基于多阶段方法的债券损失率预测模型
发布时间：2021-08-23 15:51
债券损失率预测,即通过建立指标向量与债券损失率之间的函数关系,基于现有的历史数据对债券未来违约损失率进行提前预测,这对债券投资决策具有重要的参考意义。本研究第一章是绪论,第二章是损失率多阶段预测模型的原理,第三章是模型的构建,第四章是中国企业债券的实证研究,第五章是结论。本研究的重点:一是分类算法的优选,分类算法不同,对债券所属类型的判别结果不同,最终导致对损失率的预测精度也不同。二是违约风险评价标准的选择,标准的不同,对风险的度量角度不同。三是预测能力,模型的预测能力不同,对投资者用处也不同。本研究的创新与特色:一是以企业债券损失率的预测值和实际值的误差最小为目标,选择最佳的分类算法。二是通过直接预测债券的损失率,可以在已知债券本金的情况下,直接确定违约损失,避免了现有研究通过预期损失率=违约概率*违约损失率,需要同时预测违约概率和违约损失率所带来的双重预测误差。三是利用t-k（k=1,2,…,5）期的指标数据和t期的损失率建立模型,构建了预测期限长达5期的违约风险预测模型,改变了现有研究预测能力不足的问题。四是,研究表明,我们建立的“决策树+最小二乘回归”多阶段模型的预测精度,不但...
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景及意义
1.1.1 选题的背景
1.1.2 选题的意义
1.2 国内外现有研究综述
1.2.1 分类模型的研究
1.2.2 违约损失率模型的研究
1.3 研究内容与框架
2 损失率多阶段预测模型的原理
2.1 损失率的定义及计算
2.1.1 损失率的定义
2.1.2 损失率与预期违约损失率的关系
2.1.3 以损失率为度量标准的原因
2.2 最优指标组合遴选的原理
2.3 多阶段方法的原理
2.4 分类算法优选的原理
2.4.1 逻辑回归分类模型的原理
2.4.2 决策树分类模型的原理
2.4.3 随机森林分类模型的原理
2.4.4 支持向量机分类模型的原理
2.5 模型预测能力确定的原理
2.6 本研究所涉及的模型评价标准
2.6.1 判别模型的评价标准
2.6.2 回归模型的评价标准
3 损失率多阶段预测模型的构建
3.1 “逻辑回归+最小二乘回归”的多阶段模型
3.1.1 违约概率模型的建立
3.1.2 违约债券发生损失的概率模型的建立
3.1.3 发生损失的违约债券损失率为1 的概率模型的建立
3.1.4 位于(0,1)范围内的债券损失率模型的建立
3.1.5 债券损失率表达式
3.2 不同分类算法下的多阶段模型
4 中国债券数据的实证研究
4.1 样本的选取
4.1.1 样本来源
4.1.2 时间序列样本集的构建
4.1.3 债券样本类型的细分
4.1.4 样本的使用
4.2 债券损失率多阶段预测模型的构建
4.2.1 “逻辑回归+最小二乘回归”多阶段预测模型
4.2.2 “决策树+最小二乘回归”多阶段预测模型
4.2.3 “随机森林+最小二乘回归”多阶段预测模型
4.2.4 “支持向量机+最小二乘回归”多阶段预测模型
4.3 不同分类算法的对比分析和优选
4.4 优选后的指标体系
4.5 与单阶段模型的对比分析
4.6 中国债券行业信用特征的分析
5 结论
5.1 主要结论
5.2 主要特色
5.3 主要创新
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]基于非均衡模糊近似支持向量机的P2P网贷借款人信用风险评估及应用[J]. 张卫国,卢媛媛,刘勇军. 系统工程理论与实践. 2018(10)
[2]商业银行信用风险评估模型研究——基于线上供应链金融的实证[J]. 戴昕琦. 软科学. 2018(05)
[3]基于Fisher判别的小型工业企业债信评级模型及实证[J]. 潘明道,周颖,迟国泰,孟斌. 管理评论. 2018(03)
[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]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)
[6]基于Probit回归的小企业债信评级模型及实证[J]. 迟国泰,张亚京,石宝峰. 管理科学学报. 2016(06)
