民營企業(yè)作為我國特色社會主義市場經(jīng)濟(jì)的重要組成部分,為經(jīng)濟(jì)發(fā)展做出了不可磨滅的貢獻(xiàn),但同時民營企業(yè)往往因自身信用資質(zhì)不足而不受到資金方信賴。自2016年四季度起,我國宏觀經(jīng)濟(jì)市場先后經(jīng)歷了“金融去杠桿”、“金融穩(wěn)杠桿,布局經(jīng)濟(jì)去杠桿”以及“經(jīng)濟(jì)去杠桿”這三個階段。201 8年初至今的政府嚴(yán)監(jiān)管加上金融嚴(yán)監(jiān)管對企業(yè)融資和經(jīng)營造成了相當(dāng)程度的影響,部分民營企業(yè)在先前寬松政策環(huán)境下通過發(fā)行債券大量舉債盲目擴(kuò)張,寄希望未來可通過自身財務(wù)彈性或再融資償還債務(wù)。但隨著目前監(jiān)管政策趨嚴(yán),企業(yè)資金周轉(zhuǎn)面臨困難導(dǎo)致債券難以置換或者續(xù)期,從而引發(fā)債券市場大面積“違約潮”的發(fā)生。在風(fēng)險評估領(lǐng)域,傳統(tǒng)定量分析主要依靠個人主觀判斷,通常導(dǎo)致結(jié)果不夠準(zhǔn)確。但隨著相關(guān)模型理論的發(fā)展,逐漸將相關(guān)因素進(jìn)行量化分析,提出了線性判別、Logistics回歸模型以及KMV模型,再到后來基于大數(shù)據(jù)的統(tǒng)計學(xué)習(xí)模型。上世紀(jì)九十年代,Vapnic在統(tǒng)計學(xué)習(xí)理論基礎(chǔ)上提出支持向量機(jī)模型,該模型不僅具有小樣本學(xué)習(xí)能力,并且善于解決非線性、高維度、過擬合等傳統(tǒng)難題。集成學(xué)習(xí)通過一定算法訓(xùn)練產(chǎn)生若干個具有差異性的子學(xué)習(xí)器,通過特定方式進(jìn)行合... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１近年來債券違約數(shù)量及違約規(guī)模??

圖２．１?２０１５年－２０１７年我國債券市場發(fā)行情況??債券發(fā)行種類來看，金融債券發(fā)行規(guī)模占比超過半數(shù)，達(dá)到２５．８１??萬億。金融債發(fā)行主體多為商業(yè)銀行及政策性銀行，其中政策性銀行??包括進(jìn)出口銀行、國開銀、業(yè)展銀。業(yè)銀行金包??

?２０１７?年??＊發(fā)行期數(shù)（期）ｋ發(fā)行規(guī)模（億元）??圖２．１?２０１５年－２０１７年我國債券市場發(fā)行情況??債券發(fā)行種類來看，金融債券發(fā)行規(guī)模占比超過半數(shù)，達(dá)到２５．８１??萬億。金融債發(fā)行主體多為商業(yè)銀行及政策性銀行，其中政策性銀行??包括進(jìn)出口銀行、國家開發(fā)銀行、農(nóng)業(yè)發(fā)展銀行。商業(yè)銀行金融債包??括金融債及二級資本債，目的多為補(bǔ)充銀行核心及二級資本以應(yīng)對監(jiān)??管部門考核。其次規(guī)模較大為政府債券以及信用債券，發(fā)行規(guī)模分別??為８３，５１３億元及５６，３５２億元。??金融債與政府債券由于發(fā)行主體信用級別高可保證其安全性。債??券違約主要集中于非金融企業(yè)所發(fā)行的信用債券，信用債券根據(jù)交易??場所可分為銀行間市場流通的短期融資券（包括超短期融資券）、中期??票據(jù)以及定向融資工具，交易所市場流通的公司債券、資產(chǎn)支持證券??９??

【參考文獻(xiàn)】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的股票指數(shù)預(yù)測模型比較[J]. 彭望蜀.  南方金融. 2013(01)
[2]基于SVM的我國商業(yè)銀行風(fēng)險預(yù)警研究[J]. 陳朝暉,胡玉芳.  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2012(04)
[3]基于MF-Logistic模型的銀行信用風(fēng)險壓力測試[J]. 李關(guān)政.  金融理論與實踐. 2012(01)
[4]財務(wù)困境預(yù)測中的變量篩選——基于平均影響值的SVM方法[J]. 盧永艷,王維國.  系統(tǒng)工程. 2011(08)
[5]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的企業(yè)信用風(fēng)險評估模型研究[J]. 董槐林,郭陽,鄭宇輝.  計算機(jī)與現(xiàn)代化. 2009(04)
[6]商業(yè)銀行信用風(fēng)險模型的比較及其借鑒[J]. 曹道勝,何明升.  金融研究. 2006(10)
[7]基于BP神經(jīng)網(wǎng)絡(luò)的制造業(yè)上市公司財務(wù)預(yù)警[J]. 張根明,向曉驥,孫敬宜.  山東工商學(xué)院學(xué)報. 2006(04)
[8]賣空、保證金與最優(yōu)投資組合[J]. 王永巧,汪壽陽.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2006(03)
[9]用遺傳神經(jīng)網(wǎng)絡(luò)模型預(yù)測公司財務(wù)困境[J]. 姚宏善,沈軼.  華中師范大學(xué)學(xué)報(自然科學(xué)版). 2005(02)
[10]基于Bagging的選擇性聚類集成[J]. 唐偉,周志華.  軟件學(xué)報. 2005(04)

博士論文
[1]經(jīng)濟(jì)周期中我國民營企業(yè)融資問題研究[D]. 韓春明.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014
[2]我國中小企業(yè)信貸約束問題研究[D]. 潘鵬杰.哈爾濱工程大學(xué) 2012
[3]集成學(xué)習(xí)中有關(guān)算法的研究[D]. 張春霞.西安交通大學(xué) 2010

碩士論文
[1]行業(yè)視角下公司債券違約風(fēng)險度量研究[D]. 楊東梅.中國科學(xué)技術(shù)大學(xué) 2017
[2]基于SVM的銀行間同業(yè)拆借利率預(yù)測方法研究[D]. 曹文松.湖南大學(xué) 2010
[3]基于SVM的商業(yè)銀行信用風(fēng)險模型研究[D]. 王艾婷.天津大學(xué) 2009
[4]基于支持向量機(jī)的上市公司財務(wù)危機(jī)預(yù)警研究[D]. 宋姣.哈爾濱工業(yè)大學(xué) 2007
[5]基于模糊積分集成支持向量機(jī)的商業(yè)銀行信用風(fēng)險評價模型研究[D]. 周振華.哈爾濱工業(yè)大學(xué) 2006



本文編號：3329022