复杂系统框架下的企业信用风险预警研究
发布时间：2021-06-20 16:24
最近几年,我国商业银行的不良贷款率一直在高位徘徊,使得众多商业银行,甚至整个金融市场面临较高的信用风险。为了从根本上降低商业银行面临的信用风险,降低不良贷款率,需要在发放贷款前对企业在将来还款过程中发生信用风险的可能性进行预警。从系统论的观点来看,众多企业相互之间紧密联系,构成了一个复杂系统,各企业个体是该复杂系统的子系统。因此有必要从复杂系统角度对企业信用风险进行研究。复杂网络和神经网络是研究复杂系统的重要工具。现有研究虽然利用复杂网络对信用风险传染的相关问题进行了大量工作,但基本都是单纯地从网络拓扑结构本身进行研究,没有考虑关联企业间的信用风险的传染能力间的相互影响。另外,传统神经网络在收敛过程中易于陷入鞍点,如何判断神经网络是否陷入鞍点以及如何跳出鞍点是一个研究难点。本文以我国上市企业为研究对象,在复杂系统研究框架下利用演化神经网络理论和复杂网络理论对企业信用风险预警模型进行了研究,在研究过程中对企业的内部因素和外部环境因素以及个体之间的关系进行了综合考虑。内部因素之间,外部环境因素之间,及个体之间的关系都是复杂的非线性关系,因此需用非线性工具对其进行研究。企业内部因素主要是其各...
【文章来源】：暨南大学广东省 211工程院校
【文章页数】：145 页
【学位级别】：博士
【部分图文】：
-1我国商业银行不良贷款率
图 1.1-2 我国商业银行不良贷款余额了避免系统性风险，保障国家金融安全，相关政府机构和研究人员对不良信贷资产的方式进行了积极探索，如拍卖、企业并购重组、债权资产证券化等多种方式。这些商业银行不良信贷资产处理方式虽然在低了不良贷款率，但都是在不良信贷资产产生以后采取的补救措施。何对企业的信用风险进行提取预警。积极参与经济全球化的过程中，我国经济市场化程度不断加深。借助术发展、物流与交通网络建设、金融科技水平提高等各种因素的共同业链上下游之间、各行业之间、全国各地区之间的众多企业更加紧密。这些企业之间相互影响、相互作用，构成了一个复杂的经济系统，该复杂系统的子系统。仅仅孤立地分析单个企业的数据，很难客观准用状况。因此，需要从复杂系统的视角出发，把对个别企业的信用风业所在的复杂经济系统的信用风险评估结合起来进行全面地评估。即
图 2.3-5 无标度网络示例——蛋白质交互作用网络asi AL 和 Albert R 认为无标度网络之所以表现出幂律分布，是个重要特性：一是增长性，即复杂网络的规模是动态变化的络一般都是不断扩张的；二是优先连接特性，即复杂网络的度高的节点相连，最终导致强者更强，富者更富，即“马太性网络的另一个重要性质是病毒在其网络中传播时不存在临风险在复杂网络上的传播有重要指导意义。网络基本静态拓扑特性在复杂系统框架下通过构建企业信用风险复杂网络来研究企，该研究以复杂网络的拓扑特性为基础。为保证内容的连贯均路径长度、聚类系数、度分布三个最基本的静态拓扑特性到具体特性时再详细展开。
【参考文献】：
期刊论文
[1]基于神经网络遗传算法的湿度测量系统研究[J]. 杭潇,闫玉磊,张铎,王雅琴. 安徽农业科学. 2018(01)
[2]基于银企博弈的农村小微企业融资障碍研究[J]. 李桂兰,聂思璇. 会计之友. 2017(23)
[3]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)
[4]京津冀金融协同的实证测度和分析——基于复杂系统协同度模型[J]. 江元. 金融理论与实践. 2017(09)
[5]信息不对称下网络借贷市场信用风险识别[J]. 郑诚,沈沁,杨柳明. 统计与决策. 2017(15)
[6]基于复杂系统理论的我国国家公园管理机制初步研究[J]. 吴承照,贾静. 旅游科学. 2017(03)
[7]基于BP神经网络和遗传算法的养殖水域预警模型[J]. 徐云娟. 计算机科学. 2017(S1)
[8]基于复杂网络的协同舆情演化模型研究[J]. 孙士保,张亚楠,张京山,章冲. 计算机应用与软件. 2017(06)
[9]复杂系统中指标实际贡献率的计算[J]. 乔国通,何刚,朱艳娜,衡连伟. 统计与决策. 2017(10)
[10]复杂金融网络中的风险传染与救助策略——基于中国金融无标度网络上的SIRS模型[J]. 胡志浩,李晓花. 财贸经济. 2017(04)
博士论文
[1]期货时间序列复杂网络特征与投资组合策略研究[D]. 王楠.中国地质大学(北京) 2016
[2]基于复杂网络的关联信用风险传染延迟效应研究[D]. 李永奎.电子科技大学 2016
[3]基于贝叶斯网络的复杂系统因果关系研究[D]. 张润梅.合肥工业大学 2015
[4]组合信用风险模型及应用研究[D]. 马勇.华南理工大学 2014
[5]基于信息熵和互信息的流域水文模型不确定性分析[D]. 龚伟.清华大学 2012
[6]我国商业银行信用风险度量和管理研究[D]. 刘迎春.东北财经大学 2011
[7]多重演化神经网络在语音识别中的应用[D]. 刘纪平.武汉大学 2011
[8]私募房地产股权投资基金风险管理研究[D]. 范运.西南财经大学 2009
[9]上市公司财务危机预警模型研究[D]. 刘彦文.大连理工大学 2009
