基于分位数回归的商户小额贷款违约特征挖掘
发布时间：2021-03-15 07:33
个体工商户作为民营经济的重要组成部分,是我国经济体制改革和市场经济发展过程中形成的特殊经济主体,对经济发展做出了重要贡献,是经济活动不可缺少的“毛细血管”。截至2019年底,我国在工商登记注册的个体工商户共有8261万户,占到全部市场主体（12339.5万户）的66.95%,工商登记注册的个体工商户就业人员达到16935.05万人,其中,农村个体从业者达到5859.5万人,占到全部工商登记的私营个体就业人数的34.6%。作为农村金融客户中数量最多、分布最广泛的群体之一,农村个体工商户的金融需求对整个农村金融的发展具有重要影响。但是,与企业相比,农村个体工商户经营规模小、信息不透明、风险测算难度大,所以银行更倾向于贷款给资信水平更高的企业,导致融资难成为制约农村个体工商户发展的瓶颈,进而影响了我国农村经济的发展。提升金融服务支持乡村振兴、推进农村金融改革发展的关键是要缓解农村个体工商户的贷款难题,因此,本文通过构建适合农村个体工商户的信用风险评价指标体系,对具有高判别能力的评价指标及指标的关键特征进行分析,系统梳理和探析信用评价指标与违约损失率之间的规律性联系,为缓解农村个体工商户融资约...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
技术路线
西北农林科技大学硕士学位论文24由于随机森林的重要性排序功能的实现过程类似于一个黑箱，所以只能得到变量的重要性得分，结果如图3-1所示。图3-1商户信用评价指标随机森林重要性排序Fig.3-1Randomforestimportancescoreofmerchantcreditevaluationindex根据随机森林重要性排序功能得出的结果，本文基于选取的指标既是对商户贷款主体信用风险具有较大影响，又需要保持商户信用风险评价指标体系简洁性的双重目标，保留随机森林重要性得分大于0.02的指标用于构建商户信用风险评价指标体系。最终构建的指标体系如表3-3所示。表3-3商户信用风险评价指标体系Table3-3Merchantcreditriskevaluationindexsystem序号准则层指标名称重要性得分1商户基本信息X13从事行业0.06272X1学历0.02133X4年龄0.02494X52经营面积0.02735X51经营年限0.02266商户家庭情况X20贷款用途0.04337X19家庭支出0.03028X15成员人数0.02529偿债能力X41总资产0.026910X30流动比率0.039811X36月本行还贷比0.058612X34月他行还贷比0.024313盈利能力X53人均营收0.057914X40销售净利率0.052315X39平均营业收入0.02416X43月净收入0.023517X50经营费用0.0214
西北农林科技大学硕士学位论文29近年来，有学者的研究发现违约损失率的分布较为特殊，呈现出极度偏斜与双峰的特点(SteffenandDaniel，2017；JenniferBetzetal.，2018)。将本文采用的样本商户的违约损失率绘制成Q-Q图(如图4-1所示)，可以看出违约损失率的散点没有全部落在回归直线上，取对数后也是如此，因此认为其分布存在非正态、非对称和厚尾特征，并且样本值主要集中在0或1附近，表现为给银行造成严重损失和基本没有给银行造成损失这两个极端情况的商户数量占到多数，而违约损失率介于这之间的，表明给银行造成的损失程度存在差异，靠近0和靠近1的违约损失率给银行造成的损失明显不同。在这种情况下，侧重对解释变量均值进行解释的OLS回归会忽视大量信息，因此，本文采用分位数回归模型，在第三章遴选出的评价指标中，进一步挖掘指标的关键特征，深入分析商户违约损失率不同分位点上关键指标的影响差异。为更加直观和全面地的反映出违约损失率不同的贷款商户，其影响因素之间的差异及变化过程，选取0.1至0.9的9个分位点进行实证分析。