信用风险定量指标选取的实证研究
|
摘要
通过运用信息熵理论和数据分析技术,计算企业定量财务数据的WOE及Ⅳ值,筛选出信用风险区分能力较强的财务指标,为金融机构量化企业信用风险提供了理论依据。结合企业微观数据并使用Logistic回归方法建立备选信用风险模型,运用ROC、CAP及KS曲线综合分析后,最终确定信用风险量化模型和相关定量分析财务指标。
By using the information entropy theory and data analysis technology, the quantitative calculating enterprise financial data of WOE and Ⅳ value were calculated, it has strong ability to distinguish between credit risk of the financial indexes, which provides a theoretical basis for financial institutions to quantify corporate credit risk. Combining enterprise micro data and using logistic regression method to establish an alternative credit risk model, the credit risk quantitative model and related quantitative analysis financial indicators were finally determined after comprehensive analysis of ROC, CAP and KS curves.
By using the information entropy theory and data analysis technology, the quantitative calculating enterprise financial data of WOE and Ⅳ value were calculated, it has strong ability to distinguish between credit risk of the financial indexes, which provides a theoretical basis for financial institutions to quantify corporate credit risk. Combining enterprise micro data and using logistic regression method to establish an alternative credit risk model, the credit risk quantitative model and related quantitative analysis financial indicators were finally determined after comprehensive analysis of ROC, CAP and KS curves.
引文
① Durand D.,Risk Elements in Consumer Installment Financing,National Bureau of Economic Research,New York,1941,pp.8391.
② Fellner W.,“Automatic Market Clearance and Innovations in the Theory of Employment and Growth”,Oxford Economic Papers,1958,10(2):184204.
③ Myers J.H.,Forgy E.W.,“The Development of Numerical Credit Evaluation Systems”,Journal of the American Statistical Association,1963,58(303),pp.799806.
④ Beaver W.H.,“Financial Ratios as Predictors of Failure”,Journal of Accounting Research,1966,04(1),pp.71111.
⑤ Altman E.I.,“Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy”,The Journal of Finance,1968,23(4),pp.589609.
⑥ Altman E.I.,“ZETA TM Analysis A New Model to Identify Bankruptcy Risk of Corporations”,Journal of Banking & Finance,1977,01(1),pp.2954.
(1)梁世栋:《信用风险模型比较分析》,《中国管理科学》2002年第10期。
(2)姜天、韩立岩:《基于Logit模型的中国预亏上市公司财务困境预测》,《北京航空航天大学学报(社会科学版)》2004年第1期。
(3)管七海、冯宗宪:《我国制造业企业短期贷款信用违约判别研究》,《经济科学》2004年第5期。
(4)武剑:《内部评级法中的违约损失率 (LGD) 模型——新资本协议核心技术研究》,《国际金融研究》2005年第2期。
(5)郑大川、王恒、黄震:《商业银行内部评级法的违约概率预测新方法——基于二值响应面板数据模型的研究》,《南方金融》2011年第2期。
(6)贾海涛:《我国商业银行信用违约概率的测度》,《统计与决策》2008第10期。
(7)王颖:《基于信用评分模型的我国商业银行客户违约概率研究》,《管理评论》2012年第2期。
(8)因文章篇幅所限,未列出全部指标,如有需要可向作者索取。
(9)违约界定:1998年5月,中国人民银行参照国际惯例,结合中国国情,制定了《贷款分类指导原则》,要求商业银行依据借款人的实际还款能力进行贷款质量的五级分类,即按风险程度将贷款划分为五类:正常、关注、次级、可疑、损失,后三种为不良贷款。符合后三种情况即视为违约客户。
(10)根据新资本管理办法的要求,用于估计非零售风险暴露债务人违约概率的数据观察周期不得低于5年;用于估计非零售风险暴露违约损失率的数据观察期不得低于7年。
(11)ROC曲线是对分类器表现的一个二维描述,通常的计算方法是计算ROC曲线下方的区域面积,这个下方区域表示为AUC值,通过对AUC的计算可以区分分类器的效果。通常情况下AUC的值应该大于0.5。
(12)CAP是通过计算CAP曲线描述在不同的风险评分范围百分比下的累计违约事件概率分布,是衡量模型优劣的直观量化评级方法。通常情况下POWER值越大,模型效果越好。
(13)KS检验是检验总体分布是否属于某一分布族的问题,可称为分布族检验,属于非参数检验的一种。
(14)由于文章篇幅所限,读者如有兴趣可向作者索取。
② Fellner W.,“Automatic Market Clearance and Innovations in the Theory of Employment and Growth”,Oxford Economic Papers,1958,10(2):184204.
③ Myers J.H.,Forgy E.W.,“The Development of Numerical Credit Evaluation Systems”,Journal of the American Statistical Association,1963,58(303),pp.799806.
④ Beaver W.H.,“Financial Ratios as Predictors of Failure”,Journal of Accounting Research,1966,04(1),pp.71111.
⑤ Altman E.I.,“Financial Ratios,Discriminant Analysis and the Prediction of Corporate Bankruptcy”,The Journal of Finance,1968,23(4),pp.589609.
⑥ Altman E.I.,“ZETA TM Analysis A New Model to Identify Bankruptcy Risk of Corporations”,Journal of Banking & Finance,1977,01(1),pp.2954.
(1)梁世栋:《信用风险模型比较分析》,《中国管理科学》2002年第10期。
(2)姜天、韩立岩:《基于Logit模型的中国预亏上市公司财务困境预测》,《北京航空航天大学学报(社会科学版)》2004年第1期。
(3)管七海、冯宗宪:《我国制造业企业短期贷款信用违约判别研究》,《经济科学》2004年第5期。
(4)武剑:《内部评级法中的违约损失率 (LGD) 模型——新资本协议核心技术研究》,《国际金融研究》2005年第2期。
(5)郑大川、王恒、黄震:《商业银行内部评级法的违约概率预测新方法——基于二值响应面板数据模型的研究》,《南方金融》2011年第2期。
(6)贾海涛:《我国商业银行信用违约概率的测度》,《统计与决策》2008第10期。
(7)王颖:《基于信用评分模型的我国商业银行客户违约概率研究》,《管理评论》2012年第2期。
(8)因文章篇幅所限,未列出全部指标,如有需要可向作者索取。
(9)违约界定:1998年5月,中国人民银行参照国际惯例,结合中国国情,制定了《贷款分类指导原则》,要求商业银行依据借款人的实际还款能力进行贷款质量的五级分类,即按风险程度将贷款划分为五类:正常、关注、次级、可疑、损失,后三种为不良贷款。符合后三种情况即视为违约客户。
(10)根据新资本管理办法的要求,用于估计非零售风险暴露债务人违约概率的数据观察周期不得低于5年;用于估计非零售风险暴露违约损失率的数据观察期不得低于7年。
(11)ROC曲线是对分类器表现的一个二维描述,通常的计算方法是计算ROC曲线下方的区域面积,这个下方区域表示为AUC值,通过对AUC的计算可以区分分类器的效果。通常情况下AUC的值应该大于0.5。
(12)CAP是通过计算CAP曲线描述在不同的风险评分范围百分比下的累计违约事件概率分布,是衡量模型优劣的直观量化评级方法。通常情况下POWER值越大,模型效果越好。
(13)KS检验是检验总体分布是否属于某一分布族的问题,可称为分布族检验,属于非参数检验的一种。
(14)由于文章篇幅所限,读者如有兴趣可向作者索取。