集成支持向量机在民营信用债中的应用
发布时间：2021-08-08 02:25
民营企业作为我国特色社会主义市场经济的重要组成部分,为经济发展做出了不可磨灭的贡献,但同时民营企业往往因自身信用资质不足而不受到资金方信赖。自2016年四季度起,我国宏观经济市场先后经历了“金融去杠杆”、“金融稳杠杆,布局经济去杠杆”以及“经济去杠杆”这三个阶段。201 8年初至今的政府严监管加上金融严监管对企业融资和经营造成了相当程度的影响,部分民营企业在先前宽松政策环境下通过发行债券大量举债盲目扩张,寄希望未来可通过自身财务弹性或再融资偿还债务。但随着目前监管政策趋严,企业资金周转面临困难导致债券难以置换或者续期,从而引发债券市场大面积“违约潮”的发生。在风险评估领域,传统定量分析主要依靠个人主观判断,通常导致结果不够准确。但随着相关模型理论的发展,逐渐将相关因素进行量化分析,提出了线性判别、Logistics回归模型以及KMV模型,再到后来基于大数据的统计学习模型。上世纪九十年代,Vapnic在统计学习理论基础上提出支持向量机模型,该模型不仅具有小样本学习能力,并且善于解决非线性、高维度、过拟合等传统难题。集成学习通过一定算法训练产生若干个具有差异性的子学习器,通过特定方式进行合...
【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】：59 页
【学位级别】：硕士
【部分图文】：
图１－１近年来债券违约数量及违约规模??
图２．１?２０１５年－２０１７年我国债券市场发行情况??债券发行种类来看，金融债券发行规模占比超过半数，达到２５．８１??万亿。金融债发行主体多为商业银行及政策性银行，其中政策性银行??包括进出口银行、国开银、业展银。业银行金包??
?２０１７?年??＊发行期数（期）ｋ发行规模（亿元）??图２．１?２０１５年－２０１７年我国债券市场发行情况??债券发行种类来看，金融债券发行规模占比超过半数，达到２５．８１??万亿。金融债发行主体多为商业银行及政策性银行，其中政策性银行??包括进出口银行、国家开发银行、农业发展银行。商业银行金融债包??括金融债及二级资本债，目的多为补充银行核心及二级资本以应对监??管部门考核。其次规模较大为政府债券以及信用债券，发行规模分别??为８３，５１３亿元及５６，３５２亿元。??金融债与政府债券由于发行主体信用级别高可保证其安全性。债??券违约主要集中于非金融企业所发行的信用债券，信用债券根据交易??场所可分为银行间市场流通的短期融资券（包括超短期融资券）、中期??票据以及定向融资工具，交易所市场流通的公司债券、资产支持证券??９??
【参考文献】：
期刊论文
[1]基于BP神经网络与支持向量机的股票指数预测模型比较[J]. 彭望蜀. 南方金融. 2013(01)
[2]基于SVM的我国商业银行风险预警研究[J]. 陈朝晖,胡玉芳. 武汉理工大学学报(信息与管理工程版). 2012(04)
[3]基于MF-Logistic模型的银行信用风险压力测试[J]. 李关政. 金融理论与实践. 2012(01)
[4]财务困境预测中的变量筛选——基于平均影响值的SVM方法[J]. 卢永艳,王维国. 系统工程. 2011(08)
[5]基于PSO-BP神经网络的企业信用风险评估模型研究[J]. 董槐林,郭阳,郑宇辉. 计算机与现代化. 2009(04)
[6]商业银行信用风险模型的比较及其借鉴[J]. 曹道胜,何明升. 金融研究. 2006(10)
[7]基于BP神经网络的制造业上市公司财务预警[J]. 张根明,向晓骥,孙敬宜. 山东工商学院学报. 2006(04)
[8]卖空、保证金与最优投资组合[J]. 王永巧,汪寿阳. 数量经济技术经济研究. 2006(03)
[9]用遗传神经网络模型预测公司财务困境[J]. 姚宏善,沈轶. 华中师范大学学报(自然科学版). 2005(02)
[10]基于Bagging的选择性聚类集成[J]. 唐伟,周志华. 软件学报. 2005(04)
博士论文
[1]经济周期中我国民营企业融资问题研究[D]. 韩春明.首都经济贸易大学 2014
[2]我国中小企业信贷约束问题研究[D]. 潘鹏杰.哈尔滨工程大学 2012
[3]集成学习中有关算法的研究[D]. 张春霞.西安交通大学 2010
硕士论文
[1]行业视角下公司债券违约风险度量研究[D]. 杨东梅.中国科学技术大学 2017
[2]基于SVM的银行间同业拆借利率预测方法研究[D]. 曹文松.湖南大学 2010
[3]基于SVM的商业银行信用风险模型研究[D]. 王艾婷.天津大学 2009
[4]基于支持向量机的上市公司财务危机预警研究[D]. 宋姣.哈尔滨工业大学 2007
[5]基于模糊积分集成支持向量机的商业银行信用风险评价模型研究[D]. 周振华.哈尔滨工业大学 2006
本文编号：3329022
【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】：59 页
【学位级别】：硕士
【部分图文】：
图１－１近年来债券违约数量及违约规模??
