本文選題：利率市場(chǎng)化　切入點(diǎn)：商業(yè)銀行　出處：《南京大學(xué)》2014年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著利率市場(chǎng)化的深入,商業(yè)銀行面臨的客戶信用風(fēng)險(xiǎn)變得越來越難以管理和控制,此時(shí),構(gòu)建精準(zhǔn)的信用風(fēng)險(xiǎn)評(píng)估模型來評(píng)估信貸客戶的信用風(fēng)險(xiǎn),對(duì)我國商業(yè)銀行來說就顯得尤為重要。本文在總結(jié)國內(nèi)外關(guān)于商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型文獻(xiàn)的前提下,分析了已有評(píng)估模型的特點(diǎn),結(jié)合我國實(shí)際,選擇支持向量機(jī)作為本文的理論模型。首先,運(yùn)用向量自回歸模型和脈沖響應(yīng)函數(shù),探索我國2003年-2013年各季度實(shí)際貸款利率與商業(yè)銀行不良貸款率之間的動(dòng)態(tài)關(guān)系,驗(yàn)證了實(shí)際貸款利率與商業(yè)銀行不良貸款率成正向關(guān)系,從而說明在利率市場(chǎng)化下商業(yè)銀行建立信用風(fēng)險(xiǎn)評(píng)估模型是必要的和緊迫的；然后,以我國上市公司的財(cái)務(wù)指標(biāo)作為銀行信貸客戶樣本,選取訓(xùn)練樣本和測(cè)試樣本,先對(duì)20個(gè)指標(biāo)采用主成分分析進(jìn)行降維,再運(yùn)用支持向量機(jī)模型進(jìn)行信用風(fēng)險(xiǎn)評(píng)估,從銀行客戶財(cái)務(wù)角度識(shí)別銀行客戶信用質(zhì)量,評(píng)估正確率達(dá)到94.4%,說明支持向量應(yīng)用在信用評(píng)估領(lǐng)域是有效和精準(zhǔn)的。本文建立的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型旨在尋求一種有效的信用評(píng)估識(shí)別方法,使其分類識(shí)別方式能為信貸業(yè)務(wù)部門提供客觀有力的量化支持,幫助我國商業(yè)銀行乃至其他金融機(jī)構(gòu)很好的開展公司信用風(fēng)險(xiǎn)評(píng)估體系建設(shè)工作、提高信貸業(yè)務(wù)的風(fēng)險(xiǎn)管理水平、降低不良資產(chǎn)流失,為更好做強(qiáng)信貸事業(yè)及小微金融提供支持。
[Abstract]:With the deepening of interest rate marketization, the customer credit risk faced by commercial banks becomes more and more difficult to manage and control. At this time, the accurate credit risk assessment model is constructed to evaluate the credit risk of credit customers. It is very important for the commercial banks of our country. On the premise of summarizing the domestic and foreign literatures on the credit risk assessment models of commercial banks, this paper analyzes the characteristics of the existing models and combines the reality of our country. The support vector machine (SVM) is chosen as the theoretical model of this paper. Firstly, using the vector autoregressive model and the impulse response function, the dynamic relationship between the actual loan interest rate and the non-performing loan rate of commercial banks in each quarter from 2003 to 2013 is explored. The positive relationship between the actual loan interest rate and the non-performing loan rate of commercial banks is verified, which shows that it is necessary and urgent for commercial banks to establish a credit risk assessment model under the marketization of interest rates. Taking the financial index of Chinese listed companies as the sample of bank credit customer, the training sample and test sample are selected. The principal component analysis (PCA) is used to reduce the dimension of 20 indexes, and then the support vector machine (SVM) model is used to evaluate the credit risk. Identify the credit quality of bank customers from the point of view of bank customer finance, The accuracy of evaluation is 94. 4, which shows that the application of support vector is effective and accurate in the field of credit evaluation. So that the classification and identification method can provide objective and quantitative support for credit business departments, and help our commercial banks and even other financial institutions to carry out the construction of corporate credit risk assessment system. Improve the risk management level of credit business, reduce the loss of non-performing assets, and provide support for better credit and micro-finance.
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：F832.4;F832.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 歐彥芳;;淺談加強(qiáng)長沙銀行信用風(fēng)險(xiǎn)評(píng)估建設(shè)[J];中外企業(yè)家;2009年18期