[10]基于结构化模型的信用风险度量及其应用研究[D]. 程功.天津大学 2007
硕士论文
[1]基于GS理论与神经网络的汽车覆盖件成形优化[D]. 熊文韬.昆明理工大学 2017
[2]基于动态复杂网络的病毒传播模拟及控制策略研究[D]. 王小伟.华南理工大学 2015
[3]互信息多元时间序列相关分析与变量选择[D]. 刘晓欣.大连理工大学 2013
[4]基于复杂系统的银行信用风险控制研究[D]. 王暖暖.中国海洋大学 2011
本文编号：3239537
【文章来源】：暨南大学广东省 211工程院校
【文章页数】：145 页
【学位级别】：博士
【部分图文】：
-1我国商业银行不良贷款率
图 1.1-2 我国商业银行不良贷款余额了避免系统性风险，保障国家金融安全，相关政府机构和研究人员对不良信贷资产的方式进行了积极探索，如拍卖、企业并购重组、债权资产证券化等多种方式。这些商业银行不良信贷资产处理方式虽然在低了不良贷款率，但都是在不良信贷资产产生以后采取的补救措施。何对企业的信用风险进行提取预警。积极参与经济全球化的过程中，我国经济市场化程度不断加深。借助术发展、物流与交通网络建设、金融科技水平提高等各种因素的共同业链上下游之间、各行业之间、全国各地区之间的众多企业更加紧密。这些企业之间相互影响、相互作用，构成了一个复杂的经济系统，该复杂系统的子系统。仅仅孤立地分析单个企业的数据，很难客观准用状况。因此，需要从复杂系统的视角出发，把对个别企业的信用风业所在的复杂经济系统的信用风险评估结合起来进行全面地评估。即
图 2.3-5 无标度网络示例——蛋白质交互作用网络asi AL 和 Albert R 认为无标度网络之所以表现出幂律分布，是个重要特性：一是增长性，即复杂网络的规模是动态变化的络一般都是不断扩张的；二是优先连接特性，即复杂网络的度高的节点相连，最终导致强者更强，富者更富，即“马太性网络的另一个重要性质是病毒在其网络中传播时不存在临风险在复杂网络上的传播有重要指导意义。网络基本静态拓扑特性在复杂系统框架下通过构建企业信用风险复杂网络来研究企，该研究以复杂网络的拓扑特性为基础。为保证内容的连贯均路径长度、聚类系数、度分布三个最基本的静态拓扑特性到具体特性时再详细展开。
【参考文献】：
期刊论文
[1]基于神经网络遗传算法的湿度测量系统研究[J]. 杭潇,闫玉磊,张铎,王雅琴. 安徽农业科学. 2018(01)
[2]基于银企博弈的农村小微企业融资障碍研究[J]. 李桂兰,聂思璇. 会计之友. 2017(23)
[3]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)
[4]京津冀金融协同的实证测度和分析——基于复杂系统协同度模型[J]. 江元. 金融理论与实践. 2017(09)
[5]信息不对称下网络借贷市场信用风险识别[J]. 郑诚,沈沁,杨柳明. 统计与决策. 2017(15)
[6]基于复杂系统理论的我国国家公园管理机制初步研究[J]. 吴承照,贾静. 旅游科学. 2017(03)
[7]基于BP神经网络和遗传算法的养殖水域预警模型[J]. 徐云娟. 计算机科学. 2017(S1)
[8]基于复杂网络的协同舆情演化模型研究[J]. 孙士保,张亚楠,张京山,章冲. 计算机应用与软件. 2017(06)
[9]复杂系统中指标实际贡献率的计算[J]. 乔国通,何刚,朱艳娜,衡连伟. 统计与决策. 2017(10)
[10]复杂金融网络中的风险传染与救助策略——基于中国金融无标度网络上的SIRS模型[J]. 胡志浩,李晓花. 财贸经济. 2017(04)
博士论文
[1]期货时间序列复杂网络特征与投资组合策略研究[D]. 王楠.中国地质大学(北京) 2016
[2]基于复杂网络的关联信用风险传染延迟效应研究[D]. 李永奎.电子科技大学 2016
[3]基于贝叶斯网络的复杂系统因果关系研究[D]. 张润梅.合肥工业大学 2015
[4]组合信用风险模型及应用研究[D]. 马勇.华南理工大学 2014
[5]基于信息熵和互信息的流域水文模型不确定性分析[D]. 龚伟.清华大学 2012
[6]我国商业银行信用风险度量和管理研究[D]. 刘迎春.东北财经大学 2011
[7]多重演化神经网络在语音识别中的应用[D]. 刘纪平.武汉大学 2011
[8]私募房地产股权投资基金风险管理研究[D]. 范运.西南财经大学 2009
[9]上市公司财务危机预警模型研究[D]. 刘彦文.大连理工大学 2009
[10]基于结构化模型的信用风险度量及其应用研究[D]. 程功.天津大学 2007
硕士论文
[1]基于GS理论与神经网络的汽车覆盖件成形优化[D]. 熊文韬.昆明理工大学 2017
[2]基于动态复杂网络的病毒传播模拟及控制策略研究[D]. 王小伟.华南理工大学 2015
[3]互信息多元时间序列相关分析与变量选择[D]. 刘晓欣.大连理工大学 2013
[4]基于复杂系统的银行信用风险控制研究[D]. 王暖暖.中国海洋大学 2011
本文编号：3239537
本文链接：https://www.wllwen.com/jingjilunwen/huobiyinxinglunwen/3239537.html
