【正文】 絡(luò)相結(jié)合的模型分別對同一數(shù)據(jù)集進行了信用風(fēng)險評估研究，結(jié)果顯示決策樹在四種方法中具有最高的分類準確率，線性判別分析準確率最低。Altman在對神經(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)險識別和預(yù)測中的應(yīng)用，并沒有實質(zhì)性的優(yōu)于線性判別模型”。YongChan Lee使用支持向量機方法預(yù)測公司的信用等級取得了較好的結(jié)果。Katiuscia Manzoni 利用神經(jīng)網(wǎng)絡(luò)對歐洲債券的信用評級和降級概率進行了研究。也就是評級模型發(fā)展的第三階段。但是多變量區(qū)別分析法有著嚴格的假設(shè)條件，如多元正態(tài)分布、等協(xié)方差矩陣等等，針對這些問題，Ohlson構(gòu)建了假設(shè)條件較為寬松的Logistic識別模型，并將其應(yīng)用于商業(yè)銀行信用風(fēng)險評估領(lǐng)域，Madalla采用Logistic模型區(qū)別違約與非違約貸款申請人的信用狀況，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題。Altman于1968年對“家美國制造業(yè)企業(yè)的經(jīng)營情況進行了典型判別分析，提出了著名的ZScore模型，1977年Altman本人又對ZScore模型進行了修正和擴展，建立了ZETA評分模型。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)，嚴重制約了我國信用市場的健康有序發(fā)展。隨著市場經(jīng)濟的不斷發(fā)展，企業(yè)信用將成為合作與交易的先決條件，因此當(dāng)前我國企業(yè)信用體系建設(shè)是整個社會信用體系建設(shè)的重點。當(dāng)前，社會中商業(yè)欺詐，制假售假，非法集資等現(xiàn)象屢禁不止，這些問題的源泉歸根到底是社會信用出現(xiàn)了問題，因此加快建設(shè)社會信用體系，打擊各種違法行為，處理各種信用問題不僅維護了正常的社會經(jīng)濟秩序，保護了群眾權(quán)益，也進一步推進了政府更好的履行其公共服務(wù)、經(jīng)濟調(diào)節(jié)、以及市場監(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 企業(yè)信用評級模型 信用評價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，這些社會信用問題歸根到底都是企業(yè)信用的問題，因此，科學(xué)、合理、公正、權(quán)威的企業(yè)信用評級技術(shù)是當(dāng)前緊要的任務(wù)。本文通過研究研究國內(nèi)外企業(yè)信用評價方法，構(gòu)建了一個企業(yè)信用評價平臺?！瑼bstract1 選題背景和意義59第二章 信用評級主要方法與模型綜述10 專家評估法及其優(yōu)缺點15 非參數(shù)方法17 聚類分析及其優(yōu)缺點17 K近鄰判別及其優(yōu)缺點19 基于投影尋蹤和最優(yōu)分割及其優(yōu)缺點28 模糊綜合評判31 遺傳算法優(yōu)化ＢＰ神經(jīng)網(wǎng)絡(luò)及其優(yōu)缺點39 46 瑞士信貸銀行的credit risk+模型及其優(yōu)缺點47 改進措施48第四章 對我國企業(yè)信用評級工作的建議市場經(jīng)濟條件下，社會信用體系由個人信用、政府信用、企業(yè)信用融合而成。當(dāng)前我國企業(yè)信用體系建設(shè)中存在的各種問題盡管表現(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)信用等級必須能夠客觀公正地反映企業(yè)信用的真實狀況。第二階段始于上世紀六十年代，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。許多金融機構(gòu)用它預(yù)測信用風(fēng)險，并取得了一定的成效。Zmijewski則引入Probit模型進行類似的研究。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)、決策樹算法、支持向量機和遺傳算法等。