商业银行对企业信用风险度量和管理的研究
|
摘要
企业已经成为促进我国经济持续快速、健康发展的重要力量,而我国企业通过证券市场直接融资的上市条件较为严格,因此,通过商业银行进行间接融资成为企业获得资金的重要渠道。研究银行对企业的信用风险度量具有重要经济价值和社会价值。
本文利用四种统计模型来度量和评价企业间接融资的信用风险。除绪论及参考文献、附表部分外,本文实体部分共分为四个部分：
第一部分,主要介绍了国内外商业银行对企业信用风险度量的研究情况,探究适合我国国情的对企业信用风险度量的研究方法。
第二部分,首先阐述信用风险的相关概念及其信用风险评级在我国经济发展中的作用和意义,为信用风险模型的建立提供准备。
第三部分,结合我国中小企业信用风险度量的特点,建立企业信用风险度量的分类模型,本文利用企业财务数据,首先对原始数据进行主成分分析,选取出合理的指标,再分别采用Logistics回归、贝叶斯判别分析方法、贝叶斯网络分类等方法对企业的资本负债及财务进行中小企业信用风险度量的实证研究。
第四部分,结论与评价部分,针对模型实际结果与理论结果的差异,提出了研究的评价和建议。
The enterprises have become important strength to promote national's economy developing continued, fast and healthily. It is an important channel to acquire capital by indirect fancying from commercial banks, because the requirement for the enterprise by going public is very strict. It has important economical and social value to research the enterprise's credit rating.
This thesis makes use of four kinds of statistical models to measure and evaluate the indirect fancying credit rating. In addition to introduction, references and attached lists, the physical part of this paper is divided into four parts:
In the first part, it introduces the studies on credit rating from commercial banks at home and aboard, for exploring the solution fitting for our own national situation.
In the second part, it introduces related concepts, effects and sense on credit rating. And then, we analyze and set up indexes system for constructing credit rating models.
In the third part, it combines our national situation to construct the enterprise's credit rating classing models. Besides, this article chooses financial data in the annul report. First, we choose reasonable indexes by principal component analysis. And then, use Logistical regression, Bayesian discrimination analysis and Bayesian networks methods to make empirical studies on credit rating.
In the forth part, it is conclusion and evaluation part. We find the causes of difference between actual results and theoretical results, and then propose evaluations and advices.
本文利用四种统计模型来度量和评价企业间接融资的信用风险。除绪论及参考文献、附表部分外,本文实体部分共分为四个部分：
第一部分,主要介绍了国内外商业银行对企业信用风险度量的研究情况,探究适合我国国情的对企业信用风险度量的研究方法。
第二部分,首先阐述信用风险的相关概念及其信用风险评级在我国经济发展中的作用和意义,为信用风险模型的建立提供准备。
第三部分,结合我国中小企业信用风险度量的特点,建立企业信用风险度量的分类模型,本文利用企业财务数据,首先对原始数据进行主成分分析,选取出合理的指标,再分别采用Logistics回归、贝叶斯判别分析方法、贝叶斯网络分类等方法对企业的资本负债及财务进行中小企业信用风险度量的实证研究。
第四部分,结论与评价部分,针对模型实际结果与理论结果的差异,提出了研究的评价和建议。
The enterprises have become important strength to promote national's economy developing continued, fast and healthily. It is an important channel to acquire capital by indirect fancying from commercial banks, because the requirement for the enterprise by going public is very strict. It has important economical and social value to research the enterprise's credit rating.
This thesis makes use of four kinds of statistical models to measure and evaluate the indirect fancying credit rating. In addition to introduction, references and attached lists, the physical part of this paper is divided into four parts:
In the first part, it introduces the studies on credit rating from commercial banks at home and aboard, for exploring the solution fitting for our own national situation.
In the second part, it introduces related concepts, effects and sense on credit rating. And then, we analyze and set up indexes system for constructing credit rating models.
In the third part, it combines our national situation to construct the enterprise's credit rating classing models. Besides, this article chooses financial data in the annul report. First, we choose reasonable indexes by principal component analysis. And then, use Logistical regression, Bayesian discrimination analysis and Bayesian networks methods to make empirical studies on credit rating.
