银行内部评级的数据挖掘技术应用

论文摘要

随着金融市场的全球化和金融产品的复杂多样化发展,银行的经营管理正面临着一个全新的风险环境。而信用风险一贯是世界银行业普遍存在和关注的风险,也往往是引起银行倒闭事件发生的主要原因。因此,巴塞尔委员会于2004年6月正式公布了巴塞尔新资本协议。在新资本协议中,巴塞尔委员会充分肯定了内部评级法在风险管理和资本监管中的重要作用,并鼓励有条件的银行建立和开发内部评级模型及相关的计算机系统。数据挖掘是从大量的数据中,抽取出潜在的、有价值的知识、模型或规则的过程。它具体包括对数据的预处理、分类预测、聚类分析、关联关系挖掘等。随着对海量数据搜索的需求不断增大和强大的多处理器计算机快速发展,国内外专家学者纷纷将目光投向了对这一热点技术的研究,先后提出了大量的行之有效的算法。在众多改进的挖掘方法不断涌现的过程中,数据挖掘的效率与质量得到不断的提高。因此,它也受到愈来愈多的关注。人们纷纷尝试着将其应用到不同的领域,以提高该领域的数据管理及信息的提取利用能力。实施内部评级法,并将其结合数据挖掘等先进的分析技术,可从大量的历史数据中提取有用的信息和知识,从而为风险决策的制定提供支持。这应是进一步提高银行风险监管的效率与准确性,使其实现飞速发展的重要渠道,也只有这样银行才能经受得住国际市场的考验。本文对数据挖掘在基于新《巴塞尔协议》的内部评级系统中的应用进行了探讨,主要完成了以下工作:1.了解基于《新巴塞尔资本协议》的内部评级法及其实施策略;掌握使用内部评级核心技术的方法和步骤。并在此基础上,对多模型测度违约概率提出一种新方法——组合平均算法,从而提高预测的准确性。2.研究了银行实施内部评级过程中对数据的处理,以及数据挖掘在其中的应用。对数据挖掘中的关联挖掘的频繁项目集生成算法加以改进。3.分析了数据挖掘技术在公司敞口内部评级及零售敞口内部评级中的具体应用。4.最后总结了相关研究的体会,讨论了数据挖掘在银行内部评级中的应用的重要性及前景,并对下一步的工作作了展望。

论文目录

• 中文摘要
• ABSTRACT
• 0 引言
• 0.1 研究背景
• 0.2 本论文的框架结构
• 1 内部评级理论
• 1.1 内部评级的基本概念
• 1.1.1 内部评级与外部评级
• 1.1.2 内部评级体系与内部评级法
• 1.1.3 内部评级体系的基本要素
• 1.1.4 内部评级法的关键指标
• 1.2 内部评级的分析框架
• 1.2.1 内部评级的宏观分析
• 1.2.2 内部评级的中观分析
• 1.2.3 内部评级的微观分析
• 1.2.4 内部评级的综合分析
• 2 内部评级的核心技术
• 2.1 违约概率（PD）模型
• 2.1.1 违约概率的计算工具
• 2.1.2 违约概率模型的比较分析
• 2.2 违约损失率（LGD）模型
• 2.2.1 测算违约损失率的基本要求
• 2.2.2 初级内部评级法的违约损失率模型
• 2.2.3 高级内部评级法的违约损失率模型
• 2.3 预期损失（EL）和非预期损失（UL）模型
• 2.3.1 基本概念
• 2.3.2 单笔债项的预期损失与非预期损失
• 2.3.3 资产组合的预期损失与非预期损失
• 2.3.4 资产组合的信用风险价值CVaR
• 2.4 返回检验
• 2.4.1 K-S 检验
• 2.4.2 能力曲线
• 2.4.3 对数似然率
• 2.5 模型体系建设
• 2.5.1 关键指标提取
• 2.5.2 模型筛选流程
• 2.5.3 模型组合技术——组合平均技术
• 3 内部评级的数据管理
• 3.1 数据处理流程
• 3.2 内部评级中的数据挖掘技术
• 3.3 具体数据挖掘分析
• 3.3.1 数据的分类分析
• 3.3.2 数据的聚类分析
• 3.3.3 关联规则的挖掘
• 4 公司敞口内部评级
• 4.1 公司的风险分类
• 4.2 公司评级的基本模式——风险搜索模式
• 4.3 公司评级的基本流程
• 4.4 现金流分析
• 4.4.1 现金流基本面分析
• 4.4.2 现金流比率分析
• 4.4.3 现金流趋势分析
• 4.4.4 现金流结构分析
• 4.5 行业风险评级
• 4.5.1 行业评级的基本框架
• 4.5.2 行业环境特征评价
• 4.5.3 行业经营状况评价
• 4.5.4 行业财务数据分析
• 4.5.5 行业信贷质量评价
• 4.5.6 行业风险评级模型的建立
• 5 零售敞口的内部评级
• 5.1 零售敞口的内部评级体系
• 5.2 零售敞口内部评级的模型构建
• 6 问题的总结与展望
• 参考文献
• 后记
• 致谢
• 在读期间科研成果目录