我國商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警研究——基于Lasso模型
發(fā)布時(shí)間:2021-07-16 10:34
如何避免系統(tǒng)性金融風(fēng)險(xiǎn),維護(hù)金融穩(wěn)定,一直是我國金融監(jiān)管最為重視的問題之一。本文以我國上市商業(yè)銀行會計(jì)數(shù)據(jù)為基礎(chǔ),探索從商業(yè)銀行自身資本結(jié)構(gòu)、盈利能力、收益質(zhì)量、專項(xiàng)指標(biāo)四個維度建立Lasso模型,科學(xué)選擇評估指標(biāo)體系,構(gòu)建我國商業(yè)銀行信用風(fēng)險(xiǎn)評估模型,并與全變量回歸模型和逐步回歸模型進(jìn)行比較。實(shí)證分析發(fā)現(xiàn),相對于全變量回歸模型和逐步回歸模型,Lasso模型更能抓住商業(yè)銀行信用風(fēng)險(xiǎn)的關(guān)鍵因素,而且模型穩(wěn)健性和預(yù)測準(zhǔn)確率也更高。研究結(jié)論為商業(yè)銀行信用風(fēng)險(xiǎn)管理和防控提供了新的管理思路與實(shí)際指導(dǎo)作用。
【文章來源】:金融會計(jì). 2020,(09)
【文章頁數(shù)】:10 頁
【部分圖文】:
2012年至2017年我國不同類型商業(yè)銀行不良貸款率
為全面研究商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型,我們以商業(yè)銀行會計(jì)報(bào)表數(shù)據(jù)為基礎(chǔ),在充分研究現(xiàn)有文獻(xiàn)的基礎(chǔ)上,構(gòu)建資本結(jié)構(gòu)、盈利能力、收益質(zhì)量及銀行專項(xiàng)指標(biāo)四個維度的系統(tǒng)分析框架,如圖3所示。資本結(jié)構(gòu)維度包括資產(chǎn)負(fù)債率和權(quán)益乘數(shù)2個指標(biāo),主要用于衡量長期償債能力。
利用R軟件中的Glmnet程序包進(jìn)行Lasso模型分析。隨著調(diào)和參數(shù) 取值的變化,模型的壓縮程度也會變化,即不同的 值會影響選擇出不同的變量數(shù)目。圖4顯示隨著 值的變化,24個變量系數(shù)的變化。隨著 值變大,部分變量的系數(shù)趨向于0,模型中包含的自變量個數(shù)隨之減少。若選取較小的 值,模型包含的變量多,變量間容易受多重共線性的影響,使得模型復(fù)雜而且預(yù)測準(zhǔn)確度不高。若選取較大的 值,模型包含的變量少,可能忽略某些變量,使得預(yù)測準(zhǔn)確度受影響。我們通過廣義交叉驗(yàn)證來確定最佳的 值,廣義交叉驗(yàn)證結(jié)果如圖5所示。
【參考文獻(xiàn)】:
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)度量模型研究[J]. 曾嶸欣. 金融發(fā)展研究. 2018(06)
[2]基于LASSO方法的企業(yè)財(cái)務(wù)困境預(yù)測[J]. 楊青龍,田曉春,胡佩媛. 統(tǒng)計(jì)與決策. 2016(23)
[3]商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警運(yùn)行機(jī)制的研究——以某國有商業(yè)銀行為例[J]. 張曲. 金融經(jīng)濟(jì). 2016(04)
[4]基于LASSO和神經(jīng)網(wǎng)絡(luò)的量化交易智能系統(tǒng)構(gòu)建——以滬深300股指期貨為例[J]. 王宣承. 投資研究. 2014(09)
[5]基于Lasso-logistic模型的個人信用風(fēng)險(xiǎn)預(yù)警方法[J]. 方匡南,章貴軍,張惠穎. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2014(02)
[6]信用突變下商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型及應(yīng)用[J]. 顧海峰. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2013 (09)
[7]上市公司信用風(fēng)險(xiǎn)分析模型中的變量選擇[J]. 胡心瀚,葉五一,繆柏其. 數(shù)理統(tǒng)計(jì)與管理. 2012(06)
[8]基于LASSO變量選擇方法的投資組合及實(shí)證分析[J]. 劉睿智,杜溦. 經(jīng)濟(jì)問題. 2012(09)
[9]基于貝葉斯網(wǎng)絡(luò)的商業(yè)銀行全面風(fēng)險(xiǎn)預(yù)警系統(tǒng)[J]. 陸靜,王捷. 系統(tǒng)工程理論與實(shí)踐. 2012(02)
