大规模不均衡担保网络风险传播预测的方法研究
发布时间：2021-04-16 19:26
生产经营和消费是带动国民经济发展的重要驱动因素,在主要经济体国家都占到国内生产总值的三分之二以上。中小企业贷款作为生产经营和消费活动的重要组成部分,在技术创新、推动经济增长、改善民生和增加就业等方面有重要的作用。然而,现有的商业银行信贷审核和评价体系很难满足中小企业的融资需求,大多数信贷评估标准是为大型企业设计的。为了满足银行的这些信贷评估标准,很多中小企业选择互相提供贷款担保以获得银行授信。当越来越多的企业参与进来时,它们就形成了结构复杂的担保网络。这对国民经济来说是一把双刃剑。一方面,这些担保贷款有助于企业在经济增长时期迅速筹集资金,促进发展。另一方面,虽然复杂的网络可以在经济低迷时期减缓违约风险,但也会导致系统性违约发生并大规模传播。目前针对中小企业信贷风险的研究仍然停留在对企业个体的评估方面,缺乏针对整个担保网络的风险评估和违约预警。因此,本文提出了针对担保信贷的风险评估预测方法,探索解释了担保网络中企业风险违约的主要影响特征,提出了针对复杂担保网络的低维特征表示方法,进而设计了信贷风险预测和传播模型,最后开发了担保网络风险可视分析系统。本文的贡献和创新点主要体现在以下几个方面...
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
–1一个典型的担保网络图例,其中每个节点代表一家企业
第五章信贷担保网络可视分析系统上海交通大学博士学位论文2.T2：风险担保模式发掘。虽然已经有一些已知的担保模式可能导致违约风险较高，但是仍然可能存在更复杂的其他模式是风险违约的高发模型。识别新的高违约模式有助于银行业专家挑选并解决主要的风险根源，因此开发此类风险识别可视工具可以有效地协助对网络的深入分析。3.T3：网络生长和回溯的可视分析。与其他许多网络一样，担保网络中的企业也存在着生长和回溯的现象。了解网络动态生长过程有助于金融专家理解企业是如何在时间上联系在一起的。4.T4：风险社区分析。在大规模违约即将发生时，如果能够提前预测违约扩散路径，监控违约扩散状况，将非常有助于政府和银行采取预防措施防范和化解风险，避免出现区域性或系统性金融风险。针对风险社区的可视分析是这里面很重要的一环，能够对可能发生大规模违约的高风险社区进行重点监控。在接下来的小节中，我们将主要依次详细介绍每个任务的过程。5.2.1违约预测和可视化图5–3企业违约风险可视分析界面，我们使用热力图来对每个月中的违约概率进行可视展现。Figure5–3Theinterfaceofvisualanalyticsforenterprisedefaultrisk.Weuseaheatmaptocodetherollingpredictionrisksoveramonth.根据信贷贷款数据统计和分析结果显示，担保网络的规模以及其对应的违约率在近几年中都呈现出明显的上升趋势，其中网络的结构和其违约的概率具有很强的相关性。—88—
第五章信贷担保网络可视分析系统上海交通大学博士学位论文图5–6高违约率社区检测可视界面：（a）原始的由随机游走生成的30个社区；（b）通过交互式编辑后生成的10个典型社区。Figure5–6Defaultsoccurinclustersandweinteractivelyedittheclusters.(a)30communitiesgeneratedbyarandomwalksalgorithm;(b)10communitiesafterinteractiveediting.Theratiosfordefaultingfirmsarelabeledseparatelyontheleft-handsidetreemaps.—92—
【参考文献】：
期刊论文
[1]巴塞尔协议对商业银行风险监管的影响[J]. 李茜. 合作经济与科技. 2017(05)
[2]数据驱动型信用风险管理[J]. 李子玉. 中国金融. 2017(02)
[3]担保网络传染效应的实证研究[J]. 刘海明,王哲伟,曹廷求. 管理世界. 2016(04)
[4]信用担保网络的负面效应:传导机制与制度诱因[J]. 曹廷求,刘海明. 金融研究. 2016(01)
[5]我国商业银行信贷风险管理研究[J]. 卞伟力. 新经济. 2016(02)
[6]企业担保圈风险监测与预警研究[J]. 陈隆,徐明昌,张宏炬,俞建荣. 金融监管研究. 2015(04)
[7]担保网络如何影响信贷市场——来自中国的证据[J]. 王永钦,米晋宏,袁志刚,周群力. 金融研究. 2014(10)
