商业银行房地产信贷风险预警模型建立

发布时间：2020-10-14 03:37

　　 近年来全球化的金融危机向我们展示了美国次贷危机的巨大冲击,同时也看到了银行信贷风险对于整个金融界的影响力,尤其是目前我国快速发展的房地产业,其带给商业银行的隐性风险就像一颗随时可能被引爆的炸弹。虽然我们已经走出了金融危机最低谷的时期,但就在我国经济快速恢复的关键时期,我们更应抑制住投资过热的势头,严格执行银行信贷标准,密切关注贷款企业的财务及非财务状况,防止信贷风险积累。在此背景下,有必要对商业银行信贷风险预警进行深入研究,从源头上防止风险的发生,做出正确的信贷决策,使商业银行遭受的信贷损失降到最低。 本文是在研究信贷风险相关理论的基础上,从财务因素指标和非财务因素指标两个角度,构建符合我国房地产行业的信贷风险预警模型。首先,回顾了国内外银行信贷风险研究的历程。其次,介绍了信贷风险理论知识及现有成熟的度量方法。再次,分析了商业银行信贷风险的影响因素,并建立了针对房地产行业的信贷风险预警模型。最后,选取中国工商银行的典型案例对所建立的模型进行检验,在一定程度上证明了所构建模型的可行性和实用性。 在研究方法上,运用实证研究法收集了大量房地产企业的实际数据,在此基础上运用主成分分析法和结构方程模型法建立预警模型,首次将不可测量因素纳入到预警模型当中,克服了以往研究中定量指标过少,定性指标过多的缺点。将数据化模型与非数据化模型相结合,得出科学简易的判断房地产企业信贷风险的预警模型。
【学位单位】：沈阳理工大学
【学位级别】：硕士
【学位年份】：2011
【中图分类】：F832.45;F224
【部分图文】：

图 4.1 37 家企业的 F 值散点图点图可以看出，图中的左侧第一列与上方的第一行中显左右两侧与上下两侧，其中左斜对角线上的方框中为空，这说明了 P 与 F1、F2、F3、F4是属于二值分类的关系，的 P 值集中分布在两个极端。对于这种二分类变量，通义为 0，一个定义为 1，这时 P 值的取值范围就局限在 的因变量取值落在实数集当中，这是不能接受的。因此 变换，如此它的取值区间就变成了整个实数集，然后再了，而这种回归分析的处理方法就是 Logistic 回归。用二值 Logistic 回归分析的方法对表 4.1 中数据进行分分类变量 Logistic 回归的模型形式如下：Exp(BBFBF)011mmP++ +=

- 45 -图4.2 验证性因子分析各参数估计路径图在这里我们将潜在变量的方差设定为1来作为定位值，上图中显示的就是潜在因素的变异量设定为1的标准化估计值。因此，上图中W1、W2、W3、W4、W5与V1——V17之间的参数估计值就是各潜变量与测量变量的多元相关平方，该数值反映了潜在变量对测量变量所解释的百分比。该参数估计值越大，表示测量残差越小，该变量被潜在变量所解释的百分比越高；数值愈小，表示测量残差越大，变量被潜在变量所解释的百分比越低。这些数值反映了测量变量的信度。从上图我们可以看到各潜变量与各个指标间的相关系数以及各潜变量之间的相关系数。一般情况下，只有该数值在0.5以上时，才能说明可以用该潜变量来代替原有变量。在参数估计的路径图中显示潜变量W1受V1、V2、V3、V4的影响较大

