【正文】 絡(luò)相結(jié)合的模型分別對(duì)同一數(shù)據(jù)集進(jìn)行了信用風(fēng)險(xiǎn)評(píng)估研究，結(jié)果顯示決策樹(shù)在四種方法中具有最高的分類準(zhǔn)確率，線性判別分析準(zhǔn)確率最低。Altman在對(duì)神經(jīng)網(wǎng)絡(luò)法和判別分析法的比較研究中得出結(jié)論“神經(jīng)網(wǎng)絡(luò)分析方法在信用風(fēng)險(xiǎn)識(shí)別和預(yù)測(cè)中的應(yīng)用，并沒(méi)有實(shí)質(zhì)性的優(yōu)于線性判別模型”。YongChan Lee使用支持向量機(jī)方法預(yù)測(cè)公司的信用等級(jí)取得了較好的結(jié)果。Katiuscia Manzoni 利用神經(jīng)網(wǎng)絡(luò)對(duì)歐洲債券的信用評(píng)級(jí)和降級(jí)概率進(jìn)行了研究。也就是評(píng)級(jí)模型發(fā)展的第三階段。但是多變量區(qū)別分析法有著嚴(yán)格的假設(shè)條件，如多元正態(tài)分布、等協(xié)方差矩陣等等，針對(duì)這些問(wèn)題，Ohlson構(gòu)建了假設(shè)條件較為寬松的Logistic識(shí)別模型，并將其應(yīng)用于商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估領(lǐng)域，Madalla采用Logistic模型區(qū)別違約與非違約貸款申請(qǐng)人的信用狀況，Libby首次將主成份分析方法引入判別模型以克服變量多重共線性的問(wèn)題。Altman于1968年對(duì)“家美國(guó)制造業(yè)企業(yè)的經(jīng)營(yíng)情況進(jìn)行了典型判別分析，提出了著名的ZScore模型，1977年Altman本人又對(duì)ZScore模型進(jìn)行了修正和擴(kuò)展，建立了ZETA評(píng)分模型。第一階段主要建模方法是基于傳統(tǒng)的比例分析方法，如“SC , LAPP”和財(cái)務(wù)比率分析方法。正是這種有效供給與有效需求之間的矛盾，互相制約，惡性循環(huán)，嚴(yán)重制約了我國(guó)信用市場(chǎng)的健康有序發(fā)展。隨著市場(chǎng)經(jīng)濟(jì)的不斷發(fā)展，企業(yè)信用將成為合作與交易的先決條件，因此當(dāng)前我國(guó)企業(yè)信用體系建設(shè)是整個(gè)社會(huì)信用體系建設(shè)的重點(diǎn)。當(dāng)前，社會(huì)中商業(yè)欺詐，制假售假，非法集資等現(xiàn)象屢禁不止，這些問(wèn)題的源泉?dú)w根到底是社會(huì)信用出現(xiàn)了問(wèn)題，因此加快建設(shè)社會(huì)信用體系，打擊各種違法行為，處理各種信用問(wèn)題不僅維護(hù)了正常的社會(huì)經(jīng)濟(jì)秩序，保護(hù)了群眾權(quán)益，也進(jìn)一步推進(jìn)了政府更好的履行其公共服務(wù)、經(jīng)濟(jì)調(diào)節(jié)、以及市場(chǎng)監(jiān)管的職能。4729 模糊合成算子的選擇
關(guān)鍵詞：數(shù)學(xué)模型 企業(yè)信用等級(jí) 企業(yè)信用評(píng)級(jí)模型 信用評(píng)價(jià)AbstractThe social credit system is an important system of market economy system. At present, mercial fraud in the society of counterfeit goods, the phenomenon such as illegal fundraising, the social credit problems in the final analysis are enterprise credit problems, therefore, scientific, reasonable, fair