In the forth part, it is conclusion and evaluation part. We find the causes of difference between actual results and theoretical results, and then propose evaluations and advices.
引文
[1]Dongsheng Liu. Distributed customer classification model based on improved Bayesian network[C].2008 International Symposium on Computational Intelligence and Design,2008
[2]Friedman, Geiger, Goldszmidt R. Bayesian Network Classifiers. Machine Learning,1997
[3]Kononenko. Semi-naive Bayesian Network Classifier[C]. In Proceedings of the 6th European Working Session on Learning,1991
[4]Kaizhu Huang, Irwin King, Mechael R, Lyu. Learning maximum likelihood semi-naive Bayesian network classifier[C]. In Proceedings of IEEE International Conference on Systems,2002
[5]Christoffersen P. F.. Elements of Financial Risk Management. San Diego: Academic Press,2003
[6]Frankel and Rose. An Analysis and Critique of the BIS Proposal On Capital Adequacy and Ratings [J]. Journal of Banking and Finance.1996 (4): 45-65
[7]Kaminsky, Lizondo and Reihart. An new way 011 bank risk[J]. Journalof Banking and Finance.1997(8):14-21
[8]Andrew. Berg&Cmhefine. Pattilo. An survey of southeast Asian financial crisis [J]. Journal of International Money and Finance,2002,21 (1):79-113
[9]McFadden, Catherine. Foreign banks in Australia, Nile World Bank, 1994
[10]Kominsky. G. L. and C. M. Reinhart. The Twin Crises:The Causes of Banking and Balance of Payments Problems. American Economic Review.1999
[11]David Maxwell. Learning equivalence classes of Bayesian-network structure[J]. Machine Learning,2002(2)
[12]Cheng Jie. Learning Bayesian networks from data:an information-theory based approach[J].Artificial Intelligence,2002
[13]David Heckerman. Learning Bayesian networks:the combination of knowledge and statistical data[J].Machine Learning,1995,20
[14]Jiawei Han Micheline Kamber(加).数据挖掘：概念与技术[M].北京：机械工业出版社,2001
[15]周春光.重构商业银行客户分类体系[J].商业时代理论,2004,29
[16]孟钊兰,邵洪选.商业银行客户分类新体系探索[J].银行经营,2008
[17]吴开军.客户分类方法探析[J].工业技术经济,2003
