近幾年來(lái),我國(guó)的資本市場(chǎng)在不斷地發(fā)展壯大,上市公司有著非常重要的經(jīng)濟(jì)地位,其資產(chǎn)規(guī)模也隨之?dāng)U大。但是,在上市公司的經(jīng)濟(jì)發(fā)展日益增強(qiáng)的同時(shí),也有較多難題亟待解決,其中企業(yè)運(yùn)營(yíng)虧損可能導(dǎo)致的信用風(fēng)險(xiǎn)問(wèn)題暴露的缺陷已經(jīng)非常明顯�；趯�(duì)信用風(fēng)險(xiǎn)度量的各種技術(shù)和歷史研究的回顧,本文重點(diǎn)研究Logistic模型,Logistic模型具有簡(jiǎn)單快速觀測(cè)數(shù)據(jù)的特點(diǎn),因此在信用風(fēng)險(xiǎn)度量領(lǐng)域取得了廣泛的應(yīng)用。引用該模型用于度量和預(yù)測(cè)企業(yè)的財(cái)務(wù)虧損風(fēng)險(xiǎn),模型結(jié)果可與企業(yè)信用風(fēng)險(xiǎn)指標(biāo)相關(guān)聯(lián),數(shù)據(jù)結(jié)果對(duì)比也可用于驗(yàn)證模型。因此,本文構(gòu)建了一類信用風(fēng)險(xiǎn)度量的體系,選擇了大量的樣本數(shù)據(jù)作為數(shù)據(jù)基礎(chǔ),通過(guò)不同的變量處理方法與Logistic模型的結(jié)合進(jìn)行三次模擬實(shí)驗(yàn),達(dá)到使擬合進(jìn)入模型的變量能夠最大程度地反映指標(biāo)特征的目的,從而提高預(yù)測(cè)精度。實(shí)證部分的研究對(duì)象是2017年我國(guó)上海證券交易所和深圳證券交易所的上市公司,其是否ST的狀態(tài)是已知的,從中選取43家被ST標(biāo)記的公司作為信用違約樣本,以及430家未被ST標(biāo)記的公司作為非違約樣本,符合1:10的樣本配比比例。將樣本一分為二,一部分作為訓(xùn)練集用來(lái)擬合模型,另一部分作為... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：46 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景及研究意義
    1.2 文獻(xiàn)綜述
        1.2.1 信用風(fēng)險(xiǎn)度量研究方法綜述
        1.2.2 Logistic回歸模型的應(yīng)用綜述
    1.3 研究?jī)?nèi)容
2 信用風(fēng)險(xiǎn)簡(jiǎn)介
    2.1 信用風(fēng)險(xiǎn)的定義
    2.2 信用風(fēng)險(xiǎn)的影響
3 構(gòu)建一類信用風(fēng)險(xiǎn)度量體系
    3.1 模型變量的處理方法
        3.1.1 主成分分析法
        3.1.2 改進(jìn)處理方法
        3.1.3 逐步回歸分析法
    3.2 Logistic回歸模型
    3.3 構(gòu)建三種信用風(fēng)險(xiǎn)度量模型
        3.3.1 PCA-LR模型
        3.3.2 改進(jìn)PCA-LR模型
        3.3.3 step-LR模型
    3.4 模型評(píng)估
        3.4.1 混淆矩陣
        3.4.2 ROC曲線
4 實(shí)證分析
    4.1 樣本介紹
    4.2 指標(biāo)選取
    4.3 構(gòu)建PCA-LR模型及模型評(píng)估
    4.4 構(gòu)建改進(jìn)PCA-LR模型及模型評(píng)估
    4.5 構(gòu)建step-LR模型及模型評(píng)估
    4.6 模型預(yù)測(cè)結(jié)果對(duì)比
5 總結(jié)和建議
參考文獻(xiàn)
附錄A 三種模型部分程序
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于商業(yè)銀行貸款風(fēng)險(xiǎn)度量的Credit Risk+模型[J]. 卞樂(lè)樂(lè),侯為波.  淮北師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(03)
[2]基于Credit Risk+模型的互聯(lián)網(wǎng)金融信用風(fēng)險(xiǎn)估計(jì)[J]. 李琦,曹國(guó)華.  統(tǒng)計(jì)與決策. 2015(19)
[3]上市公司信用風(fēng)險(xiǎn)預(yù)警的實(shí)證分析——基于KMV模型[J]. 許雙雙.  時(shí)代金融. 2015(24)
[4]非預(yù)期損失與極端損失視角下的貸款保險(xiǎn)定價(jià)方法[J]. 胡斌,史本山.  保險(xiǎn)研究. 2015(07)
[5]基于Logistic模型的小微企業(yè)信用風(fēng)險(xiǎn)度量研究[J]. 曹明生.  時(shí)代金融. 2015(08)
[6]基于Logistic回歸模型的上市公司財(cái)務(wù)報(bào)告舞弊識(shí)別研究[J]. 洪文洲,王旭霞,馮海旗.  中國(guó)管理科學(xué). 2014(S1)
[7]基于KMV模型的中國(guó)短期融資券信用風(fēng)險(xiǎn)評(píng)級(jí)研究[J]. 張寶,岳宗營(yíng).  證券市場(chǎng)導(dǎo)報(bào). 2011(03)
[8]上市公司財(cái)務(wù)危機(jī)預(yù)測(cè)模型比較研究[J]. 胡錦明,呂峻.  審計(jì)與經(jīng)濟(jì)研究. 2009(02)
[9]企業(yè)經(jīng)營(yíng)管理預(yù)警:主成分分析在logistic回歸方法中的應(yīng)用[J]. 梁琪.  管理工程學(xué)報(bào). 2005(01)
[10]貸款信用保險(xiǎn)定價(jià)研究[J]. 唐吉平,陳浩.  金融研究. 2004(10)

碩士論文
[1]基于AHP-Logistic模型的信用卡客戶信用評(píng)分系統(tǒng)設(shè)計(jì)與應(yīng)用研究[D]. 趙鑫.青島大學(xué) 2018



本文編號(hào)：2963071