基于Logistic和Cox模型的违约概率模型研究
发布时间：2021-11-27 22:57
自上世纪六十年代以来,有关违约概率的计算与评估始终是业界专家和学者的研究热点,许多优秀的研究成果也如雨后春笋般不断出现。但许多在国外应用广泛的模型在我国却缺乏必要的实施环境和硬件基础。针对这一情况,笔者在研究国内外专家学者的优秀成果后,对信用风险违约概率模型研究现状和应用情况进行了总结梳理,并基于Logistic和Cox模型的理论基础结合国内上市公司的真实数据进行建模和实证分析,为我国上市公司提供营运建议,为商业银行规避风险、调整授信策略提供参考。本文结合课题背景及研究意义较为详细地梳理了国内外关于违约概率模型的研究现状,分析了各种模型的基本理论和应用情况,并结合实践可行性和模型适用性选择Logistic模型与Cox模型进行进一步的研究。在实证分析方面首先设置观测期为2015至2016年,将沪深两市的223家上市公司的财务数据分为建模组和测试组后对建模组数据进行变量筛选,分别建立Logistic模型和Cox模型,采用统一的违约分界点进行判别分析,绘制ROC曲线和K-S曲线进行模型能力比较,得出在建模组数据下Cox模型在识别违约公司和非违约公司方面都更胜一筹的结论;之后将测试组的数据用于...
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图２．１?ＲＯＣ曲线??
?山东大学硕士学位论文???Ｋ－Ｓ曲线［３１］与ＲＯＣ曲线具有相似的效果，可以通过衡量不同累计分布之间的??最大距离来检验模型的区分能力，但不同点在于图像由两条曲线构成。步骤如下：??（１）将模型计算出的违约概率按照由最高到最低的顺序排列；按照排序后??１０％、２０％?９０％对应的分位数作为分界点，计算ＴＰＲ和ＦＰＲ；??（２）以上一步中的分界点作为曲线的横轴，ＴＰＲ和ＦＰＲ均作为曲线的纵轴，??将全部坐标绘制于坐标轴与直线ｆｌ、ｘ＝ｌ围成的平面中，得到两条曲线，记Ｋ－Ｓ??值为真阳性率减去伪阳性率的最大值ｍａｘ｛ＴＰＲ－ＦＰＲ｝。图２．２展示了一个Ｋ－Ｓ曲线??的实例。??ＬＯ?－?＿＿?ｐｐＲ?／￣７??——＾?７ＰＲ?／?／??０．８?－?￣Ｚ??０６??°－４－?／１??０．０?－??０．０?０．２?０．４?０．６?０：８?Ｌ０??图２．２Ｋ－Ｓ曲线??如图２．２所示，图中示例的Ｋ－Ｓ值为０．４，代表模型效果一般。前文提到了?ＡＵＣ??值的优势，而Ｋ－Ｓ值不仅有上述能力，而且可以评判模型区分度的优劣性。Ｋ－Ｓ??值取值在０到１之间，一般大于０．４则模型基本可以接受，大于０．６则可以确定模??型判别违约能力很好，若Ｋ－Ｓ值小于０．２则不建议采用。具体标准见下表：??表２．４?Ｋ－Ｓ值判断标准??Ｋ－Ｓ值?模型分类效果??０．６－１?效果很好??０．４？０．６?可以接受??０．２？０．４?效果一般??＜０．２?不建议采用??１３??
山东大学硕士学位论文??２．?３．?３?ＣＡＰ曲线和ＡＲ指标??ＣＡＰ曲线［３２１是另一种用于可视化评估模型识别力的方法，它描述了整个样本??公司的累计违约概率情况，而不仅仅描述违约样本的违约概率，也被称作累计精??度曲线或累积准确率曲线。绘制ＣＡＰ曲线通常可以遵循以下步骤：??（１）按照模型评分从风险最高到风险最低的顺序对样本公司进行排序，对于任??意给定的样本比例；ｃ，计算该部分样本公司的最低违约概率；??（２）计算在该比例下实际违约样本的占比记为Ｍｘ），实际违约样本的违约概率??大于或等于上一步中得到的最低违约概率。以从，和７＼＾分别表示实际违约样本和??全部违约样本的个数，则??（３）以样本公司累计百分比为横轴，实际违约公司累计百分比为纵轴绘制ＣＡＰ??曲线。??图２．３是一个ＣＡＰ曲线的示例。??ＣＡＰ曲线??Ｉ，｜??ｒ?，?ｚ??Ｓ?／?ｚ??５．?Ｚ??随机曲线??ｚ，’?—理想曲线??。ｚ’?＿待验证曲线??０?１０?２Ｄ?Ｘ?？?ａ）?＜０??累计百分比??图２．３?ＣＡＰ曲线??如图２．３所示，待验证曲线是模型实际曲线，最佳曲线对应完全信息模型，随??机曲线即参考线。其中最佳曲线一开始呈线性增长，且斜率为违约率的倒数，之??后维持在１。??ＡＲ值也称基尼比率。以图２．３为示例，以４．代表待验证曲线上限和参考线之??间的面积，以?＜?代表完全信息模型上限和待验证曲线上限间的面积，贝ＩＪ：??ＡＲ?＝?Ａｒ／Ａｐ＝（２ｆ〇ｙ（ｘ）ｄｘ－ｌ）／ｌ－ｆ，?（２．１０）??１４??