[8]“柠檬市场”效应与担保圈风险[J]. 中国人民银行淄博市中心支行课题组,刘洁,刘博,孟文杰,刘丹华,岳亮. 金融发展研究. 2013(12)
[9]长三角钢贸信贷危机的若干问题研究[J]. 杜宽旗,杨毓,蒙肖莲. 生产力研究. 2013(11)
[10]融资性担保机构风险浅析[J]. 田雪琼. 金融纵横. 2012(06)
博士论文
[1]商业银行信贷风险分析与管理研究[D]. 赵春秀.天津大学 2008
硕士论文
[1]信贷担保网络的风险管理研究[D]. 顾文祥.南京理工大学 2015
本文编号：3142031
【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校
【文章页数】：142 页
【学位级别】：博士
【部分图文】：
–1一个典型的担保网络图例,其中每个节点代表一家企业
第五章信贷担保网络可视分析系统上海交通大学博士学位论文2.T2：风险担保模式发掘。虽然已经有一些已知的担保模式可能导致违约风险较高，但是仍然可能存在更复杂的其他模式是风险违约的高发模型。识别新的高违约模式有助于银行业专家挑选并解决主要的风险根源，因此开发此类风险识别可视工具可以有效地协助对网络的深入分析。3.T3：网络生长和回溯的可视分析。与其他许多网络一样，担保网络中的企业也存在着生长和回溯的现象。了解网络动态生长过程有助于金融专家理解企业是如何在时间上联系在一起的。4.T4：风险社区分析。在大规模违约即将发生时，如果能够提前预测违约扩散路径，监控违约扩散状况，将非常有助于政府和银行采取预防措施防范和化解风险，避免出现区域性或系统性金融风险。针对风险社区的可视分析是这里面很重要的一环，能够对可能发生大规模违约的高风险社区进行重点监控。在接下来的小节中，我们将主要依次详细介绍每个任务的过程。5.2.1违约预测和可视化图5–3企业违约风险可视分析界面，我们使用热力图来对每个月中的违约概率进行可视展现。Figure5–3Theinterfaceofvisualanalyticsforenterprisedefaultrisk.Weuseaheatmaptocodetherollingpredictionrisksoveramonth.根据信贷贷款数据统计和分析结果显示，担保网络的规模以及其对应的违约率在近几年中都呈现出明显的上升趋势，其中网络的结构和其违约的概率具有很强的相关性。—88—
第五章信贷担保网络可视分析系统上海交通大学博士学位论文图5–6高违约率社区检测可视界面：（a）原始的由随机游走生成的30个社区；（b）通过交互式编辑后生成的10个典型社区。Figure5–6Defaultsoccurinclustersandweinteractivelyedittheclusters.(a)30communitiesgeneratedbyarandomwalksalgorithm;(b)10communitiesafterinteractiveediting.Theratiosfordefaultingfirmsarelabeledseparatelyontheleft-handsidetreemaps.—92—
【参考文献】：
期刊论文
[1]巴塞尔协议对商业银行风险监管的影响[J]. 李茜. 合作经济与科技. 2017(05)
[2]数据驱动型信用风险管理[J]. 李子玉. 中国金融. 2017(02)
[3]担保网络传染效应的实证研究[J]. 刘海明,王哲伟,曹廷求. 管理世界. 2016(04)
[4]信用担保网络的负面效应:传导机制与制度诱因[J]. 曹廷求,刘海明. 金融研究. 2016(01)
[5]我国商业银行信贷风险管理研究[J]. 卞伟力. 新经济. 2016(02)
[6]企业担保圈风险监测与预警研究[J]. 陈隆,徐明昌,张宏炬,俞建荣. 金融监管研究. 2015(04)
[7]担保网络如何影响信贷市场——来自中国的证据[J]. 王永钦,米晋宏,袁志刚,周群力. 金融研究. 2014(10)
[8]“柠檬市场”效应与担保圈风险[J]. 中国人民银行淄博市中心支行课题组,刘洁,刘博,孟文杰,刘丹华,岳亮. 金融发展研究. 2013(12)
[9]长三角钢贸信贷危机的若干问题研究[J]. 杜宽旗,杨毓,蒙肖莲. 生产力研究. 2013(11)
[10]融资性担保机构风险浅析[J]. 田雪琼. 金融纵横. 2012(06)
博士论文
[1]商业银行信贷风险分析与管理研究[D]. 赵春秀.天津大学 2008
硕士论文
[1]信贷担保网络的风险管理研究[D]. 顾文祥.南京理工大学 2015
本文编号：3142031
本文链接：https://www.wllwen.com/shoufeilunwen/jjglbs/3142031.html
