如何甄别一家专业诚信的论文机构? 咨询电话: 13161669098(李老师) QQ:286399115点击即时交谈 设为首页 | 加入收藏 | 在线留言 | 旧版站点入口  

建立违约概率模型的常见方法研究

减小字体 增大字体 作者:佚名  来源:本站整理  发布时间:2016-04-27 10:53:32

建立违约概率模型的常见方法研究
    银行界在客户违约概率的测算方面已经进行了较为深入的探索,运用较为广泛的模型是:
    1. Logistic回归模型
    该模型用于估计某事件(如客户违约)发生的概率。例如假设贷款金额对客户违约概率有影响,运用Logistic回归模型可以判别是否贷款金额会对违约概率有显著影响。如果确认有显著影响,银行就可以在模型中估计新贷款的违约概率,然后决定是否批准贷款。
    2.因子分析
    因子分析(factor analysis)是主成分分析的推广,也是从研究相关矩阵内部的依赖关系出发,把一些具有错综复杂关系的变量归结为少数几个综合因子的一种多变量统计分析方法。其基本思想是根据相关性大小把变量分组,使得同组变量之间相关性较高,但不同组的变量相关性较低。每组变量代表一个基本结构,这个基本结构称为公共因子。对于所研究的问题就可以用最少个数的、不可测的所谓公共因子的线性函数与特殊因子之和来描述原来观测的每一分量。在对违约概率的分析中,企业违约的影响因素(如企业经营状况、财务状况、还款意愿、担保品价值、政府干预等)有很多,影响因素之间也存在相互依赖性,对违约概率的分析没有必要考虑所有的影响因素,运用因子分析可以从变量的相互影响关系中找出主要因子。
    3.判别式分析
    判别分析(Discriminant Analysis)是一种度量一个范畴内因子重要程度的分类方法。比如,如果想检验引起客户违约的主要因素,只要能确定正确因素,模型就可以使用这些因素在违约主要因素和非主要因素之间做出“判别”。用统计的语言描述就是,设有k个总体G 1, G2 . . . . . . Gk,在错判概率最小或错判损失最小的前提下,建立一个准则,对给定任意一个样本x,依据这个准则就能判断它是来自哪个总体。
    判别分析按判别的组数来分,有两组判别分析和多组判别分析;按区分不同总体所用的数学模型来分,有线性判别和非线性判别;按判别对所处理变量方法不同有逐步判别、序贯判别等。好的判别结果应该是两个分布重叠部分最小。
    4.神经网络模型
    神经网络是大致模拟人脑思维过程及学习方法的人工智能系统。神经网络的算法是一组输入,通过一个转换函数进行数学转换产生一个输出。在学习和训练过程中,权重被不断调整以使理想输出(正确的预测)和实际输出(模型产生的预测)之间的差异最小。一个神经网络模型内容包括:模型的类型(前向反馈还是后向反馈)、隐含层的个数、每个隐含层的神经元个数、更改权重的学习规则。
    我国商业银行在风险管理模型方面还处于探索阶段,还没有进入实施和运用。主要由于对风险管理模型的研究水平比较欠缺,对于模型的核心技术还没有掌握。因此,现阶段对模型的研究和开发是一个重要环节。中国银行不仅要借鉴国外优秀模型的理论和设计结构,还必须结合本行的实施情况,研究和设计适合中国银行的模型框架和参数体系。
 

  • 好的评价 如果您觉得此文章好,就请您
      0%(0)
  • 差的评价 如果您觉得此文章差,就请您
      0%(0)

文章评论评论内容只代表网友观点,与本站立场无关!

   评论摘要(共 0 条,得分 0 分,平均 0 分) 查看完整评论