集成支持向量機在民營信用債中的應用
發(fā)布時間：2021-08-08 02:25
民營企業(yè)作為我國特色社會主義市場經濟的重要組成部分,為經濟發(fā)展做出了不可磨滅的貢獻,但同時民營企業(yè)往往因自身信用資質不足而不受到資金方信賴。自2016年四季度起,我國宏觀經濟市場先后經歷了“金融去杠桿”、“金融穩(wěn)杠桿,布局經濟去杠桿”以及“經濟去杠桿”這三個階段。201 8年初至今的政府嚴監(jiān)管加上金融嚴監(jiān)管對企業(yè)融資和經營造成了相當程度的影響,部分民營企業(yè)在先前寬松政策環(huán)境下通過發(fā)行債券大量舉債盲目擴張,寄希望未來可通過自身財務彈性或再融資償還債務。但隨著目前監(jiān)管政策趨嚴,企業(yè)資金周轉面臨困難導致債券難以置換或者續(xù)期,從而引發(fā)債券市場大面積“違約潮”的發(fā)生。在風險評估領域,傳統(tǒng)定量分析主要依靠個人主觀判斷,通常導致結果不夠準確。但隨著相關模型理論的發(fā)展,逐漸將相關因素進行量化分析,提出了線性判別、Logistics回歸模型以及KMV模型,再到后來基于大數據的統(tǒng)計學習模型。上世紀九十年代,Vapnic在統(tǒng)計學習理論基礎上提出支持向量機模型,該模型不僅具有小樣本學習能力,并且善于解決非線性、高維度、過擬合等傳統(tǒng)難題。集成學習通過一定算法訓練產生若干個具有差異性的子學習器,通過特定方式進行合...
【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：59 頁
【學位級別】：碩士
【部分圖文】：
圖１－１近年來債券違約數量及違約規(guī)模??
圖２．１?２０１５年－２０１７年我國債券市場發(fā)行情況??債券發(fā)行種類來看，金融債券發(fā)行規(guī)模占比超過半數，達到２５．８１??萬億。金融債發(fā)行主體多為商業(yè)銀行及政策性銀行，其中政策性銀行??包括進出口銀行、國開銀、業(yè)展銀。業(yè)銀行金包??
?２０１７?年??＊發(fā)行期數（期）ｋ發(fā)行規(guī)模（億元）??圖２．１?２０１５年－２０１７年我國債券市場發(fā)行情況??債券發(fā)行種類來看，金融債券發(fā)行規(guī)模占比超過半數，達到２５．８１??萬億。金融債發(fā)行主體多為商業(yè)銀行及政策性銀行，其中政策性銀行??包括進出口銀行、國家開發(fā)銀行、農業(yè)發(fā)展銀行。商業(yè)銀行金融債包??括金融債及二級資本債，目的多為補充銀行核心及二級資本以應對監(jiān)??管部門考核。其次規(guī)模較大為政府債券以及信用債券，發(fā)行規(guī)模分別??為８３，５１３億元及５６，３５２億元。??金融債與政府債券由于發(fā)行主體信用級別高可保證其安全性。債??券違約主要集中于非金融企業(yè)所發(fā)行的信用債券，信用債券根據交易??場所可分為銀行間市場流通的短期融資券（包括超短期融資券）、中期??票據以及定向融資工具，交易所市場流通的公司債券、資產支持證券??９??
【參考文獻】：
期刊論文
[1]基于BP神經網絡與支持向量機的股票指數預測模型比較[J]. 彭望蜀. 南方金融. 2013(01)
[2]基于SVM的我國商業(yè)銀行風險預警研究[J]. 陳朝暉,胡玉芳. 武漢理工大學學報(信息與管理工程版). 2012(04)
[3]基于MF-Logistic模型的銀行信用風險壓力測試[J]. 李關政. 金融理論與實踐. 2012(01)
[4]財務困境預測中的變量篩選——基于平均影響值的SVM方法[J]. 盧永艷,王維國. 系統(tǒng)工程. 2011(08)
[5]基于PSO-BP神經網絡的企業(yè)信用風險評估模型研究[J]. 董槐林,郭陽,鄭宇輝. 計算機與現(xiàn)代化. 2009(04)
[6]商業(yè)銀行信用風險模型的比較及其借鑒[J]. 曹道勝,何明升. 金融研究. 2006(10)
[7]基于BP神經網絡的制造業(yè)上市公司財務預警[J]. 張根明,向曉驥,孫敬宜. 山東工商學院學報. 2006(04)
[8]賣空、保證金與最優(yōu)投資組合[J]. 王永巧,汪壽陽. 數量經濟技術經濟研究. 2006(03)
[9]用遺傳神經網絡模型預測公司財務困境[J]. 姚宏善,沈軼. 華中師范大學學報(自然科學版). 2005(02)
[10]基于Bagging的選擇性聚類集成[J]. 唐偉,周志華. 軟件學報. 2005(04)
博士論文
[1]經濟周期中我國民營企業(yè)融資問題研究[D]. 韓春明.首都經濟貿易大學 2014
[2]我國中小企業(yè)信貸約束問題研究[D]. 潘鵬杰.哈爾濱工程大學 2012
[3]集成學習中有關算法的研究[D]. 張春霞.西安交通大學 2010
碩士論文
[1]行業(yè)視角下公司債券違約風險度量研究[D]. 楊東梅.中國科學技術大學 2017
[2]基于SVM的銀行間同業(yè)拆借利率預測方法研究[D]. 曹文松.湖南大學 2010
[3]基于SVM的商業(yè)銀行信用風險模型研究[D]. 王艾婷.天津大學 2009
[4]基于支持向量機的上市公司財務危機預警研究[D]. 宋姣.哈爾濱工業(yè)大學 2007
[5]基于模糊積分集成支持向量機的商業(yè)銀行信用風險評價模型研究[D]. 周振華.哈爾濱工業(yè)大學 2006
本文編號：3329022
【文章來源】：山東大學山東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數】：59 頁
【學位級別】：碩士
【部分圖文】：
圖１－１近年來債券違約數量及違約規(guī)模??
