我国中小企业信用评估研究 ——以信息技术行业为例
发布时间：2021-01-01 20:21
中小企业是我国国民经济发展中不可或缺的组成部分,是推动国民经济发展促进社会稳定的基础力量。国家统计局数据显示,2018年末,中小企业36.9万户。其中,中型企业5.0万户,小型企业31.9万户。中小企业的企业寿命偏短,信用风险较高,如此庞大的中小企业数量,使得运用一套有效的中小企业信用评估模型已经刻不容缓。目前国外学者对于中小企业信用评级模型多以本国历史数据为样本展开,设计思路对于我国企业的可适用性、模型参数对于我国经济环境的契合度都值得商榷。而早期国内学者缺乏数据来源,在研究方法上多使用层次分析法等定性方法,缺乏数据支撑。近期研究多以商业银行信贷数据为样本,企业样本已经过银行风控审核,代表性偏弱。目前新三板企业由于近年扩容样本数量增加,财务信息公开且经审计等优点,作为我国中小企业代表较为合适。本文考虑到不同行业之间的经营和本质不尽相同,会对研究结果产生差异性,所以选取了新三板中最具有代表性的信息技术行业作为样本,共2470家企业,将59家ST和ST*的企业定为存在信用风险的企业。先对数据进行缺失值处理、异常值处理、无量纲化处理,再以Smote算法解决样本不平衡问题。本文以偿债能力、资...
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
新三板中各行业数量
辽宁大学专业学位硕士学位论文11了科学技术从创建到运用于各个行业的时间；信息行业的不断发展促进了技术密集型行业的完善和成长,对国民经济结构上的改变有极大影响。图2-1新三板中各行业数量图2-2新三板中各行业占比数据来源：wind数据库新三板中信息技术行业在我国七大地理地区的数量分布如图2-3。其中华东地区与华北地区占总体信息技术行业数量的63.52%，分别为930家和639家。这既与华东和华北的地理位置有关，也与华东和华北的人才吸引有关。华北地区包括我国首都北京，而华东地区位于我国沿海一带，对外交流便利，而信息技术行业恰恰需要高度的外部关联性。信息技术行业的技术更新快，也被称为是年轻人的行业，而华东地区和华北地区具有良好的外部发展条件，吸引年轻人来此工作或者创业。
辽宁大学专业学位硕士学位论文12图2-3新三板中信息技术行业在我国各地区的分布2.3中小企业信用风险产生的原因信用风险又称违约风险，是指借款人、交易对方或者证券发行人因为一些原因，不愿意或者无法履行合同条款而构成违约，造成银行、交易对方或投资者遭受损失的概率。与大企业相比，无论是在人员规模、资产规模还是在经营规模上，中小企业的经济单位都比较校该类企业一般是由单个人或少数人提供资金，因此产品、服务技术相对单一，自有资本也比较匮乏，易受外部因素的影响;在经营上多半是由业主直接管理，管理者个人的信用观念直接影响到企业的信用决策和信用履约。因此，中小企业信用风险具有高度的不稳定性和个人相关性。中小企业信用风险较高既与金融行业市场结构有关，也与中小企业自身的特点有关。因为本文介绍的是中小企业的信息技术行业的信用风险，所以结合其性质，在部分原因中阐述科技型中小企业的信用风险产生的原因。2.3.1商业银行方面一、大企业的评估体系不适用于中小企业大型企业是商业银行信用评级的主要对象，该评估体系不适合对科技型中小企业进行信用评估。与大型企业相比，中小企业的融资需求一般要小很多。因此，应当根据中小企业特点具有针对性的制定评级方法，这样可以在节省评估精力的同时迅速准确掌握企业还款意愿和还款能力。大中型企业评估体系在发展能
【参考文献】：
期刊论文
[1]基于SMOTE-Logistic的高速公路鲜活农产品绿色通道车辆稽查与分析[J]. 张凡,王宇轩,陈旻瑞,崔玮,徐铖铖. 公路交通科技(应用技术版). 2019(10)
[2]基于Logit模型的P2P网络借贷平台的风险评估[J]. 刘元鹏,田国忠. 中国集体经济. 2019(26)
[3]中国企业“僵尸化”的SMOTE-SVM智能预警研究[J]. 李晓燕. 软科学. 2019(05)
[4]基于随机森林的企业信用风险评估模型研究[J]. 赵亚,李田,苑泽明. 财会通讯. 2017(29)
[5]基于决策树与Logistic回归的P2P网贷平台信用风险评价比较分析[J]. 余华银,雷雅慧. 长春大学学报. 2017(09)
[6]基于聚类欠采样的集成不均衡数据分类算法[J]. 武森,刘露,卢丹. 工程科学学报. 2017(08)
[7]大数据信用评级与互联网融资研究述评[J]. 安小雪. 征信. 2017(05)
[8]小微企业信用风险评估的IDGSO-BP集成模型构建研究[J]. 胡贤德,曹蓉,李敬明,阮素梅,方贤. 运筹与管理. 2017(04)
[9]基于LS-SVM的小微企业信用评估研究[J]. 肖斌卿,柏巍,姚瑶,李心丹. 审计与经济研究. 2016(06)
[10]改进随机森林算法在电信业客户流失预测中的应用[J]. 丁君美,刘贵全,李慧. 模式识别与人工智能. 2015(11)
博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
硕士论文
[1]基于随机参数logit模型的公共交通出行方式选择行为研究[D]. 任倩.华南理工大学 2019
[2]供应链金融下的中小企业信用风险评价[D]. 欧耀辉.华南理工大学 2018
[3]基于Logistic模型的汽车金融公司个人贷款信用评分研究[D]. 李岸杨.西南大学 2017
