农户小额信贷的信用风险管理
【学位授予单位】:贵州财经学院
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:F832.4
【图文】:
方程两边都减t1Y ,其一阶差分模型为:t t 1 第 1 步,0H : λ = 0(或 ρ=1)1H : λ < 0(或 ρ<1)零假设为存在单位根。不考虑备择 ρ 1的原因是其会使模型济时间序列的模型中是不可能的。第 2 步,让 ΔY 对常量和1 1 2, , , ,t t tY Y Y Δ Δ和t pY Δ 回归。第 3 步,如果ct t < ,则拒绝零假设,认为该时间序列不存在该人均纯收入时间序列 Y 是含有截距项和时间趋势项的。入的时间序列进行一次差分后,形成新变量 dY,进行单位根检在 1%,5%,10%三个显著性水平下,单位根检验的 Mackinn-4.0044,-3.0989,-2.6904,t 检验统计量值为-1.2825 大于值很大,从而同意0H ,表明人均纯收入序列 Y 的一阶差分序列是不平稳序列。二次差分后,在 5%显著性水平下,t 统计量-3.5102 大于比较小,因此拒绝原假设,原数列 Y 的二阶差分序列 Y2 是平稳也可看出。
18图 3.5 DY2 的相关图用 EVIEWS 软件分别建立模型 ARIMA (4,2,3),ARIMA (3,2,32,2), ARIMA (4,2,1)并对参数进行估计。选择 view/Residual Correlation LM Tests,可以回归方差残差的序列相关性。从 ARIMA(2,2,3)回归方程结果来看,LM 检验结果,P 值不是显不存在序列相关。图 3.6 ARIMA(2,2,3)LM 检验图从下表 3.2 可看出,采用模型 ARIMA(4,2,3)比较合理,对该列进行相关分行,从相关图可看出,残差序列是随机的,相互独立相关性。由于该模型的残差序列 LM 统计量为 6.80,检验相伴概率为
【参考文献】
相关期刊论文 前10条
1 李一水,叶孝国;解决农户贷款担保难的有效途径──关于罗源县农户小额贷款担保基金实施情况的调查[J];福建金融;1999年08期
2 林丽琼;;小额信贷:近期文献述评[J];福建教育学院学报;2007年04期
3 辛耀;;欠发达地区农村合作金融机构信用风险管理的一个特点——发展收入相关贷款与保证资产组合的必要分散度[J];贵州师范大学学报(社会科学版);2008年03期
4 周剑波;贷款风险度量在农村信用社信贷管理中的应用[J];海南金融;2004年10期
5 易伯明;;小额信贷利率定价市场化问题探析[J];金融经济;2010年04期
6 陈建新;;三种农户信贷技术的绩效比较研究[J];金融研究;2008年06期
7 周忠明;小额信贷的风险控制[J];金融纵横;2003年11期
8 庞新军;刘文朝;周振;;论我国小额信贷风险的产生及其防范[J];西南农业大学学报(社会科学版);2006年03期
9 曾之明;岳意定;;基于博弈分析的小额信贷信用风险管理机制创新[J];商业经济与管理;2010年08期
10 张峭;徐磊;;我国小额信贷信用风险管理研究[J];中国农村信用合作;2008年11期
相关硕士学位论文 前7条
1 陈莹;我国农户小额信用贷款信用风险控制研究[D];西南财经大学;2006年
2 梁亮;我国农村信用社贷款信用风险管理研究[D];西南财经大学;2007年
3 刘菲;浅析我国农村小额信贷发展现状及对策[D];安徽大学;2007年
4 周国亮;农村信用社信用风险管理的研究[D];南昌大学;2008年
5 杨静;基于Logistic回归模型的农户信用等级研究[D];陕西师范大学;2008年
6 谭勇;农村信用社信用风险管理研究[D];重庆大学;2007年
7 刘阳;农村小额信贷的国际比较及启示研究[D];西南政法大学;2009年
本文编号:2734882
本文链接:https://www.wllwen.com/guanlilunwen/bankxd/2734882.html