用Logistic模型估计企业的违约概率

本文采用Logistic回归模型对企业的违约概率进行分析,选取2007年制造业ST和非ST的上市公司作为初始样本,使用正向逐步选择法根据样本企业2005和2006年的财务数据的平均值来预测2007年企业的违约状况.结果显示,在影响企业违约概率财务数据中.最重要的是企业的盈利能力,其次是偿债能力,营运能力、成长能力和公司规模的影响程度相对较弱.     

机器学习视角下商业银行客户信用风险评估研究

有效把控信贷风险是商业银行稳健运行的关键环节。本文从商业银行客户信贷数据出发,运用非平衡样本处理算法使少数类样本信息得到平衡,并通过机器学习分类器挖掘影响客户违约的重要风险因子,最后构建Logistic模型计算违约概率。研究发现:第一,客户忠诚度是重要因子,忠诚度越高,客户违约概率越低;第二,客户历史信贷数据价值高,是事前风险控制中的重要参考依据;第三,信贷合同特征是影响客户违约的另一重要维度,包括合同期限和合同利率。研究结论可以为银行授信、风险预警和防范违约风险提供理论参考和实践指导。     

违约预测:市场模型还是会计模型

本文选取沪深A股1463家上市公司,分别运用基于市场信息的Merton模型和基于会计信息的Logistic模型,测算公司的违约风险。相关性分析的研究结果表明,两种模型在违约测度方面的一致性较差,进一步基于ROC曲线以及准确性比率的分析结果显示,Logistic模型的违约预测效果明显优于Merton模型。     

基于集成算法的信用债违约预测模型及其影响因素研究

本文选取2014—2021年的信用债作为研究对象，以单一算法（逻辑回归、高斯朴素贝叶斯、支持向量机和伯努利朴素贝叶斯）分别构建Bagging和Stacking集成学习模型，并将其与单一算法以及传统方法（KMV模型）进行对比，探讨如何提高信用债违约预测精度，证明Bagging集成算法的可靠性，还通过SHAP可解释算法研究信用债违约中的重要指标。实证结果显示，四种单一机器学习模型在预测准确率上优于传统KMV模型；进一步对机器学习模型进行集成，发现同质集成算法在提高预测性能方面不如异质集成算法，且Bagging异质集成算法的预测准确率优于Stacking异质集成算法。将性能最好的Bagging异质集成算法与SHAP可解释算法结合，得到对识别信用债违约具有重要价值的9个指标，分别是违约前债项评级、违约前主体评级、交易所、净资产收益率、债券类型、企业性质、财务费用、总资产增长率以及第一大股东持股比例，关键指标的识别对信用债违约预测具有指导意义。     

基于Logistic模型的单个信用资产违约概率预测

在信用风险管理领域,由于中国商业银行信贷数据只满足Logistic模型的要求,因而预测单个信用资产违约率只能以Logistic模型为主线建模。以中国某商业银行1999~2005年的信贷数据为样本,实证分析得出,企业本身、宏观经济、地区及行业四方面因素对企业违约概率存在显著相关性。通过以上述四因素为变量,所构建的预测电力、公路、城镇建设三个行业信用资产违约概率的Logistic模型分析与预测单个信用资产违约的结果来看,四要素模型对中国商业银行的信用风险管理具有参照价值。     

生存分析、宏观经济变量与违约概率

在研究个人贷款违约风险中,传统的研究往往只单纯地将宏观经济指标作为协变量,并未考虑宏观经济指标的时变交互特征(vandell,1993;Zandi,1998)。国外研究达成共识的是以Logistic回归的传统模型不能给出违约概率的动态预测值,且反映经济形势的宏观经济变量也不能纳入模型中。论文论述了生存分析与Logistic模型的理论机理,试图在借贷违约风险中加入系统性风险对违约的影响因素,克服了以Logistic回归模型为代表的传统模型在度量信贷违约概率时仅考虑个体非系统性风险的局限。研究结论说明宏观经济变量确实对违约风险有影响,对网贷违约风险来说,Cox模型更优于Logistic函数。     

基于数据挖掘的持卡人信用风险管理研究

目前的信用卡信用风险研究主要是如何提高模型的预测准确率。针对银行信用卡数据的异质性和信用数据的高度非线性,本文提出了对持卡人信用风险管理的混合数据挖掘方法。该方法包含两个阶段,在聚类阶段,样本数据被聚成同质的类,删除孤立点,不一致样本点重置标签,使样本更具有代表性;在分类阶段,基于样本进行训练生成支持向量机分类器法,对待分样本分类。基于实际数据进行了数值实验,并根据各类样本的特点提出了相应的风险管理策略。     

我国信息技术企业信用评级研究——基于违约鉴别和特征选择视角

从违约鉴别和特征选择视角出发,采用机器学习算法,对我国信息技术企业信用评级问题进行了研究。研究表明,通过SMOTE方法对非均衡样本数据进行处理,解决了样本数据类别不平衡导致预测模型存在类别偏好问题;通过Logistic-Lasso方法进行指标筛选和计算企业违约概率,并根据违约概率进行信用分级,保证了信用评级模型的精简和违约预测可靠性,改善了信用评级与违约概率不匹配问题。构建的信用评级模型采用39个指标,总体鉴别精度在98%以上,模型的可靠性和实用性优于其他常见的机器学习模型。此外,根据企业信用级别情况,分别从企业自身、投资者和监管部门角度,提出了控制风险的相应对策。     