[4]P2P借贷平台个人信贷申请风险评估研究[D]. 姚香秀.西安电子科技大学 2017
[5]基于Logistic模型的P2P网络借贷个人信用评估研究[D]. 王茁宇.宁波大学 2017
[6]P2P网贷个人信用评分模型的研究[D]. 郑志强.暨南大学 2016
[7]我国企业信用评级法律制度研究[D]. 李聪.南京航空航天大学 2014
[8]基于分类SVM的企业财务危机预警模型研究[D]. 温重伟.华南理工大学 2011
本文编号：2951936
【文章来源】：辽宁大学辽宁省 211工程院校
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
新三板中各行业数量
辽宁大学专业学位硕士学位论文11了科学技术从创建到运用于各个行业的时间；信息行业的不断发展促进了技术密集型行业的完善和成长,对国民经济结构上的改变有极大影响。图2-1新三板中各行业数量图2-2新三板中各行业占比数据来源：wind数据库新三板中信息技术行业在我国七大地理地区的数量分布如图2-3。其中华东地区与华北地区占总体信息技术行业数量的63.52%，分别为930家和639家。这既与华东和华北的地理位置有关，也与华东和华北的人才吸引有关。华北地区包括我国首都北京，而华东地区位于我国沿海一带，对外交流便利，而信息技术行业恰恰需要高度的外部关联性。信息技术行业的技术更新快，也被称为是年轻人的行业，而华东地区和华北地区具有良好的外部发展条件，吸引年轻人来此工作或者创业。
辽宁大学专业学位硕士学位论文12图2-3新三板中信息技术行业在我国各地区的分布2.3中小企业信用风险产生的原因信用风险又称违约风险，是指借款人、交易对方或者证券发行人因为一些原因，不愿意或者无法履行合同条款而构成违约，造成银行、交易对方或投资者遭受损失的概率。与大企业相比，无论是在人员规模、资产规模还是在经营规模上，中小企业的经济单位都比较校该类企业一般是由单个人或少数人提供资金，因此产品、服务技术相对单一，自有资本也比较匮乏，易受外部因素的影响;在经营上多半是由业主直接管理，管理者个人的信用观念直接影响到企业的信用决策和信用履约。因此，中小企业信用风险具有高度的不稳定性和个人相关性。中小企业信用风险较高既与金融行业市场结构有关，也与中小企业自身的特点有关。因为本文介绍的是中小企业的信息技术行业的信用风险，所以结合其性质，在部分原因中阐述科技型中小企业的信用风险产生的原因。2.3.1商业银行方面一、大企业的评估体系不适用于中小企业大型企业是商业银行信用评级的主要对象，该评估体系不适合对科技型中小企业进行信用评估。与大型企业相比，中小企业的融资需求一般要小很多。因此，应当根据中小企业特点具有针对性的制定评级方法，这样可以在节省评估精力的同时迅速准确掌握企业还款意愿和还款能力。大中型企业评估体系在发展能
【参考文献】：
期刊论文
[1]基于SMOTE-Logistic的高速公路鲜活农产品绿色通道车辆稽查与分析[J]. 张凡,王宇轩,陈旻瑞,崔玮,徐铖铖. 公路交通科技(应用技术版). 2019(10)
[2]基于Logit模型的P2P网络借贷平台的风险评估[J]. 刘元鹏,田国忠. 中国集体经济. 2019(26)
[3]中国企业“僵尸化”的SMOTE-SVM智能预警研究[J]. 李晓燕. 软科学. 2019(05)
[4]基于随机森林的企业信用风险评估模型研究[J]. 赵亚,李田,苑泽明. 财会通讯. 2017(29)
[5]基于决策树与Logistic回归的P2P网贷平台信用风险评价比较分析[J]. 余华银,雷雅慧. 长春大学学报. 2017(09)
[6]基于聚类欠采样的集成不均衡数据分类算法[J]. 武森,刘露,卢丹. 工程科学学报. 2017(08)
[7]大数据信用评级与互联网融资研究述评[J]. 安小雪. 征信. 2017(05)
[8]小微企业信用风险评估的IDGSO-BP集成模型构建研究[J]. 胡贤德,曹蓉,李敬明,阮素梅,方贤. 运筹与管理. 2017(04)
[9]基于LS-SVM的小微企业信用评估研究[J]. 肖斌卿,柏巍,姚瑶,李心丹. 审计与经济研究. 2016(06)
[10]改进随机森林算法在电信业客户流失预测中的应用[J]. 丁君美,刘贵全,李慧. 模式识别与人工智能. 2015(11)
博士论文
[1]随机森林算法优化研究[D]. 曹正凤.首都经济贸易大学 2014
硕士论文
[1]基于随机参数logit模型的公共交通出行方式选择行为研究[D]. 任倩.华南理工大学 2019
[2]供应链金融下的中小企业信用风险评价[D]. 欧耀辉.华南理工大学 2018
[3]基于Logistic模型的汽车金融公司个人贷款信用评分研究[D]. 李岸杨.西南大学 2017
[4]P2P借贷平台个人信贷申请风险评估研究[D]. 姚香秀.西安电子科技大学 2017
[5]基于Logistic模型的P2P网络借贷个人信用评估研究[D]. 王茁宇.宁波大学 2017
[6]P2P网贷个人信用评分模型的研究[D]. 郑志强.暨南大学 2016
[7]我国企业信用评级法律制度研究[D]. 李聪.南京航空航天大学 2014
[8]基于分类SVM的企业财务危机预警模型研究[D]. 温重伟.华南理工大学 2011
本文编号：2951936
本文链接：https://www.wllwen.com/guanlilunwen/huobilw/2951936.html
