险价值约束以及信用风险等因素,构建以收益最高和风险最低为目标的优化模型。针对所构建模型的特点,提出一种将模拟退火与NSGA-II算法相结合的混合算法对模型进行求解。最后,通过具体实例,分别以现实中常见的1~5个月质押期为例,验证了模型和算法的适用性及有效性。     

基于多目标进化聚类的信用风险特征识别

在信用风险识别领域,聚类算法常被用于区分不同风险等级的样本并识别风险特征。然而该领域中通常面临高维数据处理问题,导致传统聚类算法存在不适应此类问题的缺陷:易陷入局部最优、受冗余特征干扰、鲁棒性不强等。采用高维信用风险数据,研究上市公司信用风险,建立信用风险特征识别的三目标优化模型,设计基于分解的多目标子空间聚类算法进行求解。通过算法的横向对比实验,展示了所提出的算法在聚类精度和鲁棒性方面的优势,并根据聚类算法的权重分配结果,归纳总结上市公司信用风险评估过程中应重点关注的指标。     

供应链上两类不同信用风险的关联及传染效应研究

在一个典型的存在资金约束的二级供应链上,通常存在两类不同的信用风险:一是供应商向银行信用贷款所形成的信贷信用风险;二是供应商为零售商提供商业信用而形成的商业信用风险。本文针对上述两类不同信用风险之间的关联性及传染问题展开研究,揭示了两类风险之间的传染机理,度量了风险的传染强度,并分析了传染强度的影响因素。研究表明:两类不同信用风险之间的关联性,导致供应链上存在由非同类信用风险构成的关联信用风险(Different types of associated credit risk),本文简称为供应链上的D类关联信用风险。结合数值分析发现:D类关联信用风险的传染强度与供应商的生产成本及无风险利率正相关,而与商品的市场价格负相关。特别地,当市场需求服从指数分布时,关联信用风险的传染强度与商业信用成本和零售商的特质有关,供应商通过调整商业信用成本和选择零售商类型可以降低D类关联信用风险的传染强度,进而降低自身的银行信贷风险。本文将同类型信用风险之间的关联和传染问题引申到不同类型的信用风险之间,进一步深化和拓展了关联信用风险的内涵。