[18]肖北冥.宏微观分析相结合的信贷风险预测模型研究[J].金融论坛,2004
[19]康健,梁允荣.分离挖掘技术在金融客户关系管理中的应用[J].北京理工大学学报,2003,(23)：17-19
[20]黄亦潇,邵培基,张菁菁.基于客户价值的客户分类方法研究[J].预测,2004,(23)：32-34
[21]杜宽旗,蒙肖莲等.一种商业银行客户分割的多维方法—基于客户期望收益和态度的分割模型[J].商业研究,2006,(13)：32-33
[22]李欣.商业银行客户细分模型的建立和应用[J].统计与预测,2008,9
[23]蒙肖莲.商业银行客户识别与保持模型研究[D].博士学位论文,2005,4
[24]蒙肖莲等.商业银行客户流失预测模型研究[J].系统工程,20094,12
[25]谢江林等.数据挖掘在供应链金融风险控制中的应用[J].南昌大学学报,2008,(3)：27-29
[26]于兆吉,郭亚军.基于数据挖掘的信用分类技术[J].沈阳工业大学学报,2007,(6)：35-36
[27]周玉敏等.基于主成分分析的B2C客户分类方法研究.计算机应用与软件,2009,(6)：17-18
[28]廖绚,李兴绪.基于Logit模型的银行个人信贷风险管理评估[J].统计与决策,2008,(21)：22-25
[29]蔡志强等.基于贝叶斯网络分类器的产品故障率分类研究.计算机应用研究,2009,(9)：26-31
[30]黄静,赵庆祯.基于朴素贝叶斯的供应链金融信用风险预测分析.物流科技,2009,(8)29-30
[31]王春峰等.基于神经网络技术的商业银行信用风险评估[J].系统工程理论与实践,1999,(9)：33-35
[32]宫秀军,史忠植.基于Bayes前者语义模型的半监督Web挖掘[J].软件学报,2002：26-31
[33]郭春香,李旭升.贝叶斯网络个人信用评估模型.系统管理学报,2009,6
[34]骆敏燕等.基于朴素贝叶斯的学生信息分类预测研究.高等教育与学术研究,2008
[35]林士敏,田凤占,陆玉昌.用于数据挖掘的贝叶斯分类器研究[J].计算机科学,2000
[36]林士敏,田凤占,陆玉昌.贝叶斯网络的建造及其在数据采掘中的应用 [J].清华大学学报,2001：33-35
[37]王玮,蔡红莲.贝叶斯网络拓扑结构确定方法的研究[J].小型微型计算机系统,2002：33-35
[38]叶胜利.基于贝叶斯网络分类器的商业银行信用卡客户分类模型研究.硕士学位论文,2009,6：27-31
[39]邓维斌,黄蜀江,周玉敏.基于条件信息熵的自主式朴素贝叶斯分类算法[J].计算机应用,2007,26
[40]高妍方.判别贝叶斯网络的学习算法及其应用研究.工学博士学位论文,2008,10
[41]王书海,刘刚等.BIC评分贝叶斯网络模型及其应用.计算机工程,2008,8：19-22
[42]杨有振,李剑等.商业银行风险的重新分类及其管理.经济问题,2005,5
[43]王辉.用于预测的贝叶斯网络[J].东北师范大学学报(自然科学版),2002,34(1)：31-32
[44]金觉新,穆志纯.基于贝叶斯网的分类器及在CRM中的应用[J].科技与经济,2006：30-32
[45]蒙肖莲等.基于概率神经网络的欺诈性财务报告的识别研究[J].数理统计与管理,2009,(28)：33-35
[46]欧洁,林守勋.基于朴素贝叶斯网络模型的信息检索[J].微电子学宇计算机,2003：26-31
[47]羌磊,肖田元,乔桂秀.一种改进的Bayesian网络结构学习算法[J].计算机研究与发展,2002,39
[48]何盈捷,刘惟一.由Markov网到Bayesian网络结构学习算法[J].计算机研究与发展,2002,39
[49]任喜峰.基于朴素贝叶斯分类的考试成绩检测机制研究[J].科技信息,2007,(1)：17-19
[50]孙青,刘智勇.基于朴素贝叶斯分类模型的车型识别方法[J].五邑大学学报,2008,(3)：24-30
[51]田新时,郭海燕.极值理论在风险度量中的应用：基于上证180指数的实证分析.预测,2002,(21)：32-34
[52]王旭,史道济.极值统计理论在金融风险中的应用.数量经济技术经济研究,2001,8
[53]肖春来,宋然.VaR理论及其应用研究.数理统计与管理,2003,22
[54]张玲,张佳林.信用风险评估方法发展趋势.预测,2000(4)：32-34
[55]黎荣舟.信贷风险分析及其神经网络方法.广州：华南理工大学博士学位论文,2003：33-35
[56]韩平.国有商业银行信贷风险生成机理与管理系统研究,西安交通大学
[57]王新宇.金融市场风险的测度方法与实证研究.北京：经济管理出版社,2008,8：68-70
