基于最优指标组合和最优权重的小企业信用评级研究

发布时间：2020-05-23 01:55

【摘要】：信用就是以还本付息为条件的借贷活动。信用风险即违约风险,是指借款人因主观原因不愿或无力履行合同约定,而造成违约,致使银行等金融机构、投资者遭受损失的可能性。贷款违约风险是商业银行面临的最重要风险点,是银行出现坏账甚至破产的主要原因。信用评级就是通过评级模型与违约状态的函数关系,识别一笔贷款或公司债券违约风险大小,为银行贷款决策、公司债券投资决策提供重要依据。在大数据环境下对客户进行信用评级,关键是挖掘数据与客户违约状态之间的关联关系。一是如何在众多指标组合中,遴选出一个违约鉴别能力最强的指标组合。二是多个指标的权重组合是无穷多的,如何在无穷组权重向量中,确定一组违约鉴别能力最强的权重向量。三是如何设置“违约错判为非违约”和“非违约误判为违约”两类错误的错判成本,既保证判别客户违约状态准确率最大,又避免违约错判非违约的错误率过高。构建基于最优指标组合和最优权重向量的违约鉴别力最大的信用评级模型,可应用于小企业、上市公司、农户、商户、个人借贷、债券等不同主体信用风险评价。为银行发放贷款、企业发行债券、担保公司信用担保以及个人投资等提供决策参考。本研究包括四部分内容:第一章是分析研究背景及意义、信用评级研究现状以及现有研究存在的不足。第二章是构建基于最优指标组合和最优权重向量的信用评级模型。第三章以小企业为例进行实证研究,建立我国小企业违约鉴别力最大的信用评级体系。第四章是总结本研究的结论、创新与特色。本研究的主要工作:一是删除冗余指标。在m个指标中组成的指标体系中,分别删除相关系数大于0.8的冗余指标对中的一个指标,构成2个由m-1个指标构成的指标体系。计算2个由m-1个指标构成的指标体系评价结果的F值,保留F值大的指标体系,确保被保留的m-1个指标构成的指标体系的违约鉴别能力大。既避免了信用评级指标体系中信息重复,即存在冗余指标,又避免误删有利于提升指标体系整体违约鉴别能力的指标的弊端。改变了现有研究确定最优指标体系时忽视对客户违约状态的实际鉴别能力的弊端。二是遴选违约鉴别力最大的最优信用评级指标组合。通过遍历所有不同指标组合的Lasso-logistic回归方程的多个客户违约状态的理论判别值与客户实际违约状态的误差最小,反推出Lasso-logistic回归方程中权重不等于0的指标为最优指标组合,确保遴选的指标组合违约鉴别能力最大。完善了现有研究仅在有限个主观人为选定的指标组合中遴选最优组合的现象。事实上,在有限个人为选定的指标组合中进行优选,仅仅会得到局部最优解,而不是全局最优解。并以小企业信用评级为例,遴选了包含48个指标的违约鉴别力最大的最优信用评级指标组合。三是确定“违约错判为非违约”和“非违约误判为违约”两类错误的错判成本。通过在追求客户违约状态判别准确率最大的同时,建立两类错判成本最小的目标和“违约错判为非违约的错判成本”的第一类成本大于“非违约误判为违约的错判成本”第二类成本的约束条件,反推一组最优的第一类成本和第二类成本及其最佳比例。避免了现有研究仅以客户违约状态判别的准确率最大为标准反推最优权重向量,同等对待两类性质不同的成本而导致的“违约错判为非违约”的客户过多、授信损失过大的不合理情况。小企业的实证样本的研究表明,当第一类成本与第二类成本的比率6倍时,客户违约状态判别准确率最大,且违约错判为非违约”的客户的错误最少。四是构建基于最优权重向量的信用评价方程,判别违约状态。在追求两类错判成本最小的目标和“违约错判为非违约”的错判成本大于“非违约误判为违约”错判成本的前提下,通过客户违约状态判别准确率最大的目标反推一组最优的权重向量,确保评价方程的违约鉴别精度最高。
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F276.3;F832.4

【参考文献】