图4-1商户小额贷款违约损失率(LGD)的分位数分布Fig.4-1Quantiledistributionofsmallloanlossgivendefault(LGD)ofmerchants观察表4-1，可以看出商户信用风险评价指标体系标准化后的指标数据分布明显非正态，例如，家庭支出这一指标标准化后的数据均值为0.8733，更接近于1，而销售净利率这一指标标准化后的数据均值为0.1635，更接近于0。全部指标的J-B统计量对应的P值均在1%的水平下显著，由此证明分位数回归对本文选取的样本数据是适用的。表4-1商户信用风险评价指标描述性统计Table4-1Descriptivestatisticsofmerchantcreditriskassessmentindicators变量类型变量均值中位数标准差J-B统计量P值LGD0.0
【参考文献】：
期刊论文
[1]基于平滑扩充原理的商业银行信用风险评级模型及实证[J]. 杜永强,石宝峰. 运筹与管理. 2019(06)
[2]违约损失率影响因素研究[J]. 侯甜甜,黄海波,汪翀. 区域金融研究. 2019(03)
[3]农户信贷违约特征影响因素研究[J]. 姚宇韬,王跃堂,张润驰. 现代经济探讨. 2018(11)
[4]信贷抑制类型识别及政策影响:千村调查证据[J]. 马文杰,徐晓萍. 金融研究. 2018(09)
[5]基于ELECTRE III的农户小额贷款信用评级模型[J]. 石宝峰,王静. 系统管理学报. 2018(05)
[6]中小商业银行信用风险防范研究——以山西省为例[J]. 马华忠,寇卫东. 河北金融. 2018(09)
[7]基于分位数回归模型的债务违约损失预测[J]. 吴建华,张颖,王新军. 证券市场导报. 2018(08)
[8]含关键特征的显著Co-location模式挖掘研究[J]. 方圆,王丽珍,周丽华. 数据采集与处理. 2018(04)
[9]基于随机森林算法的两阶段变量选择研究[J]. 冯盼峰,温永仙. 系统科学与数学. 2018(01)
[10]供应链金融模式下中小企业信用风险评价及其风险管理研究[J]. 范方志,苏国强,王晓彦. 中央财经大学学报. 2017(12)
博士论文
[1]基于违约损失率的小企业信用风险评级研究[D]. 赵志冲.大连理工大学 2017
硕士论文
[1]基于违约损失显著判别的兼业型农户信用评价研究[D]. 董丹阳.西北农林科技大学 2019
[2]基于随机森林两阶段逐步变量选择算法的研究及应用[D]. 冯盼峰.福建农林大学 2016
[3]基于模糊概念格的视频特征挖掘算法研究[D]. 冯向玲.西安电子科技大学 2012
[4]刑事犯罪特征数据挖掘的关键技术和系统设计[D]. 沈冬根.浙江大学 2008
本文编号：3083802
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
技术路线
西北农林科技大学硕士学位论文24由于随机森林的重要性排序功能的实现过程类似于一个黑箱，所以只能得到变量的重要性得分，结果如图3-1所示。图3-1商户信用评价指标随机森林重要性排序Fig.3-1Randomforestimportancescoreofmerchantcreditevaluationindex根据随机森林重要性排序功能得出的结果，本文基于选取的指标既是对商户贷款主体信用风险具有较大影响，又需要保持商户信用风险评价指标体系简洁性的双重目标，保留随机森林重要性得分大于0.02的指标用于构建商户信用风险评价指标体系。最终构建的指标体系如表3-3所示。表3-3商户信用风险评价指标体系Table3-3Merchantcreditriskevaluationindexsystem序号准则层指标名称重要性得分1商户基本信息X13从事行业0.06272X1学历0.02133X4年龄0.02494X52经营面积0.02735X51经营年限0.02266商户家庭情况X20贷款用途0.04337X19家庭支出0.03028X15成员人数0.02529偿债能力X41总资产0.026910X30流动比率0.039811X36月本行还贷比0.058612X34月他行还贷比0.024313盈利能力X53人均营收0.057914X40销售净利率0.052315X39平均营业收入0.02416X43月净收入0.023517X50经营费用0.0214