的矩阵是协方差矩阵（详细的协方差矩阵如上文所示）；NX=10 表示外数为10，即外源潜变量W2、W3、W4所对应的V5—V14这10个非财务指标,其上文验证性因子分析后已被删除，因此V11其实未被计算；NY=7 表示内数为7，即内生潜变量W1与W5所反映的V1、V2、V3、V4、V15、V16和V17这7个非NK=3 表示外源潜变量个数是3个，即W2、W3、W4；NE=2 表示内生潜变量即W1与W5；BE是NE×NE矩阵，即是一个2×2矩阵，反映内生潜变量与内互间的效应；BE=FU 表示NE×NE矩阵是一个完整矩阵；GA是外源变量对的效应矩阵，它的元素与传统的回归系数相似；GA=FI 表示这个效应矩固定矩阵；PS是结构方程残差向量的协方差矩阵，是一个NE×NE矩阵；NY×NY的指标误差间的协方差矩阵；TD是NX×NX的指标误差间的协方差PS=SY TE=SY TD=SY 表示它们分别对应的协方差矩阵是一个对称矩阵。MA的输出结果如下：
【相似文献】

相关期刊论文 前10条

1 杨保安,季海;基于人工神经网络的商业银行贷款风险预警研究[J];系统工程理论与实践;2001年05期

2 胡升阳,赵永生;构建农发行信贷风险预警体系的思考[J];新疆金融;2004年07期

3 林春平;贫困地区建立信贷风险预警机制之我见[J];广西经贸;1994年10期

4 曾兴跃;;浅议商业银行信贷风险管理[J];海南金融;2006年01期

5 吴瑛;;商业银行信贷风险的控制措施探讨[J];济南金融;2005年11期

6 冯克荣;刍议基层农行的贷后管理[J];西南金融;2005年08期

7 钟仁格;论建立信贷风险预警系统[J];广西农村金融研究;1995年10期

8 王化争,李文兴;信贷风险解析与对策[J];财政研究;2004年12期

9 孔皓薇;;集团客户与信贷风险控制[J];中国高新技术企业;2008年01期

10 中国银行业监督管理委员会潮州监管分局课题组;史镇泉;;关注邮储银行小额信贷风险——以潮州市为例[J];南方金融;2009年02期

相关博士学位论文 前10条

1 刘年平;煤矿安全生产风险预警研究[D];重庆大学;2012年

2 杨智;空中交通管制安全风险预警决策模式及方法研究[D];武汉理工大学;2012年

3 滕焕钦;财产保险公司风险预警研究[D];山东大学;2011年

4 冯显富;基于混沌理论的石油炼化企业风险预警预控技术研究[D];中国地质大学（北京）;2010年

5 刘堃;我国商业银行信用风险预警与缓释：基于全面风险管理视角[D];中国科学技术大学;2010年

6 李昊;我国地方政府债务风险预警模型研究[D];大连理工大学;2011年

7 李继伟;我国资本项目开放中的风险预警研究[D];暨南大学;2010年

8 谭辉雄;金融机构市场退出问题研究[D];湖南大学;2010年

9 黄芳;物流网络运作风险评估与预警研究[D];北京交通大学;2010年

10 曹宏杰;担保公司风险预警管理研究[D];武汉理工大学;2010年

相关硕士学位论文 前10条

1 廖栩;我国商业银行信贷风险分类预警指标体系的构建[D];浙江大学;2006年

2 沈蕾;商业银行信贷风险测控研究[D];武汉理工大学;2002年

3 杨丽蓉;出入境货物风险预警系统设计与实现[D];电子科技大学;2011年

4 周欣;商业银行信贷风险管理控制[D];西南交通大学;2002年

5 杨帆;国有商业银行信贷风险管理[D];湖南大学;2001年

6 朱明海;J2EE及其在信贷风险管理系统中的应用研究[D];西安理工大学;2003年

7 楼海涛;商业银行并购失败风险预警研究[D];浙江大学;2011年

8 马韶晖;我国商业银行信贷风险防范化解机制研究[D];哈尔滨理工大学;2004年

9 郭晓妹;商业银行信贷风险管理[D];淮北师范大学;2010年

10 万洪宇;商业银行对中小企业信贷风险的对策研究[D];南京理工大学;2002年

本文编号：2840121