征信機(jī)制通過(guò)共享信息主體的信用信息,幫助市場(chǎng)主體做出決策,控制信用風(fēng)險(xiǎn),實(shí)現(xiàn)交易的激勵(lì)和約束。在當(dāng)前的經(jīng)濟(jì)背景下,征信機(jī)制如何進(jìn)一步支持小微企業(yè)融資發(fā)展是建設(shè)征信體系的重點(diǎn)。本文基于征信機(jī)制及替代信息視角,分析了征信對(duì)金融機(jī)構(gòu)信貸決策的作用,探索征信支持小微企業(yè)發(fā)展的有效路徑。 

【文章來(lái)源】：金融縱橫. 2020,(06)

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

洛倫茲曲線

ROC曲線之下的面積被稱為C-統(tǒng)計(jì)量。C-統(tǒng)計(jì)量大于或等于0.75時(shí),建立的行為評(píng)分卡是可靠的。最終模型C-統(tǒng)計(jì)量為0.86,是可以接受的(見(jiàn)圖2)。3.K-S曲線和統(tǒng)計(jì)量

K-S曲線中的最大值被稱為K-S統(tǒng)計(jì)量,其取值在0到1之間,K-S統(tǒng)計(jì)量是累計(jì)實(shí)際好壞企業(yè)比率差值的最大值,值越大代表模型的劃分能力越強(qiáng),一般模型的K-S統(tǒng)計(jì)量在0.2—0.7之間。最終模型K-S統(tǒng)計(jì)量為0.60,屬于較好水平(見(jiàn)圖3)。采用預(yù)先準(zhǔn)備好的檢驗(yàn)樣本對(duì)模型進(jìn)行檢驗(yàn),選取0.6作為違約概率閾值,模型預(yù)測(cè)概率大于0.6即為預(yù)測(cè)違約,小于0.6則為預(yù)測(cè)正常,檢驗(yàn)結(jié)果見(jiàn)表4。

【參考文獻(xiàn)】：
期刊論文
[1]基于征信大數(shù)據(jù)的替代信用評(píng)分[J]. 劉新海,曲丹陽(yáng).  征信. 2016(03)
[2]企業(yè)負(fù)責(zé)人背景特征與信貸違約行為間關(guān)系的實(shí)證研究——基于大連地區(qū)小企業(yè)的信貸數(shù)據(jù)[J]. 程硯秋,遲國(guó)泰.  技術(shù)經(jīng)濟(jì). 2015(03)
[3]小企業(yè)信用評(píng)估的模型構(gòu)建與實(shí)證分析[J]. 馬曉青,劉莉亞,胡乃紅,王靜.  財(cái)經(jīng)研究. 2012(05)
[4]我國(guó)中小企業(yè)信貸風(fēng)險(xiǎn)識(shí)別因子的有效性分析——基于北京地區(qū)中小企業(yè)的信貸數(shù)據(jù)[J]. 郭小波,王婉婷,周欣.  國(guó)際金融研究. 2011(04)
[5]Logistic違約率模型的最優(yōu)樣本配比與分界點(diǎn)研究[J]. 石曉軍,肖遠(yuǎn)文,任若恩.  財(cái)經(jīng)研究. 2005(09)

博士論文
[1]我國(guó)小微企業(yè)貸款信用風(fēng)險(xiǎn)評(píng)估模型研究[D]. 張潤(rùn)馳.南京大學(xué) 2018
[2]商業(yè)銀行小微企業(yè)違約風(fēng)險(xiǎn)管控及違約概率估計(jì)模型研究[D]. 王粟旸.南京大學(xué) 2014
[3]征信體制建設(shè)及其對(duì)金融的影響[D]. 耿得科.浙江大學(xué) 2012

碩士論文
[1]大數(shù)據(jù)背景下的個(gè)人征信研究[D]. 侯萌.對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué) 2016



本文編號(hào)：3027155