Makowsik是第一批倡導(dǎo)將決策樹方法應(yīng)用于信用評估的學(xué)者之一，之后Carter, Catlett以及Boyleet al也對決策樹方法用于信用評估的結(jié)果進行了分析。ShengTun Lia, Weissor Shiue, MengHuah Huang利用支持向量技術(shù)對個人貸款信用評估問題進行了研究。Coffman對決策樹方法和判別分析進行了比較，認為兩者各有千秋。第四階段始于上世紀末，這一階段主要是采用對信用風(fēng)險組合計量的方法，主要模型有1995年KMV公司提出的信用監(jiān)測模型；，同期麥肯錫公司提出的Credit Portfolio View模型。盧聲、任若恩等利用Fisher判別分析法對我國上市公司的財務(wù)困境進行研究。唐春陽、馮宗憲運用多元線性回歸方法，利用逐步回歸得到的5個指標(分別是資產(chǎn)負債率、成木費用利潤率、主營業(yè)務(wù)利潤率、全部資本化比率行業(yè)債務(wù)結(jié)構(gòu)) 得到一個簡明的企業(yè)違約率測度模型。龐素琳對106家上市公司進行兩類模式分類，這兩類模式是指按照公司的經(jīng)營狀況分為“差”和“正?！眱蓚€小組。樊錳汪媛雛等人從中小企業(yè)信用評級方法的比較和選擇入手，以AHP分析法為核心，構(gòu)建多級模糊綜合評價模型，對中小企業(yè)信用狀況做出評價。將最優(yōu)分割點對應(yīng)的信用綜合得分作為劃分信用等級的閾值，從而實現(xiàn)對樣木企業(yè)的信用評級。吳沖等、梁裸和吳德勝分別利用模糊神經(jīng)網(wǎng)絡(luò)對我國企業(yè)信用風(fēng)險作了實證研究和分析。姚靠華姚靠華等以上市公司作為研究對象，選取反映上市公司盈利能力、償債能力、營運能力、成長能力和公司規(guī)模的17個財務(wù)指標，區(qū)別于傳統(tǒng)的建模方法，應(yīng)用決策樹技術(shù)建立了中國上市公司的財務(wù)困境預(yù)警系統(tǒng)。在個人信用評估方面，徐遠純等利用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，建立了信用卡欺詐風(fēng)險分析決策樹。實驗證明，該優(yōu)化算法對于構(gòu)建決策樹具有很好的效率。鄭也夫?qū)?shù)據(jù)挖掘方法引入信用風(fēng)險預(yù)測問題中，全面比較決策樹、神經(jīng)網(wǎng)絡(luò)和支持向量機算法在上市公司信息風(fēng)險預(yù)測問題上的優(yōu)劣，得出決策樹具有良好的適用性。但與國外同行業(yè)進行對比，可以發(fā)現(xiàn)主要還存在以下幾個問題：(1)評級模型適用性較差 評級模型是評級系統(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)，其開發(fā)研究需要結(jié)合統(tǒng)計分析、風(fēng)險計量、資產(chǎn)組合、期權(quán)定價等先進理論和技術(shù)，而我國由于經(jīng)濟發(fā)展程度不高，同時整體研究水平還相對欠缺，故在評級模型的建設(shè)方面有待加強。但是，與評級法對數(shù)據(jù)的要求相比，現(xiàn)有的數(shù)據(jù)積累遠遠不夠，數(shù)據(jù)儲備嚴重不足目而且質(zhì)量不高、缺乏規(guī)范性，嚴重制約了評級系統(tǒng)的應(yīng)用和發(fā)展；為滿足建設(shè)評級系統(tǒng)需要的數(shù)據(jù)樣本，還需要大量而細致的數(shù)據(jù)積累工作，通過數(shù)據(jù)整合、挖掘等技術(shù)，形成有價值的信息，為建立相關(guān)模型奠定良好的基礎(chǔ)。評級系統(tǒng)應(yīng)與業(yè)務(wù)流程系統(tǒng)緊密結(jié)合，成為一個嵌入式的管理工具，最大限度地發(fā)揮監(jiān)管和決策支持的作用，實現(xiàn)企業(yè)評級、授信審批的全流程計算機管理。比較有代表性的專家評估法有“5C”，“5P”，“LAPP”等方法。 資本是反映企業(yè)資金實力的一個重要方面，也間接反映了企業(yè)的資金積累情況。 經(jīng)營環(huán)境是企業(yè)的內(nèi)在壞境和所處的外在環(huán)境。擔(dān)保品豐富且價值良好，則信用相對就高，信用一旦發(fā)生危機則發(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、還款繳稅、替代股權(quán)等三個方面。 