[7]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)
[8]信用风险中回收率分布的双Beta模型[J]. 王国栋,詹原瑞. 中国管理科学. 2011(06)
[9]回归分析与课堂评价模型中指标的选择[J]. 牛惠芳. 数学的实践与认识. 2008(18)
[10]处理异方差问题时的三个R2[J]. 张卫东,雷敏. 统计与决策. 2007(18)
本文编号：3358159
【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校
【文章页数】：55 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 选题背景及意义
1.1.1 选题的背景
1.1.2 选题的意义
1.2 国内外现有研究综述
1.2.1 分类模型的研究
1.2.2 违约损失率模型的研究
1.3 研究内容与框架
2 损失率多阶段预测模型的原理
2.1 损失率的定义及计算
2.1.1 损失率的定义
2.1.2 损失率与预期违约损失率的关系
2.1.3 以损失率为度量标准的原因
2.2 最优指标组合遴选的原理
2.3 多阶段方法的原理
2.4 分类算法优选的原理
2.4.1 逻辑回归分类模型的原理
2.4.2 决策树分类模型的原理
2.4.3 随机森林分类模型的原理
2.4.4 支持向量机分类模型的原理
2.5 模型预测能力确定的原理
2.6 本研究所涉及的模型评价标准
2.6.1 判别模型的评价标准
2.6.2 回归模型的评价标准
3 损失率多阶段预测模型的构建
3.1 “逻辑回归+最小二乘回归”的多阶段模型
3.1.1 违约概率模型的建立
3.1.2 违约债券发生损失的概率模型的建立
3.1.3 发生损失的违约债券损失率为1 的概率模型的建立
3.1.4 位于(0,1)范围内的债券损失率模型的建立
3.1.5 债券损失率表达式
3.2 不同分类算法下的多阶段模型
4 中国债券数据的实证研究
4.1 样本的选取
4.1.1 样本来源
4.1.2 时间序列样本集的构建
4.1.3 债券样本类型的细分
4.1.4 样本的使用
4.2 债券损失率多阶段预测模型的构建
4.2.1 “逻辑回归+最小二乘回归”多阶段预测模型
4.2.2 “决策树+最小二乘回归”多阶段预测模型
4.2.3 “随机森林+最小二乘回归”多阶段预测模型
4.2.4 “支持向量机+最小二乘回归”多阶段预测模型
4.3 不同分类算法的对比分析和优选
4.4 优选后的指标体系
4.5 与单阶段模型的对比分析
4.6 中国债券行业信用特征的分析
5 结论
5.1 主要结论
5.2 主要特色
5.3 主要创新
参考文献
攻读硕士学位期间发表学术论文情况
致谢
【参考文献】：
期刊论文
[1]基于非均衡模糊近似支持向量机的P2P网贷借款人信用风险评估及应用[J]. 张卫国,卢媛媛,刘勇军. 系统工程理论与实践. 2018(10)
[2]商业银行信用风险评估模型研究——基于线上供应链金融的实证[J]. 戴昕琦. 软科学. 2018(05)
[3]基于Fisher判别的小型工业企业债信评级模型及实证[J]. 潘明道,周颖,迟国泰,孟斌. 管理评论. 2018(03)
[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]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)
[6]基于Probit回归的小企业债信评级模型及实证[J]. 迟国泰,张亚京,石宝峰. 管理科学学报. 2016(06)
[7]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)
[8]信用风险中回收率分布的双Beta模型[J]. 王国栋,詹原瑞. 中国管理科学. 2011(06)
[9]回归分析与课堂评价模型中指标的选择[J]. 牛惠芳. 数学的实践与认识. 2008(18)
[10]处理异方差问题时的三个R2[J]. 张卫东,雷敏. 统计与决策. 2007(18)
本文编号：3358159
本文链接：https://www.wllwen.com/jingjilunwen/jinrongzhengquanlunwen/3358159.html
