基于违约鉴别能力最大的信用等级划分方法

发布时间：2021-04-29 23:38

　　信用等级划分旨在区分不同客户的风险水平,然现有大多数信用等级划分研究要么无法严格保证划分的信用等级满足"信用等级越高,损失率越低"标准,要么无法保证尽可能地区分违约可能性不相似的客户,而无论不符合哪种标准,划分的信用等级都不能作为贷款决策的有效依据.基于此,以上述两个标准为目标划分信用等级.创新与特色一是以客户的非违约累计频率与违约累计频率之差的最大绝对值的代数和最大为目标,以后一个信用等级损失率大于前面信用等级损失率为主要约束,确保划分的信用等级满足上述两个标准.二是提出通过设置随机分割点的区间来划分信用等级的新算法,避免随机赋予信用等级分割点时,靠前的信用等级分割点落到靠后的客户中,导致后面的信用等级无论怎样划分均划分不出来的弊端.最后,以中国某商业银行3 045笔小企业贷款样本进行实证,结果表明本模型划分的信用等级满足"信用等级越高,损失率越低"标准,且其区分不同违约可能性客户的能力较强. 

【文章来源】：管理科学学报. 2019,22(11)北大核心CSSCICSCD

【文章页数】：21 页

【文章目录】：
0引言
1原理
    1.1损失率的界定
    1.2信用等级划分的标准
    1.3信用等级划分的难点
    1.4突破难点的思路
2信用等级划分模型
    2.1目标函数的建立
        2.1.1信用等级i的K-S检验统计量D(i)值的计算
        2.1.2目标函数的建立
    2.2约束条件的建立
        2.2.1约束条件1的建立
            1)单个信用等级损失率LRi的确定
            2)约束条件1的确定
        2.2.2约束条件2的建立
    2.3本模型与现有研究的区别
        2.3.1第一类现有研究与本模型的区别
        2.3.2第二类现有研究与本模型的区别
        2.3.3第三类现有研究与本模型的区别
    2.4模型的求解算法
        2.4.1满足约束条件1和约束条件2的第一次信用等级划分
        2.4.2满足约束条件1和约束条件2的n次信用等级划分
        2.4.3确定最终的信用等级
        2.4.4信用等级划分输出的结果
3实证研究
    3.1样本及数据
    3.2信用等级的划分
        3.2.1确定满足约束条件1和约束条件2的第1次划分
            1)确定第1个信用等级
            2)确定第2个信用等级
            3)确定第3个信用等级
            4)确定第4个信用等级～第7个信用等级
            5)确定最后两个信用等级8和信用等级9
        3.2.2满足约束条件1和约束条件2的n次信用等级划分
        3.2.3确定最终的信用等级
            1)目标函数Z值的确定
            2)信用等级得分临界点的反推
        3.2.4信用等级划分结果分析
    3.3对比分析
        3.3.1对比模型1
            1)与本模型的主要区别
            2)模型结果与分析
        3.3.2对比模型2
            1)与本模型的主要区别
            2)模型结果与分析
4结束语
    4.1主要结论
    4.2主要创新


【参考文献】：
期刊论文
[1]基于违约鉴别能力组合赋权的小企业信用评级——基于小型工业企业样本数据的实证分析[J]. 迟国泰,李鸿禧,潘明道.  管理科学学报. 2018(03)
[2]融入在线社会资本的个人信用价值度量模型[J]. 琚春华,邹江波,傅小康.  管理科学学报. 2017(11)
[3]基于信用差异度最大的信用等级划分优化方法[J]. 赵志冲,迟国泰,潘明道.  系统工程理论与实践. 2017(10)
[4]基于风险环境的企业多层交叉信用评分模型与应用[J]. 庞素琳,何毅舟,汪寿阳,蒋海.  管理科学学报. 2017(10)
[5]基于差分进化自动聚类的信用风险评价模型研究[J]. 张大斌,周志刚,许职,李延晖.  中国管理科学. 2015(04)
[6]一个基于小样本的银行信用风险评级模型的设计及应用[J]. 迟国泰,潘明道,齐菲.  数量经济技术经济研究. 2014(06)
[7]美国主权信用评级下调的影响[J]. 孙祁祥,刘宇飞,段誉.  中国金融. 2011(16)
[8]基于多维时间序列的灰色模糊信用评价研究[J]. 张洪祥,毛志忠.  管理科学学报. 2011(01)
[9]基于核主元分析的带可变惩罚因子最小二乘模糊支持向量机模型及其在信用分类中的应用[J]. 余乐安,汪寿阳.  系统科学与数学. 2009(10)

博士论文
[1]基于信息敏感性的小企业信用评级模型研究[D]. 陈洪海.大连理工大学 2016
[2]租赁和商务服务业小企业的信用评价研究[D]. 李战江.大连理工大学 2014
[3]基于支持向量机的农户小额贷款决策评价研究[D]. 程砚秋.大连理工大学 2011



本文编号：3168400