【参考文献】：
期刊论文
[1]巴塞尔协议Ⅲ与我国商业银行的风险防范[J]. 罗勇. 海洋与渔业. 2019(11)
[2]基于删失数据的COX回归分析[J]. 苗新利,吴莹,杨新平. 统计与管理. 2018(10)
[3]Newton-Raphson算法Logistic分类器性能提升应用研究[J]. 叶晓波,秦海菲. 软件导刊. 2017(11)
[4]商业银行信用风险管理国内外研究述评[J]. 闫丹丹. 绿色科技. 2014(08)
[5]在美国上市中国公司信息披露分析[J]. 陈怡. 现代商业. 2012(26)
[6]基于行业特性的多元系统风险因子CreditRisk+模型[J]. 彭建刚,吕志华. 中国管理科学. 2009(03)
[7]我国小企业信用评分系统开发策略研究[J]. 吴满琳,程茂洲. 华北金融. 2009(01)
[8]我国部分上市公司两种财务危机预警模型的比较研究[J]. 上官鸣,马邵利,陈小超. 陕西科技大学学报(自然科学版). 2008(02)
[9]基于生存分析模型的企业财务困境预测[J]. 陆志明,何建敏,姜丽莉. 统计与决策. 2007(21)
[10]生存分析SAS和SPSS实现的比较[J]. 赵景义,任晓卫,张建军,余红梅. 中国卫生统计. 2007(03)
博士论文
[1]美国商业银行信贷风险管理研究[D]. 王权.吉林大学 2014
硕士论文
[1]基于生存分析的上市公司财务风险预警研究[D]. 赵远.云南财经大学 2011
[2]基于Cox比例风险模型的上市公司财务预警研究[D]. 何文.湖南大学 2010
[3]中国ST企业的生存分析[D]. 李文娟.厦门大学 2008
[4]基于因子分析的商业银行中小企业贷款信用评价研究[D]. 仲姚.上海海事大学 2007
本文编号：3523206
【文章来源】：山东大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图２．１?ＲＯＣ曲线??
?山东大学硕士学位论文???Ｋ－Ｓ曲线［３１］与ＲＯＣ曲线具有相似的效果，可以通过衡量不同累计分布之间的??最大距离来检验模型的区分能力，但不同点在于图像由两条曲线构成。步骤如下：??（１）将模型计算出的违约概率按照由最高到最低的顺序排列；按照排序后??１０％、２０％?９０％对应的分位数作为分界点，计算ＴＰＲ和ＦＰＲ；??（２）以上一步中的分界点作为曲线的横轴，ＴＰＲ和ＦＰＲ均作为曲线的纵轴，??将全部坐标绘制于坐标轴与直线ｆｌ、ｘ＝ｌ围成的平面中，得到两条曲线，记Ｋ－Ｓ??值为真阳性率减去伪阳性率的最大值ｍａｘ｛ＴＰＲ－ＦＰＲ｝。图２．２展示了一个Ｋ－Ｓ曲线??的实例。??ＬＯ?－?＿＿?ｐｐＲ?／￣７??——＾?７ＰＲ?／?／??０．８?－?￣Ｚ??０６??°－４－?／１??０．０?－??０．０?０．２?０．４?０．６?０：８?Ｌ０??图２．２Ｋ－Ｓ曲线??如图２．２所示，图中示例的Ｋ－Ｓ值为０．４，代表模型效果一般。前文提到了?ＡＵＣ??值的优势，而Ｋ－Ｓ值不仅有上述能力，而且可以评判模型区分度的优劣性。Ｋ－Ｓ??值取值在０到１之间，一般大于０．４则模型基本可以接受，大于０．６则可以确定模??型判别违约能力很好，若Ｋ－Ｓ值小于０．２则不建议采用。具体标准见下表：??表２．４?Ｋ－Ｓ值判断标准??Ｋ－Ｓ值?模型分类效果??０．６－１?效果很好??０．４？０．６?可以接受??０．２？０．４?效果一般??＜０．２?不建议采用??１３??
