發(fā)布時(shí)間：2020-12-12 16:22

　　信用風(fēng)險(xiǎn)即違約風(fēng)險(xiǎn),是指借款人因主觀原因不愿或無(wú)力履行合同約定,而造成違約,致使銀行等金融機(jī)構(gòu)、投資者遭受損失的可能性。企業(yè)的違約預(yù)測(cè)是在目前的時(shí)刻推斷企業(yè)未來(lái)時(shí)刻的違約概率。根據(jù)違約預(yù)測(cè)結(jié)果,公司的利益相關(guān)者可以調(diào)整投資策略以避免信用風(fēng)險(xiǎn)和信用危機(jī)。本研究是基于決策樹最優(yōu)組合的違約預(yù)測(cè)模型的研究,包括五部分內(nèi)容:第一章是緒論。第二章是基于決策樹最優(yōu)組合的違約預(yù)測(cè)模型的基本原理。第三章是基于決策樹最優(yōu)組合的違約預(yù)測(cè)模型的構(gòu)建。第四章是以中國(guó)上市公司為例的實(shí)證研究。第五章是結(jié)論。本研究的研究重點(diǎn)包括:一是在典型的隨機(jī)欠采樣方法中,若違約樣本和非違約樣本的數(shù)量比例不同,則模型的預(yù)測(cè)精度不一樣�？陀^上必然存在一個(gè)最優(yōu)的樣本比例,使模型的違約預(yù)測(cè)精度最高。二是在決策樹組合模型中,若決策樹模型的個(gè)數(shù)不同,則預(yù)測(cè)的精度也不一樣�？陀^上必然存在一個(gè)最優(yōu)的決策樹個(gè)數(shù),使預(yù)測(cè)精度最高。三是模型的預(yù)測(cè)期問題。例如貸款決策發(fā)生在過(guò)去或現(xiàn)在,企業(yè)還款發(fā)生在將來(lái),這樣看來(lái)用當(dāng)年的數(shù)據(jù)和當(dāng)年的企業(yè)違約狀態(tài)進(jìn)行違約判別就沒有意義,模型的違約預(yù)測(cè)期限太短,作用不大。本研究的特色與創(chuàng)新包括:一是在遍歷違約企業(yè)與非違約企... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 選題背景及意義
        1.1.1 選題背景
        1.1.2 選題意義
    1.2 研究綜述
        1.2.1 信用違約判別模型研究現(xiàn)狀
        1.2.2 非平衡數(shù)據(jù)處理研究現(xiàn)狀
        1.2.3 預(yù)測(cè)期限研究現(xiàn)狀
    1.3 研究?jī)?nèi)容及框架
        1.3.1 研究?jī)?nèi)容與方法
        1.3.2 研究框架
2 基于決策樹最優(yōu)組合的違約預(yù)測(cè)模型的基本原理
    2.1 科學(xué)問題的性質(zhì)、難點(diǎn)及解決思路
        2.1.1 科學(xué)問題的性質(zhì)
        2.1.2 問題的難點(diǎn)
        2.1.3 解決問題的思路
    2.2 決策樹模型的基本原理
        2.2.1 決策樹模型的構(gòu)造
        2.2.2 決策樹模型的生成
    2.3 決策樹組合的構(gòu)建原理
    2.4 隨機(jī)欠采樣方法處理非平衡數(shù)據(jù)的基本原理
    2.5 本章小結(jié)
3 基于決策樹最優(yōu)組合的違約預(yù)測(cè)模型的構(gòu)建
    3.1 組合中單個(gè)決策樹模型的確定
    3.2 建立預(yù)測(cè)模型的樣本比例的選擇
    3.3 預(yù)測(cè)精度的檢驗(yàn)方法
    3.4 本章小結(jié)
4 實(shí)證分析
    4.1 數(shù)據(jù)來(lái)源和樣本選取
    4.2 指標(biāo)體系確定
    4.3 樣本分組及兩類客戶數(shù)量比例的確定
    4.4 基于決策樹最優(yōu)組合的預(yù)測(cè)模型的建立
        4.4.1 決策樹組合預(yù)測(cè)模型的構(gòu)建
        4.4.2 最優(yōu)數(shù)量比例的確定
        4.4.3 預(yù)測(cè)期限的確定
    4.5 對(duì)比分析
    4.6 信用特征分析
    4.7 本章小結(jié)
5 結(jié)論
    5.1 主要結(jié)論
    5.2 主要?jiǎng)?chuàng)新與特色
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]小微企業(yè)信用風(fēng)險(xiǎn)評(píng)估的IDGSO-BP集成模型構(gòu)建研究[J]. 胡賢德,曹蓉,李敬明,阮素梅,方賢.  運(yùn)籌與管理. 2017(04)
[2]基于改進(jìn)Adaboost的信用評(píng)價(jià)方法[J]. 蔣翠清,梁坤,丁勇,段銳.  運(yùn)籌與管理. 2017(02)
[3]供應(yīng)鏈金融視角下企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 蔣曼曼.  經(jīng)營(yíng)與管理. 2017(02)
[4]電商賣家信用評(píng)分的多因素校正模型及有效性檢驗(yàn)——以淘寶網(wǎng)為例[J]. 許啟發(fā),王陶,蔣翠俠,楊善林.  軟科學(xué). 2017(01)
[5]基于似然比檢驗(yàn)的工業(yè)小企業(yè)債信評(píng)級(jí)研究[J]. 趙志沖,遲國(guó)泰.  中國(guó)管理科學(xué). 2017(01)
[6]基于不均衡數(shù)據(jù)的小企業(yè)信用風(fēng)險(xiǎn)評(píng)價(jià)[J]. 程硯秋.  運(yùn)籌與管理. 2016(06)
[7]基于Probit回歸的小企業(yè)債信評(píng)級(jí)模型及實(shí)證[J]. 遲國(guó)泰,張亞京,石寶峰.  管理科學(xué)學(xué)報(bào). 2016(06)
[8]大數(shù)據(jù)背景下網(wǎng)絡(luò)借貸的信用風(fēng)險(xiǎn)評(píng)估——以人人貸為例[J]. 柳向東,李鳳.  統(tǒng)計(jì)與信息論壇. 2016(05)
[9]基于改進(jìn)SMOTE的小額貸款公司客戶信用風(fēng)險(xiǎn)非均衡SVM分類[J]. 衣柏衡,朱建軍,李杰.  中國(guó)管理科學(xué). 2016(03)
[10]基于差分進(jìn)化自動(dòng)聚類的信用風(fēng)險(xiǎn)評(píng)價(jià)模型研究[J]. 張大斌,周志剛,許職,李延暉.  中國(guó)管理科學(xué). 2015(04)



本文編號(hào)：2912901