图２．１?２０１５年－２０１７年我国债券市场发行情况??债券发行种类来看，金融债券发行规模占比超过半数，达到２５．８１??万亿。金融债发行主体多为商业银行及政策性银行，其中政策性银行??包括进出口银行、国开银、业展银。业银行金包??
?２０１７?年??＊发行期数（期）ｋ发行规模（亿元）??图２．１?２０１５年－２０１７年我国债券市场发行情况??债券发行种类来看，金融债券发行规模占比超过半数，达到２５．８１??万亿。金融债发行主体多为商业银行及政策性银行，其中政策性银行??包括进出口银行、国家开发银行、农业发展银行。商业银行金融债包??括金融债及二级资本债，目的多为补充银行核心及二级资本以应对监??管部门考核。其次规模较大为政府债券以及信用债券，发行规模分别??为８３，５１３亿元及５６，３５２亿元。??金融债与政府债券由于发行主体信用级别高可保证其安全性。债??券违约主要集中于非金融企业所发行的信用债券，信用债券根据交易??场所可分为银行间市场流通的短期融资券（包括超短期融资券）、中期??票据以及定向融资工具，交易所市场流通的公司债券、资产支持证券??９??
【参考文献】：
期刊论文
[1]基于BP神经网络与支持向量机的股票指数预测模型比较[J]. 彭望蜀. 南方金融. 2013(01)
[2]基于SVM的我国商业银行风险预警研究[J]. 陈朝晖,胡玉芳. 武汉理工大学学报(信息与管理工程版). 2012(04)
[3]基于MF-Logistic模型的银行信用风险压力测试[J]. 李关政. 金融理论与实践. 2012(01)
[4]财务困境预测中的变量筛选——基于平均影响值的SVM方法[J]. 卢永艳,王维国. 系统工程. 2011(08)
[5]基于PSO-BP神经网络的企业信用风险评估模型研究[J]. 董槐林,郭阳,郑宇辉. 计算机与现代化. 2009(04)
[6]商业银行信用风险模型的比较及其借鉴[J]. 曹道胜,何明升. 金融研究. 2006(10)
[7]基于BP神经网络的制造业上市公司财务预警[J]. 张根明,向晓骥,孙敬宜. 山东工商学院学报. 2006(04)
[8]卖空、保证金与最优投资组合[J]. 王永巧,汪寿阳. 数量经济技术经济研究. 2006(03)
[9]用遗传神经网络模型预测公司财务困境[J]. 姚宏善,沈轶. 华中师范大学学报(自然科学版). 2005(02)
[10]基于Bagging的选择性聚类集成[J]. 唐伟,周志华. 软件学报. 2005(04)
博士论文
[1]经济周期中我国民营企业融资问题研究[D]. 韩春明.首都经济贸易大学 2014
[2]我国中小企业信贷约束问题研究[D]. 潘鹏杰.哈尔滨工程大学 2012
[3]集成学习中有关算法的研究[D]. 张春霞.西安交通大学 2010
硕士论文
[1]行业视角下公司债券违约风险度量研究[D]. 杨东梅.中国科学技术大学 2017
[2]基于SVM的银行间同业拆借利率预测方法研究[D]. 曹文松.湖南大学 2010
[3]基于SVM的商业银行信用风险模型研究[D]. 王艾婷.天津大学 2009
[4]基于支持向量机的上市公司财务危机预警研究[D]. 宋姣.哈尔滨工业大学 2007
[5]基于模糊积分集成支持向量机的商业银行信用风险评价模型研究[D]. 周振华.哈尔滨工业大学 2006
本文编号：3329022
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3329022.html
