以已評級企業(yè)為依據(jù),利用偏相關(guān)系數(shù)和Wald統(tǒng)計(jì)量遴選出一套最能代表企業(yè)信息的指標(biāo)體系作為解釋變量,以外部評級作為被解釋變量,找出企業(yè)信息與其外部評級之間的動(dòng)態(tài)權(quán)重映射關(guān)系;再將這種關(guān)系應(yīng)用到未評級企業(yè),從而評估未評級企業(yè)的信用等級。實(shí)證結(jié)果表明,動(dòng)態(tài)權(quán)重模型在樣本內(nèi)外的評級準(zhǔn)確度和可靠性均顯著優(yōu)于傳統(tǒng)靜態(tài)權(quán)重的OLS和有序Probit模型,新模型在樣本外的平均誤差僅為0.11,各評級檔次犯第1類錯(cuò)誤的概率比傳統(tǒng)模型低20%�；趧�(dòng)態(tài)權(quán)重模型獲得的新企業(yè)評級與原企業(yè)的外部評級具有可比性,可作為外部機(jī)構(gòu)評級的合理補(bǔ)充,為市場提供更全面、及時(shí)的評級信息。 

【文章來源】：系統(tǒng)管理學(xué)報(bào). 2019,28(02)北大核心CSSCICSCD

【文章頁數(shù)】：9 頁

【文章目錄】：
1 傳統(tǒng)信用評級模型概述
    1.1 OLS回歸
    1.2 有序Probit回歸
2 基于遺傳算法的動(dòng)態(tài)權(quán)重最優(yōu)化模型
    2.1 構(gòu)建指標(biāo)體系
    2.2 構(gòu)建指標(biāo)體系
        (1) 將篩選的每個(gè)財(cái)務(wù)指標(biāo)映射到標(biāo)準(zhǔn)正態(tài)分布進(jìn)行規(guī)范化處理
        (2) 將規(guī)范化的財(cái)務(wù)指標(biāo)映射到對應(yīng)隱含評級 (分段線性插值) :
        (3) 定義權(quán)重函數(shù):
        (4) 定義每個(gè)財(cái)務(wù)指標(biāo)對應(yīng)的最終權(quán)重:
        (5) 加入行業(yè)、企業(yè)性質(zhì)等啞變量:
        (6) 定義目標(biāo)函數(shù)。
        (7) 實(shí)施遺傳算法求解最優(yōu)化問題。
3 模型實(shí)證
    3.1 數(shù)據(jù)說明
    3.2 指標(biāo)體系的構(gòu)建
    3.3 樣本內(nèi)表現(xiàn)
    3.4 樣本外表現(xiàn)
4 結(jié) 語


【參考文獻(xiàn)】：
期刊論文
[1]基于Probit回歸的小企業(yè)債信評級模型及實(shí)證[J]. 遲國泰,張亞京,石寶峰.  管理科學(xué)學(xué)報(bào). 2016(06)
[2]回歸公信:評級的角色定位與機(jī)制建設(shè)[J]. 李振宇.  金融市場研究. 2016(04)
[3]中國債券市場發(fā)展中熱點(diǎn)問題及其認(rèn)識(shí)[J]. 徐忠.  金融研究. 2015(02)
[4]信用評級機(jī)構(gòu)可以提供增量信息嗎——基于短期融資券的實(shí)證檢驗(yàn)[J]. 沈紅波,廖冠民.  財(cái)貿(mào)經(jīng)濟(jì). 2014(08)
[5]一個(gè)基于小樣本的銀行信用風(fēng)險(xiǎn)評級模型的設(shè)計(jì)及應(yīng)用[J]. 遲國泰,潘明道,齊菲.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2014(06)
[6]評級高估與低估:論國際信用評級機(jī)構(gòu)“順周期”行為[J]. 夏凡,姚志勇.  金融研究. 2013(02)
[7]基于Bayes判別模型和Logistic回歸模型的銀行監(jiān)管評級研究[J]. 周小君.  金融監(jiān)管研究. 2012(08)
[8]國內(nèi)外企業(yè)信用評級指標(biāo)體系研究的新關(guān)注[J]. 侯昊鵬.  經(jīng)濟(jì)學(xué)家. 2012(05)
[9]信用評級在中國債券市場的影響力[J]. 何平,金夢.  金融研究. 2010(04)
[10]基于五級分類支持向量機(jī)集成的商業(yè)銀行信用風(fēng)險(xiǎn)評估模型研究[J]. 吳沖,夏晗.  預(yù)測. 2009(04)



本文編號：3309902