and authority of enterprise credit rating technology is the current urgent task.Through research the enterprise credit evaluation methods both at home and abroad, this paper builds a enterprise credit evaluation, credit rating, credit feedback, and other function, is a very plete credit evaluation platform. Enterprise credit rating model is an effective tool for evaluation of enterprise credit rating with the rapid development of bond markets around the world the value of collateral reduces and its volatility increases, the model will be more widespread attention, and the mathematical model for the panies in our country enterprise use metric enterprise credit rating provides an important reference significance.Key words: mathematical model Enterprise credit rating Enterprise credit rating model Credit evaluation目錄摘要當(dāng)前，社會(huì)中商業(yè)欺詐，制假售假，非法集資等現(xiàn)象屢禁不止，這些社會(huì)信用問(wèn)題歸根到底都是企業(yè)信用的問(wèn)題，因此，科學(xué)、合理、公正、權(quán)威的企業(yè)信用評(píng)級(jí)技術(shù)是當(dāng)前緊要的任務(wù)。本文通過(guò)研究研究國(guó)內(nèi)外企業(yè)信用評(píng)價(jià)方法，構(gòu)建了一個(gè)企業(yè)信用評(píng)價(jià)平臺(tái)。……Abstract1 選題背景和意義59第二章 信用評(píng)級(jí)主要方法與模型綜述10 專家評(píng)估法及其優(yōu)缺點(diǎn)15 非參數(shù)方法17 聚類分析及其優(yōu)缺點(diǎn)17 K近鄰判別及其優(yōu)缺點(diǎn)19 基于投影尋蹤和最優(yōu)分割及其優(yōu)缺點(diǎn)28 模糊綜合評(píng)判31 遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)及其優(yōu)缺點(diǎn)39 46 瑞士信貸銀行的credit risk+模型及其優(yōu)缺點(diǎn)47 改進(jìn)措施48第四章 對(duì)我國(guó)企業(yè)信用評(píng)級(jí)工作的建議市場(chǎng)經(jīng)濟(jì)條件下，社會(huì)信用體系由個(gè)人信用、政府信用、企業(yè)信用融合而成。當(dāng)前我國(guó)企業(yè)信用體系建設(shè)中存在的各種問(wèn)題盡管表現(xiàn)形式各異，但從本質(zhì)上講，主要是企業(yè)信用信息的缺失，具體表現(xiàn)為企業(yè)信用信息的有效供給和有效需求的雙重不足。因此當(dāng)前我們迫切的主要任務(wù)就是建立一套完整，可靠的企業(yè)信用體系，而企業(yè)信用體系的核心就是要有一種企業(yè)信用等級(jí)必須能夠客觀公正地反映企業(yè)信用的真實(shí)狀況。第二階段始于上世紀(jì)六十年代，這一階段的主要方法包括多元判別分析法(MDA )，Logistic回歸模型以及聚類分析等非參數(shù)方法。許多金融機(jī)構(gòu)用它預(yù)測(cè)信用風(fēng)險(xiǎn)，并取得了一定的成效。