基于投影寻踪的光大银行信贷风险评估研究

发布时间：2017-06-25 04:19

  本文关键词：基于投影寻踪的光大银行信贷风险评估研究，由笔耕文化传播整理发布。

【摘要】：长久以来,困扰我国商业银行在信贷风险评估领域徘徊不前的,主要是来自两方面的现实原因:一是历史样本容量有限导致用于信贷风险评估的数据特征不稳定、并呈现出明显的非正态分布;另一方面,企业财务指标繁杂、统计口径不一致,指标间存在较强的相关性,然而传统统计方法以指标间相对独立为前提,这显然增加了指标选择的困难度。目前,多元统计分析方法在国外商业银行信贷评估方面应用最广,它的基本原理是从已经掌握的历史数据中的正常样本和违约样本当中总结出类别划分的规律,据此构建判别公式,并应用于新样本的分析。目前主要的判别分析模型有:近邻法、多元判别分析模型(MDA)、logit分析模型和多元回归分析模型。这些模型中已经投入商业使用的是多元判别分析模型和Logit分析模型。由于西方国家的金融市场已经发展完善,故这些成熟的统计模型并不畏惧严格的使用条件。然而也正是由于金融市场的“土壤环境”不同,采用“嫁接”的办法必然会产生不小的偏差。因此,为了贴合我国银行信贷市场的实际情况,本文将投影寻踪技术引入商业银行的信贷风险评估,以克服数据高维数、非正态分布的障碍。查阅文献得知,当投影寻踪和具有类似数据特征的生物、水质分析等其他领域相结合时,此种方法在对数据的处理效果上明显优于之前提到的西方普遍应用的分析方法。本文以商业银行的信贷风险评估为主要研究对象,以投影寻踪判别分析方法为主要研究手段,立足于光大银行,根据其真实的投放于企业的信贷资料和各项数据,设计出适用于光大银行的企业信贷风险评估模型,期望可以提高该行的信贷质量和控制信贷风险的能力,进而增强该行在全国各商业银行中的竞争力。内容方面主要针对光大银行信贷风险评估体系的现状进行了深入的分析,指出了其中存在的问题,并对其成因展开了仔细的分析。在此基础上分析了将投影寻踪技术应用于光大银行信贷风险评估的可行性,并对光大银行信贷风险评估存在的问题采用投影寻踪技术进行指标体系的重新建立和新模型的设计构建,确立模型的总体设计思路和设计目标以及设计原则,并以仿真模拟的方式举例说明新模型的有效性,期望可以提高该行的信贷质量和控制信贷风险的能力,进而增强该行在全国各商业银行中的竞争力。
【关键词】：信贷风险评估 光大银行 投影寻踪
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.4
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-18
• 1.1 研究背景与问题的提出10-12
• 1.1.1 研究背景10-12
• 1.1.2 问题的提出12
• 1.2 研究的目的和意义12-14
• 1.2.1 研究目的12
• 1.2.2 研究意义12-14
• 1.3 国内外研究现状及评述14-16
• 1.3.1 国外研究现状14-15
• 1.3.2 国内研究现状15-16
• 1.3.3 研究现状评述16
• 1.4 研究的内容与方法16-18
• 1.4.1 研究内容16
• 1.4.2 研究方法16-18
• 第2章 光大信贷风险评估现状及问题18-29
• 2.1 光大银行概况18
• 2.2 光大信贷风险评估现状18-24
• 2.2.1 信贷风险管理组织架构18-20
• 2.2.2 信贷风险管理流程20-22
• 2.2.3 企业信贷风险评估22-24
• 2.3 光大银行信贷风险评估存在的问题24-26
• 2.3.1 缺乏先进科学的评级模型24-25
• 2.3.2 现有评级指标体系不够完善25
• 2.3.3 缺乏信贷风险管理人才25-26
• 2.4 问题成因分析26-28
• 2.4.1 内部成因26-27
• 2.4.2 外部成因27-28
• 2.5 本章小结28-29
• 第3章 基于投影寻踪的光大信贷风险评估体系设计29-42
• 3.1 投影寻踪方法应用的可行性和必要性29
• 3.1.1 应用可行性29
• 3.1.2 应用必要性29
• 3.2 设计思路目标和原则29-31
• 3.2.1 设计思路29-30
• 3.2.2 设计目标30
• 3.2.3 指标体系设计原则30-31
• 3.3 光大银行信贷风险评估流程设计31-32
• 3.3.1 评级发起31
• 3.3.2 评级认定31-32
• 3.4 评估指标体系设计32-39
• 3.4.1 信贷风险影响因素分析32-35
• 3.4.2 评估指标体系建立35-39
• 3.5 企业信贷风险评估模型的建立39-41
• 3.5.1 评价指标集的归一化处理39-40
• 3.5.2 构造投影指标函数40
• 3.5.3 优化投影指标函数40
• 3.5.4 代入最佳投影方向40-41
• 3.5.5 基于差异序列的有序聚类41
• 3.6 本章小结41-42
• 第4章 信贷风险评估方法的应用42-49
• 4.1 样本数据及指标说明42-43
• 4.2 测算样本最佳投影方向与投影值43-44
• 4.2.1 样本评价指标集的归一化处理43
• 4.2.2 计算样本最佳投影方向向量43-44
• 4.3 建立有序聚类的评级模型44-46
• 4.4 实际应用可能遇到的问题46-47
• 4.4.1 主观指标的量化46
• 4.4.2 与授信企业的沟通46-47
• 4.4.3 需要科学合理划分信用等级区间47
• 4.5 问题的应对措施47-48
• 4.5.1 加强信贷风险管理人员的职业素质47
• 4.5.2 设计专业软件评估程序47-48
• 4.5.3 加强对信贷风险的学习48
• 4.6 本章小结48-49
• 结论49-50
• 参考文献50-54
• 攻读硕士学位期间发表的论文54-55
• 附录 155-59
• 附录 259-66
• 致谢66

【参考文献】

中国期刊全文数据库 前8条

1 于晨曦;;计量技术在信用风险管理中的应用——兼论我国商业银行引进和运用计量技术中存在的问题及建议[J];金融论坛;2009年06期

2 龚澄;;信用风险主流模型与RCM模型的比较及借鉴[J];国际金融研究;2008年02期

3 方艺萌;;宏观经济改革的预期或带动风险偏好的回升[J];银行家;2012年11期

4 郑毅;蔺帅;;遗传神经网络在商业银行信用风险评估中的应用[J];社会科学家;2008年01期

5 闫丽瑞;;基于KMV模型的信用风险度量研究[J];山西财经大学学报;2009年05期

6 蒋正权;张能福;;KMV模型的修正及其应用[J];统计与决策;2008年09期

7 夏红芳;马俊海;;基于KMV模型的上市公司信用风险预测[J];预测;2008年06期

8 方先明;熊鹏;张谊浩;;基于Hopfield神经网络的信用风险评价模型及其应用[J];中央财经大学学报;2007年08期

  本文关键词：基于投影寻踪的光大银行信贷风险评估研究，，由笔耕文化传播整理发布。

本文编号：480783