民营企业信用评级研究

论文摘要

本文首先厘清信用、我国民营企业发展状况以及信用评级指标一般性原则等问题,为构建模型提供基础条件。在此基础上,选取适用的指标体系,将LOGISTIC回归模型、多元自适应回归样条模型和径向基函数网络模型三种方法引入我国民营企业信用评级领域,利用新数据进行检验、比较,得出阶段性结论。进一步,根据上述三种方法的检验结论,选取最能有效确定自变量贡献度的方法,结合神经网络方法拟合精度高的优势,构建了两阶段混合神经网络模型I;考虑到稳健性要求,再将单一多元自适应回归样条模型的输出结果作为神经网络的输入单元,构建了两阶段混合神经网络模型II,并用同样的数据对混合模型I、II进行检验、比较。最后,对比上述五种模型的检验结果,得出我国民营企业信用评级模型的最优选择是混合神经网络模型II、次优选择是单一多元自适应回归样条模型的结论。

论文目录

• 内容提要
• 0. 绪论
• 0.1 选题背景和意义
• 0.2 研究方法
• 0.3 结构体系安排及创新
• 0.4 企业信用评级方法的演进历程
• 1. 企业信用评级概述
• 1.1 信用及企业信用
• 1.2 信用风险
• 1.3 信用评级
• 1.4 企业信用评级
• 1.5 我国企业信用评级发展历程及现状
• 2. 我国民营企业信用现状及其特征
• 2.1 民营企业的界定
• 2.2 我国民营企业的发展历程
• 2.3 我国民营企业的作用
• 2.4 我国民营企业的信用状况
• 2.5 我国民营企业信用问题的成因分析
• 3. 民营企业信用评级指标体系
• 3.1 民营企业信用评级指标体系的设置原则
• 3.2 民营企业信用评级指标选取需要注意的问题
• 3.3 对相关信用评级指标体系的借鉴
• 3.4 我国民营企业信用评级指标体系构成内容
• 4. 单一评级方法的应用与比较
• 4.1 变量选取和样本处理
• 4.2 LOGISTIC 回归模型的应用结果
• 4.3 多元自适应回归样条模型理论与应用结果
• 4.4 径向基函数网络模型理论与应用结果
• 4.5 单一评级方法的应用结果分析
• 4.6 本章小结
• 5. 混合神经网络模型的建立及应用
• 5.1 建模方式及选择
• 5.2 混合神经网络的优势分析
• 5.3 混合神经网络模型I 的建立及应用
• 5.4 混合神经网络模型II 的建立及应用
• 5.5 混合神经网络模型I、II 的应用结果分析
• 5.6 模型效果的比较分析
• 5.7 本章小结
• 结论
• 参考文献
• 攻读博士期间发表的论文和参加的科研项目
• 论文摘要
• ABSTRACT
• 致谢