基于Logistic模型的小微企业信用风险度量研究

本文通过对小微企业信贷特征及国内外主流信用风险度量方法的对比分析,筛选出适用于我国小微企业信用风险度量的Logistic模型。利用从银行取得的94个小微企业信贷样本,综合企业的财务及非财务信息,进行了Logistic模型的构建和检验。实证结果表明,该模型对于小微企业的信贷违约概率具有较高的正判率。     

中国银行业脆弱性测度的实证研究——基于自下而上的方法

国内外关于银行脆弱性的测度方法主要有事件分析法、CAMELS框架、信号法等,这些方法分别具有各自的优缺点和适用性.作者对此进行了评析,并且认为一个好的银行脆弱性测度模型应该具有三个特征:(1)模型的解释因素应该是导致银行脆弱的关键因素;(2)模型计量简便易行;(3)模型应具有预测功能,而不是事后测度.在此基础上作者构建了银行脆弱性指数(Banking Fragility Index),并运用该模型对中国银行业1999-2007年间的银行脆弱性进行了测度,最后对构成银行脆弱性的成因运用Logistic回归模型进行了分析.     

稀有事件Logitsic模型及其在我国上市公司财务困境预测中的应用研究

我国上市公司一般具有较大的资产规模与较强的盈利能力,发生财务困境的概率较低,数据呈非平衡性。采用传统Logistic回归会受到因变量分布不平衡的影响。本文将西方学者在医学现象研究中普遍使用的稀有事件Logistic回归引入我国上市公司财务困境预测的研究中,根据财务困境发生实际概率确定样本观察单位的权重,构建Relogit回归模型。研究结果表明,Relogit模型预测效果优于传统Logistic模型。     

计算机辅助小企业信贷审批初探

计算机模型可以在以下方面辅助商业银行信贷审批人进行决策:财务报表分析与流动贷款需求量测算;将审批经验、战略管理理念、企业失败分析应用于Logistic回归模型预测自变量分析,并且建立基于Logistic回归分析的小企业信用评价模型,预测小企业违约可能性。     

Z-score模型最优分割点的确定方法比较——基于违约风险预测能力的分析

Z-score模型在对企业进行财务困境和违约风险判别方面具有重要的应用价值,最优分割点的确定方法对于提高模型的违约风险判别能力至关重要.本文以医药生物行业上市公司为样本,运用Fisher逐步判别法从15类财务比率中筛选出判别能力较强的7个指标构建了Z-score模型,并尝试采用加权平均法和考虑先验概率及误判成本的ZETAc模型法分别确定最优分割点.研究发现,ZETAc模型法预测企业违约风险的能力明显优于加权平均法.     

计算机辅助小企业信贷审批初探

计算机模型可以在以下方面辅助商业银行信贷审批人进行决策:财务报表分析与流动贷款需求量测算;将审批经验、战略管理理念、企业失败分析应用于Logistic回归模型预测自变量分析,并且建立基于Logistic回归分析的小企业信用评价模型,预测小企业违约可能性。     

基于因子分析和Logistic分析的个人信用评估方法研究

随着大数据概念的提出,企业和个人越来越重视数据中隐藏的潜在价值。为准确评价P2P网络贷款平台借款人的信誉度,本文利用因子分析方法从22个自变量中浓缩出8个"共同因子",建立信用评价指标体系,并利用Logistic模型对借款人行为进行预测。这种个人信用评价指标体系的筛选保留了大量的信息量,并利用Logistic模型给出了用户违约概率。     

基于Logistic和Z计分法的公司财务预警模型研究

以沪深A股制造业上市公司为研究对象,运用因子分析法确定主成分指标后,再利用二分类Logistic回归建立中国上市公司制造业行业的财务预警模型,并进一步对模型的预测效果进行检验,从而得出模型的预测准确率达到了95.0%。     

我国银行业信用风险宏观压力测试研究

本文通过实证研究提出并论证了一种宏观压力测试方法,该方法可用于银行业监管和系统性风险的防范.首先采用有序多分类Logistic模型测算行业原始违约概率,再运用MFD违约概率模型将宏观冲击因子引入以求得渗入宏观经济因子的违约概率,然后采用CreditRisk+模型分别测算不同宏观压力情景下与信用风险对应的经济资本变化,经...     

个人信贷审批收入支出比信用评价模型探析

银行个人信贷审批人员通常采用收入支出比作为审批标准.本文结合审批经验分析了影响客户收入、支出的因素,将这些因素作为Logistic:回归模型的预测自变量,建立收入支出比客户信用评价模型.应用该模型可得出客户违约可能性的预测值,辅助个人信贷审批人员进行审批决策.     

基于Logistic模型的我国上市公司信用风险预警研究

以我国沪深两市A股上市公司为研究对象,选取2010年至2012年首次成为ST的81家公司和对应的81家非ST公司为研究样本,运用20个财务指标进行因子分析,并根据Logistic模型对所得因子进行回归分析,建立预测模型。研究结果表明模型具有良好的预测效果,在上市公司出现信用风险之前的预测准确率在85%以上,可以为投资者、债权人和监管机构等提供较为准确地反映上市公司信用风险状况的信息。     

Logistic模型和KMV模型在中国上市公司信用风险度量中的比较研究

本文从违约概率衡量上市公司信用风险的角度来看,基于因子分析的Logistic回归模型和KMV模型都能反映上市公司的信用风险状况,但基于因子分析的Logistic回归模型的评级结果比KMV模型较准确。