山东大学硕士学位论文??２．?３．?３?ＣＡＰ曲线和ＡＲ指标??ＣＡＰ曲线［３２１是另一种用于可视化评估模型识别力的方法，它描述了整个样本??公司的累计违约概率情况，而不仅仅描述违约样本的违约概率，也被称作累计精??度曲线或累积准确率曲线。绘制ＣＡＰ曲线通常可以遵循以下步骤：??（１）按照模型评分从风险最高到风险最低的顺序对样本公司进行排序，对于任??意给定的样本比例；ｃ，计算该部分样本公司的最低违约概率；??（２）计算在该比例下实际违约样本的占比记为Ｍｘ），实际违约样本的违约概率??大于或等于上一步中得到的最低违约概率。以从，和７＼＾分别表示实际违约样本和??全部违约样本的个数，则??（３）以样本公司累计百分比为横轴，实际违约公司累计百分比为纵轴绘制ＣＡＰ??曲线。??图２．３是一个ＣＡＰ曲线的示例。??ＣＡＰ曲线??Ｉ，｜??ｒ?，?ｚ??Ｓ?／?ｚ??５．?Ｚ??随机曲线??ｚ，’?—理想曲线??。ｚ’?＿待验证曲线??０?１０?２Ｄ?Ｘ?？?ａ）?＜０??累计百分比??图２．３?ＣＡＰ曲线??如图２．３所示，待验证曲线是模型实际曲线，最佳曲线对应完全信息模型，随??机曲线即参考线。其中最佳曲线一开始呈线性增长，且斜率为违约率的倒数，之??后维持在１。??ＡＲ值也称基尼比率。以图２．３为示例，以４．代表待验证曲线上限和参考线之??间的面积，以?＜?代表完全信息模型上限和待验证曲线上限间的面积，贝ＩＪ：??ＡＲ?＝?Ａｒ／Ａｐ＝（２ｆ〇ｙ（ｘ）ｄｘ－ｌ）／ｌ－ｆ，?（２．１０）??１４??
【参考文献】：
期刊论文
[1]巴塞尔协议Ⅲ与我国商业银行的风险防范[J]. 罗勇. 海洋与渔业. 2019(11)
[2]基于删失数据的COX回归分析[J]. 苗新利,吴莹,杨新平. 统计与管理. 2018(10)
[3]Newton-Raphson算法Logistic分类器性能提升应用研究[J]. 叶晓波,秦海菲. 软件导刊. 2017(11)
[4]商业银行信用风险管理国内外研究述评[J]. 闫丹丹. 绿色科技. 2014(08)
[5]在美国上市中国公司信息披露分析[J]. 陈怡. 现代商业. 2012(26)
[6]基于行业特性的多元系统风险因子CreditRisk+模型[J]. 彭建刚,吕志华. 中国管理科学. 2009(03)
[7]我国小企业信用评分系统开发策略研究[J]. 吴满琳,程茂洲. 华北金融. 2009(01)
[8]我国部分上市公司两种财务危机预警模型的比较研究[J]. 上官鸣,马邵利,陈小超. 陕西科技大学学报(自然科学版). 2008(02)
[9]基于生存分析模型的企业财务困境预测[J]. 陆志明,何建敏,姜丽莉. 统计与决策. 2007(21)
[10]生存分析SAS和SPSS实现的比较[J]. 赵景义,任晓卫,张建军,余红梅. 中国卫生统计. 2007(03)
博士论文
[1]美国商业银行信贷风险管理研究[D]. 王权.吉林大学 2014
硕士论文
[1]基于生存分析的上市公司财务风险预警研究[D]. 赵远.云南财经大学 2011
[2]基于Cox比例风险模型的上市公司财务预警研究[D]. 何文.湖南大学 2010
[3]中国ST企业的生存分析[D]. 李文娟.厦门大学 2008
[4]基于因子分析的商业银行中小企业贷款信用评价研究[D]. 仲姚.上海海事大学 2007
本文编号：3523206
本文链接：https://www.wllwen.com/guanlilunwen/bankxd/3523206.html