圖２．１?２０１５年－２０１７年我國債券市場發(fā)行情況??債券發(fā)行種類來看，金融債券發(fā)行規(guī)模占比超過半數，達到２５．８１??萬億。金融債發(fā)行主體多為商業(yè)銀行及政策性銀行，其中政策性銀行??包括進出口銀行、國開銀、業(yè)展銀。業(yè)銀行金包??
?２０１７?年??＊發(fā)行期數（期）ｋ發(fā)行規(guī)模（億元）??圖２．１?２０１５年－２０１７年我國債券市場發(fā)行情況??債券發(fā)行種類來看，金融債券發(fā)行規(guī)模占比超過半數，達到２５．８１??萬億。金融債發(fā)行主體多為商業(yè)銀行及政策性銀行，其中政策性銀行??包括進出口銀行、國家開發(fā)銀行、農業(yè)發(fā)展銀行。商業(yè)銀行金融債包??括金融債及二級資本債，目的多為補充銀行核心及二級資本以應對監(jiān)??管部門考核。其次規(guī)模較大為政府債券以及信用債券，發(fā)行規(guī)模分別??為８３，５１３億元及５６，３５２億元。??金融債與政府債券由于發(fā)行主體信用級別高可保證其安全性。債??券違約主要集中于非金融企業(yè)所發(fā)行的信用債券，信用債券根據交易??場所可分為銀行間市場流通的短期融資券（包括超短期融資券）、中期??票據以及定向融資工具，交易所市場流通的公司債券、資產支持證券??９??
【參考文獻】：
期刊論文
[1]基于BP神經網絡與支持向量機的股票指數預測模型比較[J]. 彭望蜀. 南方金融. 2013(01)
[2]基于SVM的我國商業(yè)銀行風險預警研究[J]. 陳朝暉,胡玉芳. 武漢理工大學學報(信息與管理工程版). 2012(04)
[3]基于MF-Logistic模型的銀行信用風險壓力測試[J]. 李關政. 金融理論與實踐. 2012(01)
[4]財務困境預測中的變量篩選——基于平均影響值的SVM方法[J]. 盧永艷,王維國. 系統(tǒng)工程. 2011(08)
[5]基于PSO-BP神經網絡的企業(yè)信用風險評估模型研究[J]. 董槐林,郭陽,鄭宇輝. 計算機與現(xiàn)代化. 2009(04)
[6]商業(yè)銀行信用風險模型的比較及其借鑒[J]. 曹道勝,何明升. 金融研究. 2006(10)
[7]基于BP神經網絡的制造業(yè)上市公司財務預警[J]. 張根明,向曉驥,孫敬宜. 山東工商學院學報. 2006(04)
[8]賣空、保證金與最優(yōu)投資組合[J]. 王永巧,汪壽陽. 數量經濟技術經濟研究. 2006(03)
[9]用遺傳神經網絡模型預測公司財務困境[J]. 姚宏善,沈軼. 華中師范大學學報(自然科學版). 2005(02)
[10]基于Bagging的選擇性聚類集成[J]. 唐偉,周志華. 軟件學報. 2005(04)
博士論文
[1]經濟周期中我國民營企業(yè)融資問題研究[D]. 韓春明.首都經濟貿易大學 2014
[2]我國中小企業(yè)信貸約束問題研究[D]. 潘鵬杰.哈爾濱工程大學 2012
[3]集成學習中有關算法的研究[D]. 張春霞.西安交通大學 2010
碩士論文
[1]行業(yè)視角下公司債券違約風險度量研究[D]. 楊東梅.中國科學技術大學 2017
[2]基于SVM的銀行間同業(yè)拆借利率預測方法研究[D]. 曹文松.湖南大學 2010
[3]基于SVM的商業(yè)銀行信用風險模型研究[D]. 王艾婷.天津大學 2009
[4]基于支持向量機的上市公司財務危機預警研究[D]. 宋姣.哈爾濱工業(yè)大學 2007
[5]基于模糊積分集成支持向量機的商業(yè)銀行信用風險評價模型研究[D]. 周振華.哈爾濱工業(yè)大學 2006
本文編號：3329022
本文鏈接：http://sikaile.net/jingjilunwen/jinrongzhengquanlunwen/3329022.html
教材專著