[58]王春峰.金融市场风险管理.天津：天津大学出版社,2001,2
[59]陈忠阳.金融风险分析与管理研究.北京：中国人民大学出版社,2001
[60]陈京民.数据仓库与数据挖掘技术[M].北京：电子工业出版社,2009,7
[61]梁循.数据挖掘算法与应用.北京：北京大学出版社,2006,4
[62]张连文,郭海鹏.贝叶斯网引论.北京科学出版社,2006
[63]庞素琳.信用评价与股市预测模型研究及应用：统计学、神经网络与支持向量机方法.北京：科学出版社,2005
[64]张美灵,欧志伟.信用评估理论与实务.上海：复旦大学出版社.2004.7
[65]世界银行.新兴市场经济中的商业银行[M].北京：中国财经出版社,1997
[66]张树基.商业银行信贷业务.杭州：浙江大学出版社,2005
[67]周林.商业银行贷款企业分析.中国进入出版社,1998
[68]于立勇.商业银行信用风险评估：一种实证模型的探讨.北京：北京大学出版社,2007：127-135
[69]马若微.上市公司财务困境预测模型研究.北京：知识产权出版社,2008.3
[70]梁琪.商业银行信贷风险度量研究.北京：中国金融出版社,2005
[71]黄达.金融学.北京：中国人民大学出版社,2000
[72]黄达.货币银行学.成都：四川人民出版社,2003
[73]卢纹岱.SPSS for Windows统计分析第3版.北京：电子工业出版社,2006,6
[74]胡国定,张楚润.多元数据分析方法：纯代数处理.南开大学出版社,1990
[75]何晓群.现代统计分析方法与应用[M].北京：中国人民大学出版社,1998
[76]肖云茹.概率统计计算方法.天津：南开大学出版社,1994.2
[77]范金城,梅长林.数据分析[M].北京：科学出版社,2002
[78]吴国富.实用数据分析方法.北京：中国统计出版社,1987
[79]蒋耀淞.多元统计分析方法.湖北：中国地质大学出版社,1991.11
[80]石智勇,巴塞尔新资本协议下的内部评级法研究,天津大学博士学位论文,2006年05月,23-43
[81]廖立新,长沙市中小企业融资的现状与对策,企业技术开发,2006.7,(25)：112-114
[82]郭洪,贷款客户分析与信贷风险防范,西南财经大学硕士学位论文,2000.5,9-16
[83]石会娟,发达国家政府发展中小企业的经验及其借鉴,河北大学经济学硕士学位论文,2004.6,2-18
[84]李勇,赵金涛,分类挖掘方法在银行不良贷款信用风险评估中的应用,工业工程,2008 11,(11)：125-129
[85]中小企业板信息披露平台http://www. cninfo. com. cn/sme/index. html
[86]中国经济信息网http://www. cei. gov.cn/
[2]Friedman, Geiger, Goldszmidt R. Bayesian Network Classifiers. Machine Learning,1997
[3]Kononenko. Semi-naive Bayesian Network Classifier[C]. In Proceedings of the 6th European Working Session on Learning,1991
[4]Kaizhu Huang, Irwin King, Mechael R, Lyu. Learning maximum likelihood semi-naive Bayesian network classifier[C]. In Proceedings of IEEE International Conference on Systems,2002
[5]Christoffersen P. F.. Elements of Financial Risk Management. San Diego: Academic Press,2003
[6]Frankel and Rose. An Analysis and Critique of the BIS Proposal On Capital Adequacy and Ratings [J]. Journal of Banking and Finance.1996 (4): 45-65
[7]Kaminsky, Lizondo and Reihart. An new way 011 bank risk[J]. Journalof Banking and Finance.1997(8):14-21
[8]Andrew. Berg&Cmhefine. Pattilo. An survey of southeast Asian financial crisis [J]. Journal of International Money and Finance,2002,21 (1):79-113
