alarm信用風(fēng)險(xiǎn)評(píng)級(jí)解決方案20xx1009版(編輯修改稿)
2025-02-02 03:20 本頁(yè)面
【文章內(nèi)容簡(jiǎn)介】 % 2 .1 9 0 % 2 2 .9 2 5 % 2 .0 1 8 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .4 5 0 % 0 .8 7 9 % 1 2 .6 6 0 % 0 .9 3 9 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .1 9 8 % 0 .0 0 0 % 1 .0 4 9 % 7 .0 4 9 % 0 .7 6 0 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .2 1 8 % 1 .2 1 3 % 6 .2 7 2 % 0 .7 2 1 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 6 .0 6 9 % 0 .4 0 1 %2023 0 .0 0 0 % 0 .7 1 5 % 0 .5 4 3 % 0 .5 2 2 % 1 .2 1 8 % 2 .1 4 4 % 1 5 .0 8 5 % 2 .2 5 2 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .2 2 0 % 0 .9 3 7 % 2 .3 2 5 % 7 .5 2 9 % 3 4 .7 7 0 % 6 .0 0 2 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .2 2 8 % 0 .0 0 0 % 0 .0 0 0 % 0 .5 0 9 % 1 1 .9 7 1 % 1 .4 0 8 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 9 0 % 0 .1 9 7 % 0 .1 1 2 % 8 .6 2 8 % 0 .8 9 0 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 8 4 % 0 .1 7 0 % 0 .4 8 6 % 1 1 .6 5 4 % 1 .3 8 1 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 7 2 % 0 .5 2 0 % 0 .8 9 2 % 9 .5 2 6 % 1 .3 8 1 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .7 7 0 % 1 7 .0 3 0 % 2 .4 2 3 %2023 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .0 0 0 % 0 .1 6 0 % 2 .3 9 0 % 2 5 .7 3 0 % 3 .4 6 9 %自 2023年發(fā)生美國(guó)次貸危機(jī)，其后幾年全球各國(guó)經(jīng)濟(jì)均受影響，違約率普遍上升 上市公司 46個(gè)行業(yè)分類 新三板公司 35個(gè)行業(yè)分類 非上市公司 29個(gè)行業(yè)分類 行業(yè)上部 （企業(yè)值 行業(yè)均值） 2 高于平均 （企業(yè)值 行業(yè)均值） 1 行業(yè)底部 （企業(yè)值 行業(yè)均值） 2 低于平均 （企業(yè)值 行業(yè)均值） 1 行業(yè)均值 運(yùn)營(yíng)效率 2 高于平均 償 債能力 4 行業(yè)上部 流動(dòng)能力 3 行業(yè)底部部 企業(yè)整體 3 行業(yè)上部 Q1 Q2 Q3 行業(yè)底部 低于平均 高于平均 行業(yè)上部 01 02 03 04 按 3大財(cái)務(wù)模塊選取 24項(xiàng)財(cái) 務(wù)指標(biāo)，賦予不同的權(quán)重 企業(yè)各財(cái)務(wù)指標(biāo)同行業(yè)均 值比較，得到相對(duì)分?jǐn)?shù) 2 各模塊財(cái)務(wù)指標(biāo)分?jǐn)?shù)加總，再加總為企業(yè)整體相對(duì)分?jǐn)?shù) 3 各模塊及整體相對(duì)分?jǐn)?shù)和行業(yè) 