【摘要】：近年來(lái),隨著經(jīng)濟(jì)增速的放緩和經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的深化,銀行的不良貸款余額和不良貸款率指標(biāo)持續(xù)上升,對(duì)中國(guó)銀行業(yè)的信用風(fēng)險(xiǎn)管理提出了更高要求。受宏觀經(jīng)濟(jì)狀況和行業(yè)景氣程度等因素的影響,貸款公司之間的違約相關(guān)性增大。此外,部分公司處于產(chǎn)業(yè)鏈上下游,存在交叉持股等現(xiàn)象,一旦有公司發(fā)生違約,關(guān)聯(lián)公司也勢(shì)必會(huì)受到牽連。而當(dāng)前銀行的信用風(fēng)險(xiǎn)管理水平相對(duì)落后,很難捕捉公司間的信用風(fēng)險(xiǎn)傳染效應(yīng)。本文主要內(nèi)容安排如下:首先,對(duì)國(guó)內(nèi)外關(guān)于信用風(fēng)險(xiǎn)度量和信用風(fēng)險(xiǎn)傳染效應(yīng)的研究進(jìn)行回顧和梳理,并對(duì)主流的信用風(fēng)險(xiǎn)評(píng)價(jià)模型作了詳細(xì)的介紹和比較,確定KMV模型是最符合我國(guó)實(shí)情的信用風(fēng)險(xiǎn)度量模型。其次,在KMV模型的各參數(shù)中引入時(shí)間維度,建立動(dòng)態(tài)的KMV模型,并進(jìn)行實(shí)證分析。選取19個(gè)行業(yè)中2014年被ST的30家公司和配對(duì)的30家非ST公司作為樣本,并對(duì)實(shí)證結(jié)果進(jìn)行參數(shù)和非參數(shù)假設(shè)檢驗(yàn)。檢驗(yàn)結(jié)果表明,本文所建立的動(dòng)態(tài)KMV模型能夠有效辨別ST公司和非ST公司的信用風(fēng)險(xiǎn)差異,此外,相比于理論預(yù)期違約率,違約距離是更加合理的信用風(fēng)險(xiǎn)度量指標(biāo)。最后,將數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法引入到信用風(fēng)險(xiǎn)傳染效應(yīng)研究領(lǐng)域以克服傳統(tǒng)信用風(fēng)險(xiǎn)模型的局限性。具體而言,通過(guò)結(jié)合元規(guī)則理論和時(shí)間窗口技術(shù),對(duì)Apriori算法進(jìn)行擴(kuò)展,建立時(shí)序關(guān)聯(lián)規(guī)則算法,并對(duì)公司日違約距離間的聯(lián)動(dòng)規(guī)則進(jìn)行挖掘。實(shí)證結(jié)果產(chǎn)生了15條強(qiáng)關(guān)聯(lián)規(guī)則,在對(duì)每條關(guān)聯(lián)規(guī)則進(jìn)行論證后表明,時(shí)序關(guān)聯(lián)規(guī)則算法得到的強(qiáng)關(guān)聯(lián)規(guī)則基本與客觀事實(shí)相符,能夠有效挖掘出貸款公司間的關(guān)聯(lián)關(guān)系。本文的主要貢獻(xiàn)及創(chuàng)新之處有如下幾點(diǎn),第一,本文對(duì)原KMV模型進(jìn)行改進(jìn),在KMV模型的各參數(shù)中引入時(shí)間維度,建立動(dòng)態(tài)的KMV模型。第二,運(yùn)用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法檢測(cè)貸款公司間的信用風(fēng)險(xiǎn)傳染效應(yīng)。在Apriori算法基礎(chǔ)上,結(jié)合元規(guī)則理論和時(shí)間窗口技術(shù),對(duì)Apriori算法進(jìn)行擴(kuò)展,建立了時(shí)序關(guān)聯(lián)規(guī)則算法�？傮w而言,本文基于商業(yè)銀行實(shí)時(shí)捕捉公司信用風(fēng)險(xiǎn)狀況和預(yù)測(cè)公司間信用風(fēng)險(xiǎn)傳染效應(yīng)的考慮,將銀行的信用風(fēng)險(xiǎn)度量和傳染效應(yīng)的檢測(cè)納入到一個(gè)動(dòng)態(tài)化的框架下。所構(gòu)建的動(dòng)態(tài)KMV模型能夠有效度量貸款公司的信用風(fēng)險(xiǎn),所建立的時(shí)序關(guān)聯(lián)規(guī)則算法能夠顯著識(shí)別并預(yù)測(cè)貸款公司間的信用風(fēng)險(xiǎn)傳染狀況,進(jìn)而可幫助商業(yè)銀行及時(shí)的調(diào)整信用風(fēng)險(xiǎn)管理策略,合理控制貸款規(guī)模,有效的規(guī)避風(fēng)險(xiǎn)。
【學(xué)位授予單位】：浙江財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F832.33;F224

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐海鵬;;基于關(guān)聯(lián)規(guī)則的股票預(yù)測(cè)方法研究[J];計(jì)算機(jī)與數(shù)字工程;2010年03期

2 閆海峰;華雯君;;基于KMV模型的中國(guó)上市公司信用風(fēng)險(xiǎn)研究[J];產(chǎn)業(yè)經(jīng)濟(jì)研究;2009年03期

3 汪燕青;樂(lè)燕波;;時(shí)態(tài)關(guān)聯(lián)規(guī)則在股市走勢(shì)分析中的應(yīng)用研究[J];商場(chǎng)現(xiàn)代化;2009年06期

4 覃麗萍;白玫;王海軍;賈兆立;;關(guān)聯(lián)規(guī)則及其在石油期貨價(jià)格預(yù)測(cè)中的應(yīng)用研究[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2009年01期

5 謝邦昌;朱世武;李璇;董春;;我國(guó)上市公司信用風(fēng)險(xiǎn)度量模型的選擇[J];經(jīng)濟(jì)學(xué)動(dòng)態(tài);2008年05期

6 汪文淵;謝瀟衡;何幼樺;;CreditMetrics模型中轉(zhuǎn)移概率和風(fēng)險(xiǎn)價(jià)值的計(jì)算[J];上海大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

7 汪赫瑜;王偉;;股票間關(guān)聯(lián)規(guī)則的挖掘算法[J];中國(guó)科技信息;2008年05期

8 李磊寧;張凱;;KMV模型的修正及在我國(guó)上市公司信用風(fēng)險(xiǎn)度量中的應(yīng)用[J];首都經(jīng)濟(jì)貿(mào)易大學(xué)學(xué)報(bào);2007年04期

9 張娟;王慧鋒;;股票時(shí)間序列模型的關(guān)聯(lián)規(guī)則挖掘[J];天津理工大學(xué)學(xué)報(bào);2006年02期

10 張玲,楊貞柿,陳收;KMV模型在上市公司信用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用研究[J];系統(tǒng)工程;2004年11期

本文編號(hào)：2801724