[10]商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型的實(shí)證研究[J]. 劉倩. 財(cái)經(jīng)理論與實(shí)踐. 2010(04)
博士論文
[1]我國商業(yè)銀行信用風(fēng)險(xiǎn)的識別與評價(jià)研究[D]. 皇甫秀顏.廈門大學(xué) 2006
本文編號:3286840
【文章來源】:金融會計(jì). 2020,(09)
【文章頁數(shù)】:10 頁
【部分圖文】:
2012年至2017年我國不同類型商業(yè)銀行不良貸款率
為全面研究商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型,我們以商業(yè)銀行會計(jì)報(bào)表數(shù)據(jù)為基礎(chǔ),在充分研究現(xiàn)有文獻(xiàn)的基礎(chǔ)上,構(gòu)建資本結(jié)構(gòu)、盈利能力、收益質(zhì)量及銀行專項(xiàng)指標(biāo)四個維度的系統(tǒng)分析框架,如圖3所示。資本結(jié)構(gòu)維度包括資產(chǎn)負(fù)債率和權(quán)益乘數(shù)2個指標(biāo),主要用于衡量長期償債能力。
利用R軟件中的Glmnet程序包進(jìn)行Lasso模型分析。隨著調(diào)和參數(shù) 取值的變化,模型的壓縮程度也會變化,即不同的 值會影響選擇出不同的變量數(shù)目。圖4顯示隨著 值的變化,24個變量系數(shù)的變化。隨著 值變大,部分變量的系數(shù)趨向于0,模型中包含的自變量個數(shù)隨之減少。若選取較小的 值,模型包含的變量多,變量間容易受多重共線性的影響,使得模型復(fù)雜而且預(yù)測準(zhǔn)確度不高。若選取較大的 值,模型包含的變量少,可能忽略某些變量,使得預(yù)測準(zhǔn)確度受影響。我們通過廣義交叉驗(yàn)證來確定最佳的 值,廣義交叉驗(yàn)證結(jié)果如圖5所示。
【參考文獻(xiàn)】:
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)度量模型研究[J]. 曾嶸欣. 金融發(fā)展研究. 2018(06)
[2]基于LASSO方法的企業(yè)財(cái)務(wù)困境預(yù)測[J]. 楊青龍,田曉春,胡佩媛. 統(tǒng)計(jì)與決策. 2016(23)
[3]商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警運(yùn)行機(jī)制的研究——以某國有商業(yè)銀行為例[J]. 張曲. 金融經(jīng)濟(jì). 2016(04)
[4]基于LASSO和神經(jīng)網(wǎng)絡(luò)的量化交易智能系統(tǒng)構(gòu)建——以滬深300股指期貨為例[J]. 王宣承. 投資研究. 2014(09)
[5]基于Lasso-logistic模型的個人信用風(fēng)險(xiǎn)預(yù)警方法[J]. 方匡南,章貴軍,張惠穎. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2014(02)
[6]信用突變下商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型及應(yīng)用[J]. 顧海峰. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2013 (09)
[7]上市公司信用風(fēng)險(xiǎn)分析模型中的變量選擇[J]. 胡心瀚,葉五一,繆柏其. 數(shù)理統(tǒng)計(jì)與管理. 2012(06)
[8]基于LASSO變量選擇方法的投資組合及實(shí)證分析[J]. 劉睿智,杜溦. 經(jīng)濟(jì)問題. 2012(09)
[9]基于貝葉斯網(wǎng)絡(luò)的商業(yè)銀行全面風(fēng)險(xiǎn)預(yù)警系統(tǒng)[J]. 陸靜,王捷. 系統(tǒng)工程理論與實(shí)踐. 2012(02)
[10]商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警模型的實(shí)證研究[J]. 劉倩. 財(cái)經(jīng)理論與實(shí)踐. 2010(04)
博士論文
[1]我國商業(yè)銀行信用風(fēng)險(xiǎn)的識別與評價(jià)研究[D]. 皇甫秀顏.廈門大學(xué) 2006
本文編號:3286840
本文鏈接:http://sikaile.net/jingjilunwen/guojijinrong/3286840.html
最近更新
教材專著