Zmijewski則引入Probit模型進(jìn)行類似的研究。該階段的主要方法是人工智能方法，主要建模方法包括專家系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)、決策樹(shù)算法、支持向量機(jī)和遺傳算法等。Makowsik是第一批倡導(dǎo)將決策樹(shù)方法應(yīng)用于信用評(píng)估的學(xué)者之一，之后Carter, Catlett以及Boyleet al也對(duì)決策樹(shù)方法用于信用評(píng)估的結(jié)果進(jìn)行了分析。ShengTun Lia, Weissor Shiue, MengHuah Huang利用支持向量技術(shù)對(duì)個(gè)人貸款信用評(píng)估問(wèn)題進(jìn)行了研究。Coffman對(duì)決策樹(shù)方法和判別分析進(jìn)行了比較，認(rèn)為兩者各有千秋。第四階段始于上世紀(jì)末，這一階段主要是采用對(duì)信用風(fēng)險(xiǎn)組合計(jì)量的方法，主要模型有1995年KMV公司提出的信用監(jiān)測(cè)模型；，同期麥肯錫公司提出的Credit Portfolio View模型。盧聲、任若恩等利用Fisher判別分析法對(duì)我國(guó)上市公司的財(cái)務(wù)困境進(jìn)行研究。唐春陽(yáng)、馮宗憲運(yùn)用多元線性回歸方法，利用逐步回歸得到的5個(gè)指標(biāo)(分別是資產(chǎn)負(fù)債率、成木費(fèi)用利潤(rùn)率、主營(yíng)業(yè)務(wù)利潤(rùn)率、全部資本化比率行業(yè)債務(wù)結(jié)構(gòu)) 得到一個(gè)簡(jiǎn)明的企業(yè)違約率測(cè)度模型。龐素琳對(duì)106家上市公司進(jìn)行兩類模式分類，這兩類模式是指按照公司的經(jīng)營(yíng)狀況分為“差”和“正常”兩個(gè)小組。樊錳汪媛雛等人從中小企業(yè)信用評(píng)級(jí)方法的比較和選擇入手，以AHP分析法為核心，構(gòu)建多級(jí)模糊綜合評(píng)價(jià)模型，對(duì)中小企業(yè)信用狀況做出評(píng)價(jià)。將最優(yōu)分割點(diǎn)對(duì)應(yīng)的信用綜合得分作為劃分信用等級(jí)的閾值，從而實(shí)現(xiàn)對(duì)樣木企業(yè)的信用評(píng)級(jí)。吳沖等、梁裸和吳德勝分別利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)我國(guó)企業(yè)信用風(fēng)險(xiǎn)作了實(shí)證研究和分析。姚靠華姚靠華等以上市公司作為研究對(duì)象，選取反映上市公司盈利能力、償債能力、營(yíng)運(yùn)能力、成長(zhǎng)能力和公司規(guī)模的17個(gè)財(cái)務(wù)指標(biāo)，區(qū)別于傳統(tǒng)的建模方法，應(yīng)用決策樹(shù)技術(shù)建立了中國(guó)上市公司的財(cái)務(wù)困境預(yù)警系統(tǒng)。在個(gè)人信用評(píng)估方面，徐遠(yuǎn)純等利用DONALD BREN SCHOOL OF INFORMATION AND COMPUTER SCIENCES(UNIVERSITY of )所提供的19861995年間的客戶信用卡數(shù)據(jù)庫(kù)，建立了信用卡欺詐風(fēng)險(xiǎn)分析決策樹(shù)。實(shí)驗(yàn)證明，該優(yōu)化算法對(duì)于構(gòu)建決策樹(shù)具有很好的效率。鄭也夫?qū)?shù)據(jù)挖掘方法引入信用風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題中，全面比較決策樹(shù)、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)算法在上市公司信息風(fēng)險(xiǎn)預(yù)測(cè)問(wèn)題上的優(yōu)劣，得出決策樹(shù)具有良好的適用性。