商业银行信用评级中逻辑回归与判别分析的对比

论文摘要

自上世纪90年代后期以来,信用风险管理成为风险管理中最关键、最具挑战性的因素。商业银行在经营中承担着越来越高的信用风险,如何防范与化解信用风险已经成为我国业界讨论的热点问题。伴随着中国加入WTO,成为国际经济金融循环体系中日益活跃的一员,中国商业银行只有尽快建立与国际接轨的信用风险体系才能在国际竞争中增强竞争力,实现持续、健康、稳定发展。信用评级是信用风险管理的基石。信用评级是指对可能引起贷款风险的因素进行定性分析、定量计算,以测量借款人的违约概率（PD）、违约损失率（EAD）,为贷款决策和风险管理提供依据。信用评级是风险度量的基础,没有信用评级就没有真正意义上的风险管理。本文分别采用Fisher判别分析和Logistic回归的方法建立违约概率统计模型,引入信息熵的概念,给出信息量的介绍,并通过信息量的大小来选取财务指标,结合某商业银行的真实数据来估计企业违约概率。利用两种模型检验方法,分别为ROC和CAP曲线、Kolmogorov-Smirnov检验来比较Fisher判别分析与Logisitc回归之间的功效强弱以及稳定性,并且给出相应的参数估计、假设检验统计量、分布图像等,以及最终的比较结果与应用的实际意义。

论文目录

• 目录
• 摘要
• Abstract
• 第一章 商业银行信用评级背景介绍
• 1.1 信用评级发展情况
• 1.2 评级与违约模型
• 1.3 本文的目标和安排
• 1.3.1 本文的目标
• 1.3.2 本文的安排
• 第二章 Fisher判别分析
• 2.1 线性判别函数
• 第三章 logistic回归
• 3.1 Logit变换与经验方程
• 3.2 参数估计
• 3.3 假设检验
• 3.4 Logistic回归的一些假设
• 第四章 信息熵简介
• 4.1 信息量函数
• 第五章 模型拟合优劣相关检验
• 5.1 ROC与CAP简介
• 5.1.1 诊断（分类器）表现
• 5.1.2 ROC图
• 5.1.3 AUC（ROC曲线下方面积）
• 5.2 Kolmogorov-Smirnov检验
• 5.2.1 Kolmogorov-Smirnov检验
• 第六章 银行真实数据案例分析
• 6.1 数据处理与指标筛选
• 6.2 Fisher判别结果
• 6.2.1 线性判别函数
• 6.2.2 模型功效检验
• 6.2.3 检测样本结果
• 6.3 Logistic回归结果
• 6.3.1 参数估计及假设检验结果
• 6.3.2 模型功效检验
• 6.3.3 检测样本结果
• 6.4 模型对比结论
• 参考文献
• 致谢
• 学位论文评阅及答辩情况表