我国房地产上市公司信用风险评估研究
发布时间：2020-08-23 21:07
【摘要】：房地产行业是关系国计民生的支柱产业,十九大报告中指出“坚持房子是用来住的、不是用来炒的”,政府的一系列调控政策使房地产公司面临更大的竞争压力和资金需求。因此,房地产上市公司的信用状况成为投资者和金融中介机构非常关注的问题,也是房地产行业发展态势的晴雨表。基于此,提出研究问题:如何科学准确评估我国房地产上市公司的信用风险水平。本文运用了定性分析与定量分析相结合的方法,分析了房地产公司信用风险的主要来源,在此基础上设计具备房地产行业特性的评价指标体系。首先根据房地产企业的经营与财务特征选取了 9个财务指标并对其计算方法进行修正,其次将能够反映公司规模、治理结构等软实力的9个非财务指标也纳入评价指标体系。在实证分析中,选取沪深两市A股房地产公司为样本,主要以是否被证券交易所特别处理为依据,将样本划分为高信用风险组和低信用风险组,获取样本公司2016-2018年的相关数据并进行预处理,使用向前步进法建立了基于Logistic的信用风险评估模型并对其拟合优度进行检验,将通过筛选进入Logistic模型的5个指标作为输入层建立基于神经网络的信用评估模型。由于两个单一模型对高信用风险组公司的判别能力欠佳,运用组合评价法将Logistic模型生成的预测概率作为第6个解释变量输入神经网络模型,建立组合评估模型,该模型的总体评估准确率为99.1%,对高信用风险组的判别准确率为80%。为了进一步提高信用评估模型对高信用风险组公司的判别准确率,建立了基于SMOTE算法的随机森林模型,将两组公司的评估准确率提高到98%以上。最后运用比较分析法,对比分析了四种信用评估模型的特点、优势和精度。基于上述分析,得出如下研究结论:(1)与A股全部上市公司相比,近三年我国房地产上市公司的总体信用风险水平较高。其中,山东天业恒基股份有限公司的信用状况在2016-2018年急剧恶化。(2)现金净资产周转率、土地储备、资产债务保障倍数、前十大股东持股比例是影响我国房地产上市公司信用风险的重要因素。(3)基于Logistic和神经网络的组合评估模型和随机森林模型是适合我国房地产上市公司信用风险评估的有效方法。(4)将SMOTE算法应用于我国房地产上市公司信用风险评估,能够有效解决样本数据分布不均匀的问题。本文基于房地产行业特性,提升了评价指标体系的全面性、信用评估模型的准确性和稳健性,更为科学有效地分析了近三年我国房地产上市公司信用风险水平及其主要影响因素,也能为其他行业上市公司的信用风险研究提供思路。
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D64;F299.233.4
【图文】：
一方面可能是由于违约事件不会经常发生，属于小概率事件；另一方面可能是由逡逑于贷款的损失和收益相差较大。因此，信用风险不一定呈现正态分布，它往往出逡逑现一定程度的偏斜和左侧肥尾现象，如图２－１所示。逡逑１３逡逑
