基于组合分类器的上市公司信用风险评价

针对传统信用风险评价模型只含有一个分类器的缺陷,本文利用AdaBoost组合分类器来对上市公司信用风险进行评价,并与基于支持向量机和神经网络的分类模型进行了效果比较。实证研究表明,组合分类器克服了单一分类器的诸多缺点,预测准确率高于单一分类器。     

基于AHP对我国上市公司信用风险评价

AHP法作为信用评级的一种方法,在信用风险评价过程中有着十分重要的作用。它以定性与定量相结合的方式处理各种决策因素,方法灵活简洁,适应性较广。通过对该方法在煤炭行业中股市表现优劣的两家公司应用结果的分析和比较,着重说明AHP对于我国上市公司信用风险评价的可行性。     

基于组合分类器的个人信用评估模型

随着消费信贷的发展以及银行对信用风险的关注,个人信用评估已成为银行业研究的一个重要内容。目前信用评估的研究中多采用单一分类器,预测精度难以提高,因此文章提出了基于AdaBoost组合分类器算法的个人信用评估模型。与单分类器模型的比较结果表明,基于组合分类器的模型具有更高的预测准确率。     

谈以信用资产组合的信用风险度量改善我国商业银行的信用风险管理

信用风险的管理是商业银行面对的古老话题。但是随着金融创新和经济体制的变革,信用风险的内涵和外延都在扩融。商业银行的最重要的只能就是风险管理,而信用风险管理又是商业银行风险管理的重中之重。本文首先介绍我国商业银行信用风险管理的现状,之后从企业和银行两个角度介绍信用风险产生的原因。其次本文讲述商业银行如何用信用资产组合的信用风险度量来管理信用风险。最后文章从多方面讨论我国商业银行使用该方法所需要的条件,从而为我国金融和经济体制改革提出建议。     

基于组合分类器的银行客户分类模型研究

客户分类管理,对于银行有效地实施客户关系管理具有重要意义。由于目前分类准确度存在问题,如何有效地对客户进行分类预测就成了十分重要并亟待解决的课题。本文以银行丰富的客户基本信息以及交易行为为对象,建立客户分类预测模型,改进单一或简单组合分类器模型,提出一种基于SOM聚类和决策树的组合分类器方法,建立了客户分类预测模型并对模型进行优化,并探讨该模型的实际应用。     

运用Logistic模型评价上市公司信用风险

本文以2004～2005年上市公司财务信息为基础,建立了上市公司信用风险评价模型。同时以30家上市公司为检验样本,对该回归模型进行检验,最后对预测的结果进行了分析。     

运用Logistic模型评价上市公司信用风险

本文以2004～2005年上市公司财务信息为基础,建立了上市公司信用风险评价模型.同时以30家上市公司为检验样本,对该回归模型进行检验,最后对预测的结果进行了分析.     

基于因子分析的我国中小企业贷款信用风险评价研究

本文针对中小企业发展中所面临的贷款难问题。在对客户资料进行初步筛选后,建立了中小企业贷款信用风险评价指标体系,运用多元统计方法中的因子分析法对样本企业进行信用评估,得出适合我国中小企业的贷款信用风险评价模型,从而为中小企业融资和商业银行评价授信企业提供更为简洁和有效的依据。     

基于灰色聚类法的上市公司信用风险评价

一、引言 信用风险又称违约风险，是指借款人、证券发行人或交易对方因种种原因不愿或无力履行合同而构成违约，致使银行、投资者或交易对方遭受损失的可能性。上市公司的信用风险，是指上市公司在与其他组织、个人交易以及为维持或扩大经营而从银行贷款、向其他企业借债或发行债券融资过程中存在的拖欠账款、不还债和圈钱等失信行为。     

基于KMV模型的上市公司信用风险度量

信用风险一直是金融市场面临的主要风险之一,因此,寻找一种科学合理的信用风险度量方法就显得尤为紧迫了。笔者经过长期学习实践发现,KMV模型通过量化的方式对上市公司的信用风险进行计算,其结果更加科学理性,有利于投资者及时采取措施规避相应风险。     

基于因子分析法的上市公司信用风险研究

随着经济全球化和金融自由化的不断推进,我国的金融市场正在逐步向全世界放开,上市公司信用风险的评估已经成为投资者关注的焦点。本文主要运用因子分析法,结合上市公司多项财务指标,对其信用风险进行综合评价,来增强投资者对公司信用情况的了解,做出正确的决策。     

基于KMV模型的房地产业上市公司信用风险度量

房地产行业是国民经济的支柱行业,资金需求量大,信用风险暴露规模较大,对商业银行的信贷资产质量也会产生重大影响,因此如何对房地产企业的信用风险进行度量是信用风险管理领域的亟待解决的问题之一。本文结合我国房地产上市公司的实际情况,研究KMV模型在中国市场中评价房地产上市公司信用风险的能力,采用违约距离度量我国房地产业上市公司信用风险的现状。结果表明,参数调整后的KMV模型能够在整体上识别我国房地产上市公司信用风险。     

供应链金融信用风险灰色层次法评价研究

中小企业对我国经济社会的发展发挥了不可替代的作用,然而资金瓶颈却一直困扰着中小型企业,成为阻碍其快速发展的首要问题。供应链金融正是在这种社会背景下应运而生的。由于供应链中的企业彼此存在共同的利益,承担共同的风险,所以对处于供应链金融中的中小企业进行风险评估显得很有必要。首先,阐释供应链金融的含义,分析供应链金融的三种模式;其次,剖析了这三种模式中存在的信用风险,利用层次分析法与多层次灰色综合评价法来计量与评价企业的信用风险;最后,指出控制信用风险的措施,并为企业控制信用风险提出建议。研究结果表明,在供应链金融体制下,中小企业可以更好地解决融资难问题。     

供应链金融中信用风险的评价体系构建研究

在煤炭行业整体低迷的形势下,资金缺口成为煤炭企业发展中面临的首要问题,煤炭企业在办理融资活动过程中,由于多种因素的影响,被银行排除在可融资范围之外,影响企业自身发展的同时,也影响了银行与煤炭企业的合作。为缓解这一矛盾,供应链金融业务应运而生,为保障供应链金融业务的顺利开展,构建包括资信、资产、能力等多种要素在内的风险评价体系很有必要。     

基于KMV模型的我国上市公司信用风险实证研究

KMV模型在我国存在较大的不适用性,而主要原因是我国存在严重的股权分置矛盾.鉴于当前股权分置问题已基本解决,试图研究现有经济条件下,KMV模型对我国上市公司,ST类上市公司和非ST类公司的比较,分析KMV模型在我国的适用性,并提出建议.     

基于KMV方法的农业类上市公司信用风险度量研究

文章以35家农业类上市公司为样本,根据Black-Scholes期权定价理论构建KMV模型,利用2008年财务数据,通过运行Eviews,计算31家公司2009年的违约概率,以期为商业银行选择贷款对象提供理论依据。     

基于KMV方法的农业类上市公司信用风险度量研究

文章以35家农业类上市公司为样本,根据Black-Scholes期权定价理论构建KMV模型,利用2008年财务数据,通过运行Eviews,计算31家公司2009年的违约概率,以期为商业银行选择贷款对象提供理论依据.     

基于机器学习算法的信用风险预测模型研究

为了解决西南财经大学"新网银行杯"竞赛数据中存在的高维稀疏数据、无标签数据、多产品客群来源及好坏样本不平衡等问题,采用机器学习方法,如Logistic回归、决策树、Adaboost、GradientBoosting和LGB模型对数据进行训练,得出LGB模型的性能评价指标A UC数值最大的结论.