但與國(guó)外同行業(yè)進(jìn)行對(duì)比，可以發(fā)現(xiàn)主要還存在以下幾個(gè)問(wèn)題：(1)評(píng)級(jí)模型適用性較差 評(píng)級(jí)模型是評(píng)級(jí)系統(tǒng)的重要技術(shù)基礎(chǔ)，屬于金融領(lǐng)域內(nèi)的關(guān)鍵技術(shù)，其開(kāi)發(fā)研究需要結(jié)合統(tǒng)計(jì)分析、風(fēng)險(xiǎn)計(jì)量、資產(chǎn)組合、期權(quán)定價(jià)等先進(jìn)理論和技術(shù)，而我國(guó)由于經(jīng)濟(jì)發(fā)展程度不高，同時(shí)整體研究水平還相對(duì)欠缺，故在評(píng)級(jí)模型的建設(shè)方面有待加強(qiáng)。但是，與評(píng)級(jí)法對(duì)數(shù)據(jù)的要求相比，現(xiàn)有的數(shù)據(jù)積累遠(yuǎn)遠(yuǎn)不夠，數(shù)據(jù)儲(chǔ)備嚴(yán)重不足目而且質(zhì)量不高、缺乏規(guī)范性，嚴(yán)重制約了評(píng)級(jí)系統(tǒng)的應(yīng)用和發(fā)展；為滿足建設(shè)評(píng)級(jí)系統(tǒng)需要的數(shù)據(jù)樣本，還需要大量而細(xì)致的數(shù)據(jù)積累工作，通過(guò)數(shù)據(jù)整合、挖掘等技術(shù)，形成有價(jià)值的信息，為建立相關(guān)模型奠定良好的基礎(chǔ)。評(píng)級(jí)系統(tǒng)應(yīng)與業(yè)務(wù)流程系統(tǒng)緊密結(jié)合，成為一個(gè)嵌入式的管理工具，最大限度地發(fā)揮監(jiān)管和決策支持的作用，實(shí)現(xiàn)企業(yè)評(píng)級(jí)、授信審批的全流程計(jì)算機(jī)管理。比較有代表性的專家評(píng)估法有“5C”，“5P”，“LAPP”等方法。 資本是反映企業(yè)資金實(shí)力的一個(gè)重要方面，也間接反映了企業(yè)的資金積累情況。 經(jīng)營(yíng)環(huán)境是企業(yè)的內(nèi)在壞境和所處的外在環(huán)境。擔(dān)保品豐富且價(jià)值良好，則信用相對(duì)就高，信用一旦發(fā)生危機(jī)則發(fā)生損失的可能性也相應(yīng)少。 資金用途因素主要包括生產(chǎn)經(jīng)營(yíng)、還款繳稅、替代股權(quán)等三個(gè)方面。 LAPP法是以Liquidity(流動(dòng)性)、Activity(活動(dòng)性)、profitability(盈利性)、Potentialities(潛力)四個(gè)詞的第一個(gè)字母命名，從這四個(gè)方面評(píng)價(jià)企業(yè)的信用。 財(cái)務(wù)比率分析法該方法在1966年被引入預(yù)測(cè)企業(yè)破產(chǎn)領(lǐng)域，經(jīng)過(guò)多年的發(fā)展形成了一系列財(cái)務(wù)比率分析方法，總體上講就是對(duì)企業(yè)各項(xiàng)財(cái)務(wù)指標(biāo)作一個(gè)全面、系統(tǒng)和綜合的分析，從而對(duì)企業(yè)的經(jīng)營(yíng)狀況和財(cái)務(wù)狀況進(jìn)行剖析、解析和評(píng)價(jià)。其基本特點(diǎn)是以凈值報(bào)酬率為龍頭，以資產(chǎn)凈利潤(rùn)率為核心，將償債能力、資產(chǎn)營(yíng)運(yùn)能力、盈利能力有機(jī)結(jié)合起來(lái)，層層分解，逐步深入，構(gòu)成了一個(gè)完整的分析系統(tǒng)，全面、系統(tǒng)、直觀地反映了企業(yè)的財(cái)務(wù)狀況。 多元判別分析(MDA ) 多元判別分析(MDA)，可以具體分為一般判別分析(不考慮變量篩選)和定量資料的逐步判別分析(考慮變量篩選).