西北农林科技大学硕士学位论文29近年来，有学者的研究发现违约损失率的分布较为特殊，呈现出极度偏斜与双峰的特点(SteffenandDaniel，2017；JenniferBetzetal.，2018)。将本文采用的样本商户的违约损失率绘制成Q-Q图(如图4-1所示)，可以看出违约损失率的散点没有全部落在回归直线上，取对数后也是如此，因此认为其分布存在非正态、非对称和厚尾特征，并且样本值主要集中在0或1附近，表现为给银行造成严重损失和基本没有给银行造成损失这两个极端情况的商户数量占到多数，而违约损失率介于这之间的，表明给银行造成的损失程度存在差异，靠近0和靠近1的违约损失率给银行造成的损失明显不同。在这种情况下，侧重对解释变量均值进行解释的OLS回归会忽视大量信息，因此，本文采用分位数回归模型，在第三章遴选出的评价指标中，进一步挖掘指标的关键特征，深入分析商户违约损失率不同分位点上关键指标的影响差异。为更加直观和全面地的反映出违约损失率不同的贷款商户，其影响因素之间的差异及变化过程，选取0.1至0.9的9个分位点进行实证分析。图4-1商户小额贷款违约损失率(LGD)的分位数分布Fig.4-1Quantiledistributionofsmallloanlossgivendefault(LGD)ofmerchants观察表4-1，可以看出商户信用风险评价指标体系标准化后的指标数据分布明显非正态，例如，家庭支出这一指标标准化后的数据均值为0.8733，更接近于1，而销售净利率这一指标标准化后的数据均值为0.1635，更接近于0。全部指标的J-B统计量对应的P值均在1%的水平下显著，由此证明分位数回归对本文选取的样本数据是适用的。表4-1商户信用风险评价指标描述性统计Table4-1Descriptivestatisticsofmerchantcreditriskassessmentindicators变量类型变量均值中位数标准差J-B统计量P值LGD0.0
【参考文献】：
期刊论文
[1]基于平滑扩充原理的商业银行信用风险评级模型及实证[J]. 杜永强,石宝峰. 运筹与管理. 2019(06)
[2]违约损失率影响因素研究[J]. 侯甜甜,黄海波,汪翀. 区域金融研究. 2019(03)
[3]农户信贷违约特征影响因素研究[J]. 姚宇韬,王跃堂,张润驰. 现代经济探讨. 2018(11)
[4]信贷抑制类型识别及政策影响:千村调查证据[J]. 马文杰,徐晓萍. 金融研究. 2018(09)
[5]基于ELECTRE III的农户小额贷款信用评级模型[J]. 石宝峰,王静. 系统管理学报. 2018(05)
[6]中小商业银行信用风险防范研究——以山西省为例[J]. 马华忠,寇卫东. 河北金融. 2018(09)
[7]基于分位数回归模型的债务违约损失预测[J]. 吴建华,张颖,王新军. 证券市场导报. 2018(08)
[8]含关键特征的显著Co-location模式挖掘研究[J]. 方圆,王丽珍,周丽华. 数据采集与处理. 2018(04)
[9]基于随机森林算法的两阶段变量选择研究[J]. 冯盼峰,温永仙. 系统科学与数学. 2018(01)
[10]供应链金融模式下中小企业信用风险评价及其风险管理研究[J]. 范方志,苏国强,王晓彦. 中央财经大学学报. 2017(12)
博士论文
[1]基于违约损失率的小企业信用风险评级研究[D]. 赵志冲.大连理工大学 2017
硕士论文
[1]基于违约损失显著判别的兼业型农户信用评价研究[D]. 董丹阳.西北农林科技大学 2019
[2]基于随机森林两阶段逐步变量选择算法的研究及应用[D]. 冯盼峰.福建农林大学 2016
[3]基于模糊概念格的视频特征挖掘算法研究[D]. 冯向玲.西安电子科技大学 2012
[4]刑事犯罪特征数据挖掘的关键技术和系统设计[D]. 沈冬根.浙江大学 2008
本文编号：3083802
本文链接：https://www.wllwen.com/kejilunwen/yysx/3083802.html
