自上世紀(jì)六十年代以來,有關(guān)違約概率的計算與評估始終是業(yè)界專家和學(xué)者的研究熱點,許多優(yōu)秀的研究成果也如雨后春筍般不斷出現(xiàn)。但許多在國外應(yīng)用廣泛的模型在我國卻缺乏必要的實施環(huán)境和硬件基礎(chǔ)。針對這一情況,筆者在研究國內(nèi)外專家學(xué)者的優(yōu)秀成果后,對信用風(fēng)險違約概率模型研究現(xiàn)狀和應(yīng)用情況進行了總結(jié)梳理,并基于Logistic和Cox模型的理論基礎(chǔ)結(jié)合國內(nèi)上市公司的真實數(shù)據(jù)進行建模和實證分析,為我國上市公司提供營運建議,為商業(yè)銀行規(guī)避風(fēng)險、調(diào)整授信策略提供參考。本文結(jié)合課題背景及研究意義較為詳細(xì)地梳理了國內(nèi)外關(guān)于違約概率模型的研究現(xiàn)狀,分析了各種模型的基本理論和應(yīng)用情況,并結(jié)合實踐可行性和模型適用性選擇Logistic模型與Cox模型進行進一步的研究。在實證分析方面首先設(shè)置觀測期為2015至2016年,將滬深兩市的223家上市公司的財務(wù)數(shù)據(jù)分為建模組和測試組后對建模組數(shù)據(jù)進行變量篩選,分別建立Logistic模型和Cox模型,采用統(tǒng)一的違約分界點進行判別分析,繪制ROC曲線和K-S曲線進行模型能力比較,得出在建模組數(shù)據(jù)下Cox模型在識別違約公司和非違約公司方面都更勝一籌的結(jié)論;之后將測試組的數(shù)據(jù)用于... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２．１?ＲＯＣ曲線??

?山東大學(xué)碩士學(xué)位論文???Ｋ－Ｓ曲線［３１］與ＲＯＣ曲線具有相似的效果，可以通過衡量不同累計分布之間的??最大距離來檢驗?zāi)Ｐ偷膮^(qū)分能力，但不同點在于圖像由兩條曲線構(gòu)成。步驟如下：??（１）將模型計算出的違約概率按照由最高到最低的順序排列；按照排序后??１０％、２０％?９０％對應(yīng)的分位數(shù)作為分界點，計算ＴＰＲ和ＦＰＲ；??（２）以上一步中的分界點作為曲線的橫軸，ＴＰＲ和ＦＰＲ均作為曲線的縱軸，??將全部坐標(biāo)繪制于坐標(biāo)軸與直線ｆｌ、ｘ＝ｌ圍成的平面中，得到兩條曲線，記Ｋ－Ｓ??值為真陽性率減去偽陽性率的最大值ｍａｘ｛ＴＰＲ－ＦＰＲ｝。圖２．２展示了一個Ｋ－Ｓ曲線??的實例。??ＬＯ?－?＿＿?ｐｐＲ?／￣７??——＾?７ＰＲ?／?／??０．８?－?￣Ｚ??０６??°－４－?／１??０．０?－??０．０?０．２?０．４?０．６?０：８?Ｌ０??圖２．２Ｋ－Ｓ曲線??如圖２．２所示，圖中示例的Ｋ－Ｓ值為０．４，代表模型效果一般。前文提到了?ＡＵＣ??值的優(yōu)勢，而Ｋ－Ｓ值不僅有上述能力，而且可以評判模型區(qū)分度的優(yōu)劣性。Ｋ－Ｓ??值取值在０到１之間，一般大于０．４則模型基本可以接受，大于０．６則可以確定模??型判別違約能力很好，若Ｋ－Ｓ值小于０．２則不建議采用。具體標(biāo)準(zhǔn)見下表：??表２．４?Ｋ－Ｓ值判斷標(biāo)準(zhǔn)??Ｋ－Ｓ值?模型分類效果??０．６－１?效果很好??０．４？０．６?可以接受??０．２？０．４?效果一般??＜０．２?不建議采用??１３??