4分位數(shù)比較，得到企業(yè)各模塊和整體的相對(duì)信用風(fēng)險(xiǎn) 4 行業(yè)相對(duì)信用風(fēng)險(xiǎn)評(píng)價(jià)模型 行業(yè) 相對(duì)信用風(fēng)險(xiǎn)模型采用純 定量 財(cái)務(wù)指標(biāo)，同行業(yè)均值比較，得到企業(yè)在該行業(yè)的相對(duì)風(fēng)險(xiǎn)程度，避免了定性指標(biāo)的不客觀、不統(tǒng)一 3 財(cái)務(wù)指標(biāo)選取 最初選擇 72項(xiàng)財(cái)務(wù)指標(biāo)， 剔除不符會(huì)計(jì)理論和破產(chǎn)組 平均值變得更高或小于非破產(chǎn)組的平均值的后，最終 選用 42項(xiàng)財(cái)務(wù)指標(biāo) 1 財(cái)務(wù)數(shù)據(jù)收集 除引用 SP Capial IQ以及BVD OSIRIS財(cái)務(wù)數(shù)據(jù)，手工搜集 1990年以來(lái)全球非上市企業(yè)財(cái)務(wù)數(shù)據(jù) 除引用 SP Capial IQ以及BVD OSIRIS財(cái)務(wù)數(shù)據(jù)，手工搜集 1990年以來(lái)全球非上市企業(yè)財(cái)務(wù)數(shù)據(jù) 公司數(shù)量 破產(chǎn)數(shù)量 中國(guó) 15,400 3,900 亞太 78,300 5,300 北美 235,000 21,800 歐洲 3,896,000 412,000 非洲 57,000 1,350 全球 4,281,700 444,350 2 財(cái)務(wù)數(shù)據(jù)清理 ?剔除無(wú)有效日期的財(cái)務(wù)報(bào)表 ?剔除會(huì)計(jì)科目缺失的財(cái)務(wù)報(bào)表 ?剔除會(huì)計(jì)科目勾稽關(guān)系不匹配 的財(cái)務(wù)報(bào)表 ?剔除被披露造假的財(cái)務(wù)報(bào)表 ?剔除涉嫌造假的財(cái)務(wù)報(bào)表 ?剔除破產(chǎn)前 1年財(cái)務(wù)指標(biāo)不符 合會(huì)計(jì)理論而突變的財(cái)務(wù)指標(biāo) 中小企業(yè)信用評(píng)級(jí)模型 財(cái)務(wù)指標(biāo)選取 由于線性判別模型 (MDA)和二元判別模型（ Logit）要求破產(chǎn)和非破產(chǎn)財(cái)務(wù)數(shù)據(jù)參數(shù)必須符合正態(tài)分布和方差齊性，但現(xiàn)實(shí)并非如此；因此選擇非參數(shù)方法的 CART（分類和回歸樹）模型以及遺傳算法的手動(dòng)交叉技術(shù)來(lái)選擇財(cái)務(wù)變量 ,程序選用 SPlus算法、CART算法、 。 參數(shù)模型和非參數(shù)模型比較 CART模型 將 獨(dú)立 的財(cái)務(wù)指標(biāo) 變量 具有 樹的形式， 樹的根部 具有高分支 權(quán)重，將財(cái)務(wù)數(shù)據(jù)分為破產(chǎn)公司和非破產(chǎn)公司。 但是，高分支權(quán)重不意味著顯著性來(lái)判別破產(chǎn)。 從會(huì)計(jì)科目的觀點(diǎn) 解釋每個(gè)指標(biāo)是非常重要的。同時(shí)考慮財(cái)務(wù)指標(biāo)的波動(dòng)和企業(yè)行為最終來(lái)判別破產(chǎn)企業(yè)。 樹分支和財(cái)務(wù)解釋破產(chǎn) 當(dāng)財(cái)務(wù)指標(biāo)小于某個(gè)數(shù)值時(shí)，分布在樹的左邊，意味著可能破產(chǎn)；當(dāng)財(cái)務(wù)指標(biāo)大于某個(gè)數(shù)值時(shí)，分布在樹的右邊，意味著不可能破產(chǎn)；因此，企業(yè)群組就被分成兩個(gè)群組，破產(chǎn)群組（樹的左邊）和非破產(chǎn)群組（樹的右邊） 樹分支分出破產(chǎn)和非破產(chǎn)群組 中小企業(yè)信用評(píng)級(jí)模型 預(yù)測(cè)模型選取 中小企業(yè)信用評(píng)級(jí)模型 CART非參數(shù)選取 164 / 2271 N
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1