我國(guó)在1993年7月1日起正式實(shí)施與國(guó)際會(huì)計(jì)準(zhǔn)則基本適應(yīng)的、統(tǒng)一的《企業(yè)會(huì)計(jì)準(zhǔn)則》，由此奠定了企業(yè)信用評(píng)估研究的基礎(chǔ)和前提，隨著國(guó)內(nèi)會(huì)計(jì)人員的業(yè)務(wù)水平(如對(duì)準(zhǔn)則的掌握、理解和應(yīng)用水平等)和會(huì)計(jì)報(bào)表水平的不斷提高，所產(chǎn)生的會(huì)計(jì)報(bào)表開(kāi)始基本符合準(zhǔn)則要求，因此，(MDA)有以下三個(gè)主要假設(shè)：(1)變量數(shù)據(jù)是正態(tài)分布的；(2)各組的協(xié)方差是相同的；(3)每組的均值向量、協(xié)方差矩陣、先驗(yàn)概率和誤判代價(jià)是已知的。如果第一類錯(cuò)誤的代價(jià)不是特別巨大，比之于MDA模型，Logistic分析方法帶來(lái)的復(fù)雜的計(jì)算是不值得的。Logistic模型適用于因變量是非連續(xù)的且為二分類選擇模式，目的是找出被解釋變量與一組自變量之間的線性關(guān)系，核心思想是將這些自變量擬合成一個(gè)可以預(yù)測(cè)違約概率的被解釋變量，即違約概率。兩個(gè)比值之比稱為優(yōu)勢(shì)比(或比值比，Odds Ratio，簡(jiǎn)稱OR)，因此OR是否大于1意為兩種情況概率情況的比較：當(dāng)時(shí)，則當(dāng)時(shí)，則當(dāng)時(shí)，則缺點(diǎn)：Logistic回歸模型不僅對(duì)中間區(qū)域的差別敏感性較強(qiáng)，而且當(dāng)樣本點(diǎn)完全分離時(shí)，模型參數(shù)的最大似然估計(jì)可能不存在。于是根據(jù)一批樣本的多個(gè)觀測(cè)指標(biāo)，找出一些能夠度量樣本或指標(biāo)之問(wèn)相似程度的統(tǒng)計(jì)量，以這些統(tǒng)計(jì)量為劃分類型的依據(jù)，把一些相似程度較大的樣本或指標(biāo)聚為一類，把另外一些彼此之問(wèn)相似程度較大的樣本又聚為另一類，關(guān)系密切的聚合到一個(gè)小的分類單位，關(guān)系疏遠(yuǎn)的聚合到一個(gè)大的分類單位，直到把所有樣本或指標(biāo)都聚合完畢，形成一個(gè)由小到大的分類系統(tǒng)。如果在一次迭代算法中，所有的樣本被正確分類，則不會(huì)有調(diào)整，聚類中心也不會(huì)有任何變化。 ，這種方法一個(gè)主要優(yōu)點(diǎn)是不要求知道總體的具體分布。因此，聚類分析應(yīng)用于企業(yè)信用評(píng)級(jí)的基本思路目前仍然是基于“降維”的思路，即首先采用評(píng)分法、因子分析法等對(duì)樣本企業(yè)進(jìn)行信用評(píng)分，然后，運(yùn)用系統(tǒng)聚類、 均值聚類等算法對(duì)信用得分序列進(jìn)行聚類，從而獲得企業(yè)信用評(píng)級(jí)結(jié)果。原因在于在同樣的樣本容量下，若對(duì)具體問(wèn)題的確存在特定的參數(shù)模型并可能找出時(shí)，非參數(shù)方法不及參數(shù)方法好。Altman經(jīng)過(guò)統(tǒng)計(jì)分析和計(jì)算最后確定了借款人違約的臨界值Zo=，如果Z，借款人被劃入違約組。這七個(gè)指標(biāo)分別代表企業(yè)短期贏利性、收益的保障、長(zhǎng)期贏利性、流動(dòng)性和規(guī)模等特征。Altman對(duì)此回應(yīng)為：值模型僅僅適用于制造型企業(yè)，而不是用于非制造型企業(yè)，Moriarity所提供的樣本應(yīng)該用Zeta模型來(lái)預(yù)測(cè)，經(jīng)分析Altman認(rèn)為Zeta模型所得的結(jié)論比Moriarity所得的結(jié)論更精確。而現(xiàn)實(shí)的經(jīng)濟(jì)現(xiàn)象是非線性的，因而也削弱了預(yù)測(cè)結(jié)果的準(zhǔn)確程度，使得違約模型不能精確地描述經(jīng)濟(jì)現(xiàn)實(shí)。投影尋蹤(Proje