信用評級問題是衡量債務(wù)人是否能夠按時還本付息,本質(zhì)是“違約狀態(tài)鑒別能力”,用于識別債務(wù)人的違約風(fēng)險。信用風(fēng)險衡量的準(zhǔn)確性對于整個社會經(jīng)濟(jì)影響至關(guān)重要,2008年的金融危機(jī)就是因為信用風(fēng)險管理失誤引起的。相反,好的信用風(fēng)險識別體系,則會幫助銀行減少大量損失。我國是農(nóng)業(yè)大國,但農(nóng)村地區(qū)金融市場的不健全嚴(yán)重制約著農(nóng)村經(jīng)濟(jì)發(fā)展。農(nóng)民一般為了生產(chǎn)又存在較大資金需求,但農(nóng)戶缺乏抵押物等特點導(dǎo)致了其貸款難問題。因此構(gòu)建一套合理的農(nóng)戶小額貸款信用評級體系成為解決農(nóng)戶貸款難問題的關(guān)鍵。本文以某全國性商業(yè)銀行涵蓋28個省份的農(nóng)戶小額貸款數(shù)據(jù)為樣本,以“違約狀態(tài)鑒別能力最大”為核心,以“信用評級指標(biāo)的遴選→增量式信用評分模型的構(gòu)建→信用等級的劃分”這一邏輯主線,對農(nóng)戶小額貸款的信用評級進(jìn)行三部分研究:一是信用評級的指標(biāo)遴選,考慮指標(biāo)之間相互影響后的整體違約鑒別力,而非單個指標(biāo)的違約鑒別力,根據(jù)違約狀態(tài)判別力最大為準(zhǔn)則構(gòu)建指標(biāo)體系。二是增量式信用評分方程的構(gòu)建,根據(jù)舊數(shù)據(jù)構(gòu)建初始信用評分方程之后,當(dāng)新增數(shù)據(jù)達(dá)到后,可以不再使用舊數(shù)據(jù),僅利用初始信用評分方程中的關(guān)鍵參數(shù)和新增數(shù)據(jù),更新信用評分方程。三是信用等級... 

【文章來源】：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

【文章頁數(shù)】：165 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．２技術(shù)路線??Ｆｉｇ．?１．２?Ｔｈｅ?ｔｅｃｈｎｉｃａｌ?ｌｉｎｅ??？?１６－??

ＲＯＣ圖中的４５度對角線表示違約狀態(tài)的判斷正確率等于非違約的判斷錯誤率，表??示沒有區(qū)分能力。當(dāng)將樣本判斷為違約的正確率遠(yuǎn)大于將樣本判斷為非違約的錯誤率、??即ＲＯＣ曲線在對角線之上如圖２．２所示時，表明對違約與否的區(qū)分效果較好。??Ｒ０Ｃ曲線以下的面積大小，如圖２．２陰影部分所示，記為ＡＵＣ（ａｒｅａ?ｕｎｄｅｒ?ｃｕｒｖｅ），??－３５－??

本文樣本數(shù)據(jù)來自于我國某全國性大型商業(yè)銀行總行的農(nóng)戶小額貸款的信貸系統(tǒng)??數(shù)據(jù)庫［１３７】，共有２０４４筆農(nóng)戶小額貸款數(shù)據(jù)。２０４４個樣本包括１８１６個非違約農(nóng)戶、２２８??個違約農(nóng)戶，違約比例為１１．１５％，具體樣本比例如圖２．５所示。??２０００?－?？數(shù)Ｓ?■比例??１５００?？??１０００?；??－ｎｎ?：?２２８??０?：??非違約?違約??圖２．５農(nóng)戶小額貸款樣本的違約比例??Ｆｉｇ．２．５?Ｔｈｅ?ｄｅｆａｕｌｔ?ｐｒｏｐｏｒｔｉｏｎ?ｏｆ?ｆａｒｍｅｒ＇ｓ?ｍｉｃｒｏｆｍａｎｃｅ?ｓａｍｐｌｅｓ??圖２．６中可知，本文貸款樣本涉及上海、浙江、江蘇、吉林、內(nèi)蒙、新疆等２８個城??市。其中江蘇、浙江、黑龍江地區(qū)的農(nóng)戶貸款樣本數(shù)占據(jù)前３。??表２．５中第１列可知，貸款樣本均是１年內(nèi)的短期貸款。全部貸款樣本的貸款期限，??最短的是２８天個月，最長是２７４天個月，多數(shù)是１２０天左右個月。??表２．５中第２列可知，全部貸款樣本的貸款年利率，最低的貸款利率是１２．３０％，最??－４１?－??

【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的加權(quán)特征選擇算法[J]. 徐少成,李東喜.  統(tǒng)計與決策. 2018(18)
[2]基于違約狀態(tài)判別的小企業(yè)債信評級[J]. 孟斌,遲國泰.  系統(tǒng)工程學(xué)報. 2018(04)
[3]AUCRF算法在信用風(fēng)險評價中的特征選擇研究[J]. 劉忻梅,唐俊,段翀.  計算機(jī)應(yīng)用與軟件. 2018(04)
[4]基于SVM的高維不平衡數(shù)據(jù)集分類算法[J]. 趙小強(qiáng),張露.  南京大學(xué)學(xué)報(自然科學(xué)). 2018(02)
[5]基于粒子群協(xié)同優(yōu)化算法的供應(yīng)鏈金融信用風(fēng)險評價模型[J]. 劉穎,張麗娟,韓亞男,龐麗艷,王帥.  吉林大學(xué)學(xué)報(理學(xué)版). 2018(01)
[6]基于信用差異度最大的信用等級劃分優(yōu)化方法[J]. 趙志沖,遲國泰,潘明道.  系統(tǒng)工程理論與實踐. 2017(10)
[7]農(nóng)戶小額貸款違約影響因素研究[J]. 張潤馳,杜亞斌,荊偉,孫明明.  西北農(nóng)林科技大學(xué)學(xué)報(社會科學(xué)版). 2017(03)
[8]基于改進(jìn)Adaboost的信用評價方法[J]. 蔣翠清,梁坤,丁勇,段銳.  運(yùn)籌與管理. 2017(02)
[9]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(xué)學(xué)報. 2016(06)
[10]信用評估中的特征選擇方法研究[J]. 熊志斌.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2016(01)

博士論文
[1]基于極端學(xué)習(xí)機(jī)的分類方法研究[D]. 張晶.大連理工大學(xué) 2016
[2]基于支持向量機(jī)的農(nóng)戶信用評價研究[D]. 程鑫.山西財經(jīng)大學(xué) 2015
[3]基于違約金字塔原理的小企業(yè)信用評級模型研究[D]. 石寶峰.大連理工大學(xué) 2014

碩士論文
[1]基于粒子群優(yōu)化算法的特征選擇方法研究[D]. 劉星.南京大學(xué) 2015
[2]基于增量支持向量機(jī)的商業(yè)銀行信貸決策動態(tài)建模研究[D]. 黃青華.浙江師范大學(xué) 2012



本文編號：3253288