[9]McFadden, Catherine. Foreign banks in Australia, Nile World Bank, 1994
[10]Kominsky. G. L. and C. M. Reinhart. The Twin Crises:The Causes of Banking and Balance of Payments Problems. American Economic Review.1999
[11]David Maxwell. Learning equivalence classes of Bayesian-network structure[J]. Machine Learning,2002(2)
[12]Cheng Jie. Learning Bayesian networks from data:an information-theory based approach[J].Artificial Intelligence,2002
[13]David Heckerman. Learning Bayesian networks:the combination of knowledge and statistical data[J].Machine Learning,1995,20
[14]Jiawei Han Micheline Kamber(加).数据挖掘：概念与技术[M].北京：机械工业出版社,2001
[15]周春光.重构商业银行客户分类体系[J].商业时代理论,2004,29
[16]孟钊兰,邵洪选.商业银行客户分类新体系探索[J].银行经营,2008
[17]吴开军.客户分类方法探析[J].工业技术经济,2003
[18]肖北冥.宏微观分析相结合的信贷风险预测模型研究[J].金融论坛,2004
[19]康健,梁允荣.分离挖掘技术在金融客户关系管理中的应用[J].北京理工大学学报,2003,(23)：17-19
[20]黄亦潇,邵培基,张菁菁.基于客户价值的客户分类方法研究[J].预测,2004,(23)：32-34
[21]杜宽旗,蒙肖莲等.一种商业银行客户分割的多维方法—基于客户期望收益和态度的分割模型[J].商业研究,2006,(13)：32-33
[22]李欣.商业银行客户细分模型的建立和应用[J].统计与预测,2008,9
[23]蒙肖莲.商业银行客户识别与保持模型研究[D].博士学位论文,2005,4
[24]蒙肖莲等.商业银行客户流失预测模型研究[J].系统工程,20094,12
[25]谢江林等.数据挖掘在供应链金融风险控制中的应用[J].南昌大学学报,2008,(3)：27-29
[26]于兆吉,郭亚军.基于数据挖掘的信用分类技术[J].沈阳工业大学学报,2007,(6)：35-36
[27]周玉敏等.基于主成分分析的B2C客户分类方法研究.计算机应用与软件,2009,(6)：17-18
[28]廖绚,李兴绪.基于Logit模型的银行个人信贷风险管理评估[J].统计与决策,2008,(21)：22-25
[29]蔡志强等.基于贝叶斯网络分类器的产品故障率分类研究.计算机应用研究,2009,(9)：26-31
[30]黄静,赵庆祯.基于朴素贝叶斯的供应链金融信用风险预测分析.物流科技,2009,(8)29-30
[31]王春峰等.基于神经网络技术的商业银行信用风险评估[J].系统工程理论与实践,1999,(9)：33-35
[32]宫秀军,史忠植.基于Bayes前者语义模型的半监督Web挖掘[J].软件学报,2002：26-31
[33]郭春香,李旭升.贝叶斯网络个人信用评估模型.系统管理学报,2009,6
[34]骆敏燕等.基于朴素贝叶斯的学生信息分类预测研究.高等教育与学术研究,2008
[35]林士敏,田凤占,陆玉昌.用于数据挖掘的贝叶斯分类器研究[J].计算机科学,2000
[36]林士敏,田凤占,陆玉昌.贝叶斯网络的建造及其在数据采掘中的应用 [J].清华大学学报,2001：33-35
[37]王玮,蔡红莲.贝叶斯网络拓扑结构确定方法的研究[J].小型微型计算机系统,2002：33-35
[38]叶胜利.基于贝叶斯网络分类器的商业银行信用卡客户分类模型研究.硕士学位论文,2009,6：27-31
[39]邓维斌,黄蜀江,周玉敏.基于条件信息熵的自主式朴素贝叶斯分类算法[J].计算机应用,2007,26
[40]高妍方.判别贝叶斯网络的学习算法及其应用研究.工学博士学位论文,2008,10
[41]王书海,刘刚等.BIC评分贝叶斯网络模型及其应用.计算机工程,2008,8：19-22