交通大学硕士专业学位论文逦相关理论及模型方虽然Ｌｏｇｉｓｔｉｃ回归模型对变量类型和数据分布的假设要求不严格，因而应用更广，但是也具有一定的缺陷，主要体现在计算过程比较复杂，而且在计算中需要多次采用近似处理从而对预测的精度产生影响。逡逑．２神经网络模型逡逑人工神经网络（ＡＮＮ）是一种模拟人脑判断思维的计算机建模方法，与人似，人工神经网络由相互连接的神经元，也称处理单元组成。神经元是一个到单输出的信息处理单元，而且它对信息的处理是非线性的。根据神经元和功能，可以把神经元抽象为一个简单的数学模型，典型的神经元模型如所示。依据层间连接方式，神经网络可分为前馈式神经网络和反馈式神经网网络的层数，神经网络可分为两层神经网络和三层神经网络。逡逑
图２－３结合违约概率的神经网络示意图逡逑Ｆｉｇｕｒｅ邋２－３邋Ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ邋ｃｏｍｂｉｎｅｄ邋ｗｉｔｈ邋ｄｅｆａｕｌｔ邋ｐｒｏｂａｂｉｌｉｔｙ逡逑对于图２－３中的神经网络，输入向量为／＾，＼七，．．．，１？＾，逡逑输出向量为｝其中，＼表示样本测度与各类之间的距离值，逡逑样本属于第ｊ类的可能性越小，则该值越大。因此，当％邋＝０时，样本归为第ｊ类；逡逑当＼＝１时，样本归为其他类。逦ｋ逡逑２．４．４随机森林丨e蛐湾义纤婊质且恢肿楹戏掷嗥魉惴ǎ怯扇舾桑茫粒遥跃霾呤鳎ɑ掷嗥鳎┳殄义铣傻模梢杂美唇饩龇掷辔侍夂突毓槲侍狻Ｆ渲校掷辔侍獾哪勘瓯淞渴抢肷⑿湾义系模毓槲侍獾哪勘瓯淞渴鞘敌偷摹Ｓ捎诒疚囊饩龅氖抢肷⑿湍勘瓯淞康腻义希保稿义
本文编号：2802023
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D64;F299.233.4
【图文】：
一方面可能是由于违约事件不会经常发生，属于小概率事件；另一方面可能是由逡逑于贷款的损失和收益相差较大。因此，信用风险不一定呈现正态分布，它往往出逡逑现一定程度的偏斜和左侧肥尾现象，如图２－１所示。逡逑１３逡逑
交通大学硕士专业学位论文逦相关理论及模型方虽然Ｌｏｇｉｓｔｉｃ回归模型对变量类型和数据分布的假设要求不严格，因而应用更广，但是也具有一定的缺陷，主要体现在计算过程比较复杂，而且在计算中需要多次采用近似处理从而对预测的精度产生影响。逡逑．２神经网络模型逡逑人工神经网络（ＡＮＮ）是一种模拟人脑判断思维的计算机建模方法，与人似，人工神经网络由相互连接的神经元，也称处理单元组成。神经元是一个到单输出的信息处理单元，而且它对信息的处理是非线性的。根据神经元和功能，可以把神经元抽象为一个简单的数学模型，典型的神经元模型如所示。依据层间连接方式，神经网络可分为前馈式神经网络和反馈式神经网网络的层数，神经网络可分为两层神经网络和三层神经网络。逡逑
图２－３结合违约概率的神经网络示意图逡逑Ｆｉｇｕｒｅ邋２－３邋Ｎｅｕｒａｌ邋ｎｅｔｗｏｒｋ邋ｃｏｍｂｉｎｅｄ邋ｗｉｔｈ邋ｄｅｆａｕｌｔ邋ｐｒｏｂａｂｉｌｉｔｙ逡逑对于图２－３中的神经网络，输入向量为／＾，＼七，．．．，１？＾，逡逑输出向量为｝其中，＼表示样本测度与各类之间的距离值，逡逑样本属于第ｊ类的可能性越小，则该值越大。因此，当％邋＝０时，样本归为第ｊ类；逡逑当＼＝１时，样本归为其他类。逦ｋ逡逑２．４．４随机森林丨e蛐湾义纤婊质且恢肿楹戏掷嗥魉惴ǎ怯扇舾桑茫粒遥跃霾呤鳎ɑ掷嗥鳎┳殄义铣傻模梢杂美唇饩龇掷辔侍夂突毓槲侍狻Ｆ渲校掷辔侍獾哪勘瓯淞渴抢肷⑿湾义系模毓槲侍獾哪勘瓯淞渴鞘敌偷摹Ｓ捎诒疚囊饩龅氖抢肷⑿湍勘瓯淞康腻义希保稿义
本文编号：2802023
本文链接：https://www.wllwen.com/sizhenglunwen/2802023.html