山東大學(xué)碩士學(xué)位論文??２．?３．?３?ＣＡＰ曲線和ＡＲ指標(biāo)??ＣＡＰ曲線［３２１是另一種用于可視化評估模型識別力的方法，它描述了整個樣本??公司的累計違約概率情況，而不僅僅描述違約樣本的違約概率，也被稱作累計精??度曲線或累積準(zhǔn)確率曲線。繪制ＣＡＰ曲線通常可以遵循以下步驟：??（１）按照模型評分從風(fēng)險最高到風(fēng)險最低的順序?qū)颖竟具M行排序，對于任??意給定的樣本比例；ｃ，計算該部分樣本公司的最低違約概率；??（２）計算在該比例下實際違約樣本的占比記為Ｍｘ），實際違約樣本的違約概率??大于或等于上一步中得到的最低違約概率。以從，和７＼＾分別表示實際違約樣本和??全部違約樣本的個數(shù)，則??（３）以樣本公司累計百分比為橫軸，實際違約公司累計百分比為縱軸繪制ＣＡＰ??曲線。??圖２．３是一個ＣＡＰ曲線的示例。??ＣＡＰ曲線??Ｉ，｜??ｒ?，?ｚ??Ｓ?／?ｚ??５．?Ｚ??隨機曲線??ｚ，’?—理想曲線??。ｚ’?＿待驗證曲線??０?１０?２Ｄ?Ｘ?？?ａ）?＜０??累計百分比??圖２．３?ＣＡＰ曲線??如圖２．３所示，待驗證曲線是模型實際曲線，最佳曲線對應(yīng)完全信息模型，隨??機曲線即參考線。其中最佳曲線一開始呈線性增長，且斜率為違約率的倒數(shù)，之??后維持在１。??ＡＲ值也稱基尼比率。以圖２．３為示例，以４．代表待驗證曲線上限和參考線之??間的面積，以?＜?代表完全信息模型上限和待驗證曲線上限間的面積，貝ＩＪ：??ＡＲ?＝?Ａｒ／Ａｐ＝（２ｆ〇ｙ（ｘ）ｄｘ－ｌ）／ｌ－ｆ，?（２．１０）??１４??

【參考文獻】：
期刊論文
[1]巴塞爾協(xié)議Ⅲ與我國商業(yè)銀行的風(fēng)險防范[J]. 羅勇.  海洋與漁業(yè). 2019(11)
[2]基于刪失數(shù)據(jù)的COX回歸分析[J]. 苗新利,吳瑩,楊新平.  統(tǒng)計與管理. 2018(10)
[3]Newton-Raphson算法Logistic分類器性能提升應(yīng)用研究[J]. 葉曉波,秦海菲.  軟件導(dǎo)刊. 2017(11)
[4]商業(yè)銀行信用風(fēng)險管理國內(nèi)外研究述評[J]. 閆丹丹.  綠色科技. 2014(08)
[5]在美國上市中國公司信息披露分析[J]. 陳怡.  現(xiàn)代商業(yè). 2012(26)
[6]基于行業(yè)特性的多元系統(tǒng)風(fēng)險因子CreditRisk+模型[J]. 彭建剛,呂志華.  中國管理科學(xué). 2009(03)
[7]我國小企業(yè)信用評分系統(tǒng)開發(fā)策略研究[J]. 吳滿琳,程茂洲.  華北金融. 2009(01)
[8]我國部分上市公司兩種財務(wù)危機預(yù)警模型的比較研究[J]. 上官鳴,馬邵利,陳小超.  陜西科技大學(xué)學(xué)報(自然科學(xué)版). 2008(02)
[9]基于生存分析模型的企業(yè)財務(wù)困境預(yù)測[J]. 陸志明,何建敏,姜麗莉.  統(tǒng)計與決策. 2007(21)
[10]生存分析SAS和SPSS實現(xiàn)的比較[J]. 趙景義,任曉衛(wèi),張建軍,余紅梅.  中國衛(wèi)生統(tǒng)計. 2007(03)

博士論文
[1]美國商業(yè)銀行信貸風(fēng)險管理研究[D]. 王權(quán).吉林大學(xué) 2014

碩士論文
[1]基于生存分析的上市公司財務(wù)風(fēng)險預(yù)警研究[D]. 趙遠.云南財經(jīng)大學(xué) 2011
[2]基于Cox比例風(fēng)險模型的上市公司財務(wù)預(yù)警研究[D]. 何文.湖南大學(xué) 2010
[3]中國ST企業(yè)的生存分析[D]. 李文娟.廈門大學(xué) 2008
[4]基于因子分析的商業(yè)銀行中小企業(yè)貸款信用評價研究[D]. 仲姚.上海海事大學(xué) 2007



本文編號：3523206