近年來(lái)我國(guó)國(guó)民經(jīng)濟(jì)增速變緩,受此沖擊我國(guó)銀行業(yè)信貸違約率持續(xù)攀升,商業(yè)銀行資產(chǎn)質(zhì)量和經(jīng)營(yíng)狀況持續(xù)下降,信用風(fēng)險(xiǎn)越來(lái)越大。本文開展信用風(fēng)險(xiǎn)研究,目的是提供關(guān)于金融機(jī)構(gòu)信用風(fēng)險(xiǎn)的宏觀經(jīng)濟(jì)驅(qū)動(dòng)因素的影響信息,進(jìn)而確定在面對(duì)潛在宏觀經(jīng)濟(jì)波動(dòng)時(shí),我國(guó)商業(yè)銀行的風(fēng)險(xiǎn)水平及抗風(fēng)險(xiǎn)能力,這對(duì)我國(guó)當(dāng)前金融系統(tǒng)的穩(wěn)定具有十分重要的現(xiàn)實(shí)意義。本文針對(duì)銀行業(yè)信用風(fēng)險(xiǎn)展開學(xué)術(shù)調(diào)研,綜述國(guó)內(nèi)外相關(guān)研究文獻(xiàn)并加以分析,綜合考慮現(xiàn)代化信用風(fēng)險(xiǎn)模型在我國(guó)的適用性,最后采用CPV信用風(fēng)險(xiǎn)模型展開對(duì)我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)的研究。在實(shí)證部分,選取最常用的不良貸款率作為信用風(fēng)險(xiǎn)指標(biāo),選取2008Q1-2017Q2共38個(gè)季度數(shù)據(jù)為信用風(fēng)險(xiǎn)預(yù)測(cè)模型的訓(xùn)練數(shù)據(jù)集,2017Q3-2018Q2共4個(gè)季度數(shù)據(jù)為預(yù)測(cè)測(cè)試數(shù)據(jù)集,選取國(guó)內(nèi)生產(chǎn)總值增長(zhǎng)率,居民消費(fèi)價(jià)格指數(shù)增長(zhǎng)率,廣義貨幣供應(yīng)量增長(zhǎng)率,進(jìn)出口總額增長(zhǎng)率,一般公共財(cái)政收入增長(zhǎng)率,固定資產(chǎn)投資價(jià)格指數(shù)增長(zhǎng)率,一年期貨款基準(zhǔn)利率,社會(huì)消費(fèi)品零售總額增長(zhǎng)率,商品房平均銷售價(jià)格指數(shù)增長(zhǎng)率,制造業(yè)采購(gòu)經(jīng)理人指數(shù)增長(zhǎng)率,中國(guó)綜合市場(chǎng)化指數(shù),上證綜合指數(shù)等12個(gè)宏觀經(jīng)濟(jì)變量作為自變量,構(gòu)建商業(yè)銀... 

【文章來(lái)源】：東北財(cái)經(jīng)大學(xué)遼寧省

【文章頁(yè)數(shù)】：65 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－１主要商業(yè)銀行不良貸款余額（ＮＰＬＭ）與不良貸款率（ＮＰＬ）??

市場(chǎng)化指數(shù)，所以本文需要補(bǔ)充２０１４年以后的綜合市場(chǎng)化指數(shù)數(shù)據(jù)，借鑒前人研究，??可以使用國(guó)有企業(yè)產(chǎn)值比重對(duì)我國(guó)綜合市場(chǎng)化指數(shù)進(jìn)行估計(jì)，因?yàn)橛形墨I(xiàn)表明國(guó)有企??業(yè)產(chǎn)值比重（ｓｔａｔｅ）和我國(guó)綜合市場(chǎng)化指數(shù)之間存在負(fù)相關(guān)，如圖３－１所示，我國(guó)綜合市??場(chǎng)化指數(shù)與國(guó)有企業(yè)產(chǎn)值比重走勢(shì)圖。??從圖３－１可以看出國(guó)有企業(yè)產(chǎn)值比重（ｓｔａｔｅ）和我國(guó)綜合市場(chǎng)化指數(shù)（ＮＥＲＩ）間存在??顯著的負(fù)相關(guān)關(guān)系。本文以２００８－２０１２年全國(guó)市場(chǎng)化總指數(shù)為因變量，國(guó)有企業(yè)產(chǎn)值比??重作為自變量，進(jìn)行簡(jiǎn)單估計(jì)，并預(yù)測(cè)２０１３－２０１４年的全國(guó)市場(chǎng)化總指數(shù)，得到的結(jié)果??與樊綱報(bào)告中結(jié)果十分接近，且擬合度良好，我們將２００８－２０１４年的全國(guó)市場(chǎng)化總指數(shù)??和我們使用估計(jì)方程得到的２０１５－２０１８年的市場(chǎng)化總指數(shù)相結(jié)合，得到了本文在實(shí)證研??宂中所需要的市場(chǎng)化指數(shù)。對(duì)市場(chǎng)化指數(shù)的預(yù)處理是對(duì)原始值取自然對(duì)數(shù)，這樣既保??證了數(shù)據(jù)性質(zhì)和相關(guān)性，又消弱了異方差問(wèn)題，更加有利于回歸模型的建立。市場(chǎng)化??指數(shù)對(duì)不同類型的商業(yè)銀行影響應(yīng)該是不同的，所以其對(duì)整體商業(yè)銀行不良貸款率的??影響比較

