債券損失率預(yù)測,即通過建立指標向量與債券損失率之間的函數(shù)關(guān)系,基于現(xiàn)有的歷史數(shù)據(jù)對債券未來違約損失率進行提前預(yù)測,這對債券投資決策具有重要的參考意義。本研究第一章是緒論,第二章是損失率多階段預(yù)測模型的原理,第三章是模型的構(gòu)建,第四章是中國企業(yè)債券的實證研究,第五章是結(jié)論。本研究的重點:一是分類算法的優(yōu)選,分類算法不同,對債券所屬類型的判別結(jié)果不同,最終導致對損失率的預(yù)測精度也不同。二是違約風險評價標準的選擇,標準的不同,對風險的度量角度不同。三是預(yù)測能力,模型的預(yù)測能力不同,對投資者用處也不同。本研究的創(chuàng)新與特色:一是以企業(yè)債券損失率的預(yù)測值和實際值的誤差最小為目標,選擇最佳的分類算法。二是通過直接預(yù)測債券的損失率,可以在已知債券本金的情況下,直接確定違約損失,避免了現(xiàn)有研究通過預(yù)期損失率=違約概率*違約損失率,需要同時預(yù)測違約概率和違約損失率所帶來的雙重預(yù)測誤差。三是利用t-k（k=1,2,…,5）期的指標數(shù)據(jù)和t期的損失率建立模型,構(gòu)建了預(yù)測期限長達5期的違約風險預(yù)測模型,改變了現(xiàn)有研究預(yù)測能力不足的問題。四是,研究表明,我們建立的“決策樹+最小二乘回歸”多階段模型的預(yù)測精度,不但... 

【文章來源】：大連理工大學遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：55 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及意義
        1.1.1 選題的背景
        1.1.2 選題的意義
    1.2 國內(nèi)外現(xiàn)有研究綜述
        1.2.1 分類模型的研究
        1.2.2 違約損失率模型的研究
    1.3 研究內(nèi)容與框架
2 損失率多階段預(yù)測模型的原理
    2.1 損失率的定義及計算
        2.1.1 損失率的定義
        2.1.2 損失率與預(yù)期違約損失率的關(guān)系
        2.1.3 以損失率為度量標準的原因
    2.2 最優(yōu)指標組合遴選的原理
    2.3 多階段方法的原理
    2.4 分類算法優(yōu)選的原理
        2.4.1 邏輯回歸分類模型的原理
        2.4.2 決策樹分類模型的原理
        2.4.3 隨機森林分類模型的原理
        2.4.4 支持向量機分類模型的原理
    2.5 模型預(yù)測能力確定的原理
    2.6 本研究所涉及的模型評價標準
        2.6.1 判別模型的評價標準
        2.6.2 回歸模型的評價標準
3 損失率多階段預(yù)測模型的構(gòu)建
    3.1 “邏輯回歸+最小二乘回歸”的多階段模型
        3.1.1 違約概率模型的建立
        3.1.2 違約債券發(fā)生損失的概率模型的建立
        3.1.3 發(fā)生損失的違約債券損失率為1 的概率模型的建立
        3.1.4 位于(0,1)范圍內(nèi)的債券損失率模型的建立
        3.1.5 債券損失率表達式
    3.2 不同分類算法下的多階段模型
4 中國債券數(shù)據(jù)的實證研究
    4.1 樣本的選取
        4.1.1 樣本來源
        4.1.2 時間序列樣本集的構(gòu)建
        4.1.3 債券樣本類型的細分
        4.1.4 樣本的使用
    4.2 債券損失率多階段預(yù)測模型的構(gòu)建
        4.2.1 “邏輯回歸+最小二乘回歸”多階段預(yù)測模型
        4.2.2 “決策樹+最小二乘回歸”多階段預(yù)測模型
        4.2.3 “隨機森林+最小二乘回歸”多階段預(yù)測模型
        4.2.4 “支持向量機+最小二乘回歸”多階段預(yù)測模型
    4.3 不同分類算法的對比分析和優(yōu)選
    4.4 優(yōu)選后的指標體系
    4.5 與單階段模型的對比分析
    4.6 中國債券行業(yè)信用特征的分析
5 結(jié)論
    5.1 主要結(jié)論
    5.2 主要特色
    5.3 主要創(chuàng)新
參考文獻
攻讀碩士學位期間發(fā)表學術(shù)論文情況
致謝


【參考文獻】：
期刊論文
[1]基于非均衡模糊近似支持向量機的P2P網(wǎng)貸借款人信用風險評估及應(yīng)用[J]. 張衛(wèi)國,盧媛媛,劉勇軍.  系統(tǒng)工程理論與實踐. 2018(10)
[2]商業(yè)銀行信用風險評估模型研究——基于線上供應(yīng)鏈金融的實證[J]. 戴昕琦.  軟科學. 2018(05)
[3]基于Fisher判別的小型工業(yè)企業(yè)債信評級模型及實證[J]. 潘明道,周穎,遲國泰,孟斌.  管理評論. 2018(03)
[4]基于風險環(huán)境的企業(yè)多層交叉信用評分模型與應(yīng)用[J]. 龐素琳,何毅舟,汪壽陽,蔣海.  管理科學學報. 2017(10)
[5]小微企業(yè)信用風險評估的IDGSO-BP集成模型構(gòu)建研究[J]. 胡賢德,曹蓉,李敬明,阮素梅,方賢.  運籌與管理. 2017(04)
[6]基于Probit回歸的小企業(yè)債信評級模型及實證[J]. 遲國泰,張亞京,石寶峰.  管理科學學報. 2016(06)
[7]一個基于小樣本的銀行信用風險評級模型的設(shè)計及應(yīng)用[J]. 遲國泰,潘明道,齊菲.  數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究. 2014(06)
[8]信用風險中回收率分布的雙Beta模型[J]. 王國棟,詹原瑞.  中國管理科學. 2011(06)
[9]回歸分析與課堂評價模型中指標的選擇[J]. �；莘�.  數(shù)學的實踐與認識. 2008(18)
[10]處理異方差問題時的三個R2[J]. 張衛(wèi)東,雷敏.  統(tǒng)計與決策. 2007(18)



本文編號：3358159