基于商业银行视角的企业信用风险动态预警模型研究

论文摘要

在市场经济的条件下,信用风险是商业银行面临的主要风险之一。激烈的竞争环境和巴塞尔新资本协议对商业银行信用风险管理提出了更高的要求,如何对信用风险进行预警判别,完善商业银行信用风险预警管理,对于我国主要依托贷款业务发展的商业银行来说,显得尤为重要。因此,信用风险预警的研究成为当今风险研究领域极具挑战性的课题之一。本文针对国内外信用风险预警研究中长期忽视数据时间序列特征而导致的预测存在的误差,构建了以26个财务指标和非财务指标的指标体系,结合因子分析法和Logistic回归分析方法,建立了适合我国公司信用风险动态预警模型。在此基础上,选取146家上市企业为模型总体样本,对模型进行了实证分析。结果发现,建立的信用风险动态预警模型取得了87.3%的预测准确率,检验样本的预测准确率也达到了83.3%,符合预期效果,在较大程度上提高了信用风险预警的使用价值。最后本文就如何改进信用风险预警提出了若干建议。

论文目录

• 摘要
• ABSTRACT
• 第1章 引言
• 1.1 研究背景
• 1.2 信用风险预警研究现状
• 1.2.1 国外信用风险预警研究
• 1.2.2 国内信用风险预警研究现状
• 1.2.3 文献评述
• 1.3 研究目的和意义
• 1.3.1 研究目的
• 1.3.2 研究的意义
• 1.4 研究方法、主要创新点及框架
• 1.4.1 研究方法
• 1.4.2 主要创新点
• 1.4.3 本文的研究基本框架
• 第2章 信用风险理论概述
• 2.1 信用风险的含义、特征及其产生的原因
• 2.1.1 信用风险的含义
• 2.1.2 信用风险产生的原因
• 2.1.3 信用风险的特征
• 2.2 信用风险管理理论
• 2.3 《巴塞尔新资本协议》对我国信用风险管理的要求
• 2.4 本章小结
• 第3章 指标体系的构建
• 3.1 信用风险动态预警样本和指标的选择
• 3.1.1 信用风险动态预警模型样本的选择
• 3.1.2 样本的筛选及数据的来源
• 3.2 信用风险动态预警指标体系的建立
• 3.2.1 指标体系建立的原则
• 3.2.2 信用风险动态预警指标体系的建立
• 3.3 本章小结
• 第4章 模型统计方法简介
• 4.1 因子分析法概述
• 4.2 Logistic回归方法简介
• 4.2.1 Logistic回归方法原理简介
• 4.2.2 Logistic回归模型的评价分析
• 4.3 本章小结
• 第5章 实证分析
• 5.1 数据预处理方法
• 5.1.1 数据时间加权处理
• 5.1.2 指标趋同化处理
• 5.1.3 标准无量纲化处理
• 5.2 因子分析过程
• 5.2.1 相关性分析
• 5.2.2 指标变量组间差异性分析
• 5.2.3 因子分析
• 5.3 Logistic回归过程
• 5.3.1 模型中的假设检验
• 5.3.2 自变量的筛选方法
• 5.3.3 回归分析
• 5.3.4 模型建立
• 5.4 模型效果的判断指标检验
• 5.5 Logistic模型检验
• 5.5.1 Logistic回归模型的临界点确定
• 5.5.2 检验过程
• 5.6 本章小结
• 第6章 结论与建议
• 6.1 研究结论
• 6.2 研究的局限性
• 6.3 政策建议
• 致谢
• 参考文献
• 攻读学位期间的研究成果