（－ｌ）、ＦＡＩ（－ｌ）、ＳＬＲ（－ｌ）、ｌｎＳＳＣＩ（－ｌ）、Ｙ（－ｌ），最終模型篩選出的各個(gè)自變量的Ｐ于０．０５，通過(guò)ｔ檢驗(yàn)。調(diào)整后的Ｒ－ｓｑｕａｒｅｄ為０．９７９８３５，說(shuō)明本文采用ＯＬＳ建立風(fēng)險(xiǎn)回歸模型可以解釋因變量９７．９８３５％的變動(dòng)。最后對(duì)模型進(jìn)行了?ＷＷｔｅ檢驗(yàn)，??檢驗(yàn)的伴隨概率Ｐｒｏｂ＝０．１１１０?＞?０．０５，所以不能拒絕原假設(shè)，即模型不存在異方差。??－２展示了回歸模型的殘差序列圖，殘差圖反映出模型擬合效果。??

【參考文獻(xiàn)】：
期刊論文
[1]經(jīng)濟(jì)新常態(tài)下我國(guó)商業(yè)銀行不良貸款的成因及對(duì)策[J]. 崔傅成,陶浩.  經(jīng)濟(jì)體制改革. 2018(04)
[2]中國(guó)進(jìn)出口貿(mào)易及其影響因素的結(jié)構(gòu)性變動(dòng)[J]. 蔡偉毅.  中國(guó)經(jīng)濟(jì)問(wèn)題. 2018(04)
[3]市場(chǎng)化與城商行不良貸款率[J]. 丁浩.  武漢金融. 2018(06)
[4]從2017年年報(bào)看農(nóng)商行經(jīng)營(yíng)發(fā)展[J]. 王繼康,朱民武.  銀行家. 2018(05)
[5]經(jīng)濟(jì)增長(zhǎng)與城商行不良貸款率的實(shí)證研究[J]. 應(yīng)海芬.  經(jīng)濟(jì)研究導(dǎo)刊. 2018(10)
[6]混合所有制與商業(yè)銀行信貸風(fēng)險(xiǎn)——基于16家上市銀行的實(shí)證分析[J]. 王浩博.  當(dāng)代經(jīng)濟(jì). 2018(03)
[7]我國(guó)股份制商業(yè)銀行風(fēng)險(xiǎn)控制研究——基于經(jīng)濟(jì)新常態(tài)背景[J]. 焦帥濤,王林萍.  科技和產(chǎn)業(yè). 2017(12)
[8]供給側(cè)改革下農(nóng)村商業(yè)銀行信貸風(fēng)險(xiǎn)控制研究[J]. 趙青青,劉春.  國(guó)際商務(wù)財(cái)會(huì). 2017(12)
[9]新常態(tài)下農(nóng)村商業(yè)銀行不良貸款防控對(duì)策[J]. 劉亞男.  經(jīng)營(yíng)與管理. 2017(11)
[10]CPI影響因素及傳導(dǎo)路徑分析[J]. 張興祿,錢金波.  合作經(jīng)濟(jì)與科技. 2017(19)

碩士論文
[1]基于Wilson模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)壓力測(cè)試實(shí)證研究[D]. 王琪.山東大學(xué) 2017
[2]Logistic回歸及其相關(guān)方法在個(gè)人信用評(píng)分中的應(yīng)用[D]. 張婷婷.太原理工大學(xué) 2017
[3]商業(yè)銀行不良貸款率影響因素研究[D]. 夏琦.山東大學(xué) 2017
[4]農(nóng)村商業(yè)銀行信用風(fēng)險(xiǎn)控制研究[D]. 周志強(qiáng).河北金融學(xué)院 2017
[5]我國(guó)商業(yè)銀行不良貸款影響因素研究[D]. 陳金媛.西北大學(xué) 2015
[6]基于偏最小二乘法改進(jìn)的CPV模型的我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)壓力測(cè)試研究[D]. 徐麟.復(fù)旦大學(xué) 2014



本文編號(hào)：3001111