[42]杨有振,李剑等.商业银行风险的重新分类及其管理.经济问题,2005,5
[43]王辉.用于预测的贝叶斯网络[J].东北师范大学学报(自然科学版),2002,34(1)：31-32
[44]金觉新,穆志纯.基于贝叶斯网的分类器及在CRM中的应用[J].科技与经济,2006：30-32
[45]蒙肖莲等.基于概率神经网络的欺诈性财务报告的识别研究[J].数理统计与管理,2009,(28)：33-35
[46]欧洁,林守勋.基于朴素贝叶斯网络模型的信息检索[J].微电子学宇计算机,2003：26-31
[47]羌磊,肖田元,乔桂秀.一种改进的Bayesian网络结构学习算法[J].计算机研究与发展,2002,39
[48]何盈捷,刘惟一.由Markov网到Bayesian网络结构学习算法[J].计算机研究与发展,2002,39
[49]任喜峰.基于朴素贝叶斯分类的考试成绩检测机制研究[J].科技信息,2007,(1)：17-19
[50]孙青,刘智勇.基于朴素贝叶斯分类模型的车型识别方法[J].五邑大学学报,2008,(3)：24-30
[51]田新时,郭海燕.极值理论在风险度量中的应用：基于上证180指数的实证分析.预测,2002,(21)：32-34
[52]王旭,史道济.极值统计理论在金融风险中的应用.数量经济技术经济研究,2001,8
[53]肖春来,宋然.VaR理论及其应用研究.数理统计与管理,2003,22
[54]张玲,张佳林.信用风险评估方法发展趋势.预测,2000(4)：32-34
[55]黎荣舟.信贷风险分析及其神经网络方法.广州：华南理工大学博士学位论文,2003：33-35
[56]韩平.国有商业银行信贷风险生成机理与管理系统研究,西安交通大学
[57]王新宇.金融市场风险的测度方法与实证研究.北京：经济管理出版社,2008,8：68-70
[58]王春峰.金融市场风险管理.天津：天津大学出版社,2001,2
[59]陈忠阳.金融风险分析与管理研究.北京：中国人民大学出版社,2001
[60]陈京民.数据仓库与数据挖掘技术[M].北京：电子工业出版社,2009,7
[61]梁循.数据挖掘算法与应用.北京：北京大学出版社,2006,4
[62]张连文,郭海鹏.贝叶斯网引论.北京科学出版社,2006
[63]庞素琳.信用评价与股市预测模型研究及应用：统计学、神经网络与支持向量机方法.北京：科学出版社,2005
[64]张美灵,欧志伟.信用评估理论与实务.上海：复旦大学出版社.2004.7
[65]世界银行.新兴市场经济中的商业银行[M].北京：中国财经出版社,1997
[66]张树基.商业银行信贷业务.杭州：浙江大学出版社,2005
[67]周林.商业银行贷款企业分析.中国进入出版社,1998
[68]于立勇.商业银行信用风险评估：一种实证模型的探讨.北京：北京大学出版社,2007：127-135
[69]马若微.上市公司财务困境预测模型研究.北京：知识产权出版社,2008.3
[70]梁琪.商业银行信贷风险度量研究.北京：中国金融出版社,2005
[71]黄达.金融学.北京：中国人民大学出版社,2000
[72]黄达.货币银行学.成都：四川人民出版社,2003
[73]卢纹岱.SPSS for Windows统计分析第3版.北京：电子工业出版社,2006,6
[74]胡国定,张楚润.多元数据分析方法：纯代数处理.南开大学出版社,1990
[75]何晓群.现代统计分析方法与应用[M].北京：中国人民大学出版社,1998
[76]肖云茹.概率统计计算方法.天津：南开大学出版社,1994.2
[77]范金城,梅长林.数据分析[M].北京：科学出版社,2002
[78]吴国富.实用数据分析方法.北京：中国统计出版社,1987
[79]蒋耀淞.多元统计分析方法.湖北：中国地质大学出版社,1991.11
[80]石智勇,巴塞尔新资本协议下的内部评级法研究,天津大学博士学位论文,2006年05月,23-43
[81]廖立新,长沙市中小企业融资的现状与对策,企业技术开发,2006.7,(25)：112-114
[82]郭洪,贷款客户分析与信贷风险防范,西南财经大学硕士学位论文,2000.5,9-16
[83]石会娟,发达国家政府发展中小企业的经验及其借鉴,河北大学经济学硕士学位论文,2004.6,2-18
[84]李勇,赵金涛,分类挖掘方法在银行不良贷款信用风险评估中的应用,工业工程,2008 11,(11)：125-129
[85]中小企业板信息披露平台http://www. cninfo. com. cn/sme/index. html
[86]中国经济信息网http://www. cei. gov.cn/