【摘要】：現(xiàn)階段我國宏觀經(jīng)濟(jì)處于經(jīng)濟(jì)下行、實(shí)體部門內(nèi)生增長動力不足時(shí)期,實(shí)體企業(yè)經(jīng)營面臨困境,商業(yè)銀行的貸款違約風(fēng)險(xiǎn)大大增加。貸款違約風(fēng)險(xiǎn)是商業(yè)銀行面臨的最主要的一種風(fēng)險(xiǎn),不僅與商業(yè)銀行自身的安全與效率息息相關(guān),還會影響到金融與經(jīng)濟(jì)的穩(wěn)定發(fā)展。企業(yè)可通過借貸獲得投資資金,個(gè)人也可通過借貸獲得更多消費(fèi)。隨著金融創(chuàng)新和個(gè)人消費(fèi)觀念的改變,以信用卡業(yè)務(wù)為首的個(gè)人信貸業(yè)務(wù)發(fā)展迅速,隨之而起的個(gè)人信用風(fēng)險(xiǎn)在商業(yè)銀行的風(fēng)險(xiǎn)管理中也有了舉足輕重的地位。研究影響貸款違約風(fēng)險(xiǎn)因素,對商業(yè)銀行防控違約風(fēng)險(xiǎn),維持穩(wěn)定的貸款盈利水平,保證其穩(wěn)健運(yùn)營有著深刻的現(xiàn)實(shí)意義。本文以貸款逾期天數(shù)為因變量,研究影響用戶違約的風(fēng)險(xiǎn)因素以及逾期時(shí)長的因素。貸款逾期天數(shù)存在顯著的零膨脹現(xiàn)象,如何考慮大量0包含的信息是處理該類數(shù)據(jù)的核心所在。兩部模型能很好地處理這類數(shù)據(jù),模型的第一部分用于判斷用戶是否違約,第二部分分析逾期天數(shù)的長短。本文在此模型下,從變量選擇角度研究了貸款違約的影響因素篩選,將懲罰變量選擇方法Lasso與兩部模型相結(jié)合,建立LASSO-TPM模型,解決了降維問題的同時(shí)實(shí)現(xiàn)了兩部模型的參數(shù)估計(jì),并對比主成分兩部模型PCA-TPM以及不考慮零膨脹特征的多元線性模型。實(shí)證分析表明,政策因素利率,經(jīng)濟(jì)因素本月利息收入、已繳期數(shù),人口信息因素性別、婚姻狀態(tài)、地區(qū)對貸款違約存在顯著影響。兩部模型不僅具有更好的擬合效果,還有更好的預(yù)測效果。忽略零膨脹特征的一般線性在擬合度和精度上都與兩部模型相差甚遠(yuǎn);懲罰兩部模型(LASSO-TPM)比主成分兩部模型(PCA-TPM)更顯優(yōu)勢,不僅在降維效果上更為的簡潔直觀,模型的穩(wěn)健性也要更優(yōu)。
【圖文】：

圖３．邋１懲罰兩部模型建立求解流程圖逡逑

４．１數(shù)據(jù)說明逡逑本文收集了臺灣某商業(yè)銀行信用卡貸款數(shù)據(jù)２萬余條，含逾期天數(shù)在內(nèi)的標(biāo)變量超過４０個(gè)。通過數(shù)據(jù)清洗，包括對缺失值、異常值處理等，最終得到效樣本數(shù)１２２３個(gè)，初步選擇的解釋變量２５個(gè)。逡逑（１）因變量特性分析。在１２２３個(gè)樣本中，因變量逾期天數(shù)值為０的樣本數(shù)為６９個(gè)，所占比例達(dá)到了５６．８３％，顯示出典型的零膨脹性，如圖４．１左圖所示。為據(jù)具有更好的穩(wěn)定性，一般需進(jìn)行數(shù)據(jù)變換使之滿足正態(tài)分布，常用變換有對變換，ｂｏｘ－ｃｏｘ變換以及開方變換等，這里本文基于開方變換對逾期天數(shù)作接來的分析。經(jīng)變換的因變量直方圖以及正態(tài)Ｑ－Ｑ圖分別見圖４．１右圖及圖４．２，方后因變量呈現(xiàn)出一定的正態(tài)性，因此可以采用Ｌｏｇｉｔ邋－邋Ｌｉｎｅａｒ兩部模型來分析。逡逑對于大于０的因變量觀測值即逾期貸款部分，表４．１給出了樣本中各筆貸款的逾等級情況，可以看到在逾期貸款中關(guān)注類貸款較多（Ｍｌ，，邋Ｍ２，邋Ｍ３），這類款往往容易通過找到逾期原因及時(shí)進(jìn)行催還挽回商業(yè)銀行的損失，而對于次級可疑貸款可能需商業(yè)銀行進(jìn)行多方面的催還與款項(xiàng)追蹤。逡逑
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：F832.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹t

本文編號：2672707