2 丁欣;國外信用風(fēng)險(xiǎn)評(píng)估方法的發(fā)展現(xiàn)狀[J];湖南大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2002年S1期

3 曹明;張錦云;;集團(tuán)信用風(fēng)險(xiǎn)評(píng)估的行業(yè)分析[J];中國鄉(xiāng)鎮(zhèn)企業(yè);2006年04期

4 韓巍巍;;利刃在手,欺詐難行——企業(yè)信用風(fēng)險(xiǎn)評(píng)估迫在眉睫[J];市場(chǎng)研究;2011年06期

5 蘇誠;;基于Logistic回歸模型的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[J];中國城市經(jīng)濟(jì);2011年12期

6 華德志;;基于兩類信用風(fēng)險(xiǎn)評(píng)估方法的比較及啟示[J];時(shí)代金融;2011年17期

7 李菲雅;鄧翔;;等距特征映射的支持向量機(jī)模型在上市公司信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[J];河北大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2013年01期

8 王春峰,李汶華;小樣本數(shù)據(jù)信用風(fēng)險(xiǎn)評(píng)估研究[J];管理科學(xué)學(xué)報(bào);2001年01期

9 于立勇;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估預(yù)測(cè)模型研究[J];管理科學(xué)學(xué)報(bào);2003年05期

10 周綺鳳,劉閩,林成德;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中“拒真納偽”兩類錯(cuò)誤的平衡控制研究[J];廈門大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年03期

相關(guān)會(huì)議論文 前4條

1 周綺鳳;林成德;;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中多分類方法的比較[A];第二十四屆中國控制會(huì)議論文集（下冊(cè)）[C];2005年

2 劉睿;周宗放;;云理論在企業(yè)集團(tuán)信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[A];“中國視角的風(fēng)險(xiǎn)分析和危機(jī)反應(yīng)”——中國災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)第四屆年會(huì)論文集[C];2010年

3 鄧宇翔;魯煒;黃敏;;運(yùn)用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行企業(yè)信用風(fēng)險(xiǎn)評(píng)估[A];2003年中國管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2003年

4 陳林;周宗放;肖珉;;企業(yè)集團(tuán)信用風(fēng)險(xiǎn)評(píng)估研究綜述[A];第五屆（2010）中國管理學(xué)年會(huì)——管理科學(xué)與工程分會(huì)場(chǎng)論文集[C];2010年

相關(guān)重要報(bào)紙文章 前7條

1 記者 衛(wèi)容之;中國信用風(fēng)險(xiǎn)評(píng)估仍高居“A類”[N];國際金融報(bào);2003年

2 記者　陳小三;日本信用風(fēng)險(xiǎn)評(píng)估工具登陸中國[N];國際商報(bào);2006年

3 海 燕;AMS信用風(fēng)險(xiǎn)評(píng)估引入中國[N];中國商報(bào);2006年

4 程汲;地區(qū)信用風(fēng)險(xiǎn)評(píng)估應(yīng)該推行[N];金融時(shí)報(bào);2004年

5 李良;緊縮政策下債券買點(diǎn)漸現(xiàn)[N];中國證券報(bào);2008年

6 證券時(shí)報(bào)記者　 徐濤;今年保險(xiǎn)資金投資需求超過6000億[N];證券時(shí)報(bào);2006年

7 本報(bào)駐比利時(shí)記者 張亮;美三大評(píng)級(jí)機(jī)構(gòu)惹惱歐盟[N];人民日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前4條

1 郭英見;基于信息融合的國有商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究[D];哈爾濱工業(yè)大學(xué);2010年

2 趙靜嫻;基于決策樹的信用風(fēng)險(xiǎn)評(píng)估方法研究[D];天津大學(xué);2009年

3 肖珉;我國企業(yè)集團(tuán)上市公司財(cái)務(wù)預(yù)警與信用風(fēng)險(xiǎn)評(píng)估研究[D];電子科技大學(xué);2012年

4 羅圣雅;臺(tái)灣上市柜公司信用風(fēng)險(xiǎn)評(píng)估[D];蘇州大學(xué);2011年

，

本文編號(hào)：1627964