数字会计-利用会计数据和中小企业特征预测经济衰退期间的中小企业贷款拖欠情况:希腊的情况数字会计 利用会计数据和中小企业特征预测经济衰退期间的中小企业贷款拖欠情况:希腊的情况 欢迎来到数字会计专栏,本期将为您介绍的文章是: Predicting SME loan delinquencies during recession using accounting data and SME characteristics the case of Greece. 《利用会计数据和中小企业特征预测经济衰退期间的中小企业贷款拖欠情况:希腊的情况》 利用会计数据和中小企业特征预测经济衰退期间的中小企业贷款拖欠情况:希腊的情况 摘要 本文的目的是比较各种信用评分模型(即二项逻辑回归、决策树、多层感知神经网络、径向基函数和支持向量机),以评估小型和微观风险企业(中小企业)基于会计数据和申请人的具体属性的贷款拖欠。利用希腊一家大型商业银行在扩张期内发放的具有代表性的大型中小企业贷款数据集,我们跟踪了2010年8月至2012年7月经济衰退期间中小企业拖欠情况的演变情况。这一时限包括可管理的延迟水平(早期衰退期:2011年8月-2012年7月)和延迟增加到非常高的时期(深度衰退期:2011年8月-2012年7月)。对早期衰退期使用信用评分模型的比较表明,多层感知神经网络产生的预测能力最高,其次是支持向量机模型。随着危机的加深,支持向量机模型提出了最高的预测精度,其次是决策树,然后是多层感知器模型。一般来说,随着经济衰退的加剧,所有信用评分模型的预测性能似乎都大大降低。鉴于中小企业对欧洲经济的重要性,本论文对中小企业的适当融资具有重要影响。 关键词 银行、信用评分模型、希腊危机、微型和小型企业、不良贷款 A derivatives trading recommendation system: The mid‐curve calendar spread case Summary Derivative traders are usually required to scan through hundreds, even thousands of possible trades on a daily basis. Up to now, not a single solution is available to aid in their job. Hence, this work is aimed to develop a trading recommendation system, and to apply this system to the so‐called Mid‐Curve Calendar Spread (MCCS) trade. To suggest that such approach is feasible, we used a list of 35 different types of MCCSs; a total of 11 predictive and 4 benchmark models. Our results suggest that linear regression with l1‐regularisation (Lasso) compared favourably to other approaches from a predictive and interpretability point of views. Keywords derivatives,machine learning,trading recommendation system tips: 信用评分模型出现的动机 过往贷款审批的时候,审批人手中所掌握的“工具”是一些零散的信息,比如借款人的工作单位,婚姻状况,或者大概一个月的收入是多少。常规的做法是,根据这些维度设定一个门槛标准,只要这个借款人的每个维度都满足这些条件,就准予通过。这种做法会有一些问题: 有的借款人虽然不满足某一些门槛条件,但可能另外一些条件特别优秀,单维度的强拒绝规则造成审批效率低下; 如何利用零散、非结构化的信息整合成科学的核额体系是一个难题; 贷后管理、资产质量分析和风险定价需要可量化的数字评价体系支持。 相应的,信用评分帮助解决了以上大部分问题:具象的个体风险被标准化,分数的存在使得审批有了最简单易用的判断标准;整体的信贷资产质量也有了量化指标。 “信用评分解决了生产效率的问题,也解决了生产标准化的问题” ——陈建,《现代信用卡管理》作者,现任Fair Isaac公司的亚太区技术方案总监 信用评分模型的建立 信用评分模型建立的一般过程如下图: 相似文献 基于BP-KMV模型的非上市中小企业信用风险度量研究 摘要 目前我国正处于经济转型的重要阶段,政府积极推行创新驱动经济发展战略,中小企业作为拉动经济增长、创造就业供给、引领创新研发的重要驱动力,是该战略的重要支撑,肩负着经济改革的重任。然而与此不对称的是,中小企业并未得到有效的资金支持。我国中小企业多为非上市企业,银行信贷是其主要融资渠道,而商业银行为规避非上市中小企业高信用风险对其采取“惜贷”政策,导致非上市中小企业面临融资困境;同时,“惜贷”政策致使商业银行被迫放弃了非上市中小企业这一庞大的客源,制约了其信贷业务的健康发展。 造成以上现象的根本原因是银企信息不对称性,而有效度量非上市中小企业信用风险是解决此问题的关键。本文首先分析了非上市中小企业及其信用风险的特点,结合主流现代信用风险度量模型,进行了非上市中小企业信用风险度量模型适用性分析,认为KMV模型更适用于非上市中小企业信用风险度量,但由于非上市中小企业无法像上市企业一样提供股票市场信息,因此需引入BP神经网络构建BP-KMV模型解决这一局限性。其次,探讨了KMV模型与BP神经网络的运作原理及算法,并具体描述了BP-KMV模型的工作原理。然后,本文采集了70家制造业上市中小企业的股票市场数据及财务数据与35家制造业非上市中小企业的财务数据,运用Matlab技术,通过BP-KMV模型计算出35家非上市中小企业的违约率,根据违约率衡量非上市中小企业信用风险水平,并将评估结果与企业实际违约状况进行对比分析,结果表明,通过该模型计算所得的非上市中小企业违约率可用度很高,能很好地度量其信用风险。最后,基于实证分析结果,为商业银行应用BP-KMV模型建立针对非上市中小企业的信用评价体系提出具体建议。 本文的亮点在于构建了非上市中小企业的信用风险度量模型BP-KMV模型,为商业银行建立针对非上市中小企业的信用评价体系奠定了基础,有效解决了银行与非上市中小企业之间的银企信息不对称,降低了商业银行所面临的信用风险,有助于商业银行扩张针对非上市中小企业的信贷业务;同时,缓解了非上市中小企业融资难的问题,实现银企“共赢”。 硬信息与软信息:孰重孰轻?——非上市中小企业贷款违约风险实证研究 摘要 本文利用国内某商业银行的中小企业贷款违约数据,采用Logistic模型和随机效应Logistic模型对非上市中小企业贷款违约风险的影响因素进行实证分析。结果表明:非上市中小企业的硬信息指标特别是营运资金比率、负债比率对贷款违约有较大影响;软信息指标中的企业特征特别是企业在人行的信用记录、经营稳定性、水电税费变化趋势和银行信用对违约风险有显著影响;非上市中小企业企业主的个人特征,例如受教育程度、家庭年收入、持股比例和资产抵押率等对违约风险也具有较大影响。预测对比研究发现,软信息指标对贷款违约的预测能力高于硬信息指标,而随机效应Logistic模型的表现要强于Logistic模型;综合使用软信息和硬信息指标建立随机效应Logistic模型具有最佳的预测效果。研究结论对商业银行开展中小企业贷款业务和信贷风险评估具有参考价值。 特此声明:数字会计是在数字技术浪潮下产生的新兴领域,欢迎志同道合的老师和同学们加入到我们的“数字会计群”中,我们会定期不定期邀请数字经济领域大咖与大家一起分享数字经济知识盛宴,我们也会定期上传相关领域文章,并组织分享讨论。期待您的参与!!! 编辑:谢嘉琪 |