LAPP法是以Liquidity(流動性)、Activity(活動性)、profitability(盈利性)、Potentialities(潛力)四個詞的第一個字母命名，從這四個方面評價企業(yè)的信用。 財務(wù)比率分析法該方法在1966年被引入預(yù)測企業(yè)破產(chǎn)領(lǐng)域，經(jīng)過多年的發(fā)展形成了一系列財務(wù)比率分析方法，總體上講就是對企業(yè)各項財務(wù)指標作一個全面、系統(tǒng)和綜合的分析，從而對企業(yè)的經(jīng)營狀況和財務(wù)狀況進行剖析、解析和評價。其基本特點是以凈值報酬率為龍頭，以資產(chǎn)凈利潤率為核心，將償債能力、資產(chǎn)營運能力、盈利能力有機結(jié)合起來，層層分解，逐步深入，構(gòu)成了一個完整的分析系統(tǒng)，全面、系統(tǒng)、直觀地反映了企業(yè)的財務(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).我國在1993年7月1日起正式實施與國際會計準則基本適應(yīng)的、統(tǒng)一的《企業(yè)會計準則》，由此奠定了企業(yè)信用評估研究的基礎(chǔ)和前提，隨著國內(nèi)會計人員的業(yè)務(wù)水平(如對準則的掌握、理解和應(yīng)用水平等)和會計報表水平的不斷提高，所產(chǎn)生的會計報表開始基本符合準則要求，因此，(MDA)有以下三個主要假設(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、先驗概率和誤判代價是已知的。如果第一類錯誤的代價不是特別巨大，比之于MDA模型，Logistic分析方法帶來的復(fù)雜的計算是不值得的。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可以預(yù)測違約概率的被解釋變量，即違約概率。兩個比值之比稱為優(yōu)勢比(或比值比，Odds Ratio，簡稱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，則當(dāng)時，則當(dāng)時，則缺點：Logistic回歸模型不僅對中間區(qū)域的差別敏感性較強，而且當(dāng)樣本點完全分離時，模型參數(shù)的最大似然估計可能不存在。于是根據(jù)一批樣本的多個觀測指標，找出一些能夠度量樣本或指標之問相似程度的統(tǒng)計量，以這些統(tǒng)計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聚為一類，把另外一些彼此之問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小的分類單位，關(guān)系疏遠的聚合到一個大的分類單位，直到把所有樣本或指標都聚合完畢，形成一個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，則不會有調(diào)整，聚類中心也不會有任何變化。 ，這種方法一個主要優(yōu)點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)信用評級的基本思路目前仍然是基于“降維”的思路，即首先采用評分法、因子分析法等對樣本企業(yè)進行信用評分，然后，運用系統(tǒng)聚類、 均值聚類等算法對信用得分序列進行聚類，從而獲得企業(yè)信用評級結(jié)果。原因在于在同樣的樣本容量下，若對具體問題的確存在特定的參數(shù)模型并可能找出時，非參數(shù)方法不及參數(shù)方法好。Altman經(jīng)過統(tǒng)計分析和計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。這七個指標分別代表企業(yè)短期贏利性、收益的保障、長期贏利性、流動性和規(guī)模等特征。Altman對此回應(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模型來預(yù)測，經(jīng)分析Altman認為Zeta模型所得的結(jié)論比Moriarity所得的結(jié)論更精確。而現(xiàn)實的經(jīng)濟現(xiàn)象是非線性的，因而也削弱了預(yù)測結(jié)果的準確程度，使得違約模型不能精確地描述經(jīng)濟現(xiàn)實。投影尋蹤(Proje