個體工商戶作為民營經濟的重要組成部分,是我國經濟體制改革和市場經濟發(fā)展過程中形成的特殊經濟主體,對經濟發(fā)展做出了重要貢獻,是經濟活動不可缺少的“毛細血管”。截至2019年底,我國在工商登記注冊的個體工商戶共有8261萬戶,占到全部市場主體（12339.5萬戶）的66.95%,工商登記注冊的個體工商戶就業(yè)人員達到16935.05萬人,其中,農村個體從業(yè)者達到5859.5萬人,占到全部工商登記的私營個體就業(yè)人數的34.6%。作為農村金融客戶中數量最多、分布最廣泛的群體之一,農村個體工商戶的金融需求對整個農村金融的發(fā)展具有重要影響。但是,與企業(yè)相比,農村個體工商戶經營規(guī)模小、信息不透明、風險測算難度大,所以銀行更傾向于貸款給資信水平更高的企業(yè),導致融資難成為制約農村個體工商戶發(fā)展的瓶頸,進而影響了我國農村經濟的發(fā)展。提升金融服務支持鄉(xiāng)村振興、推進農村金融改革發(fā)展的關鍵是要緩解農村個體工商戶的貸款難題,因此,本文通過構建適合農村個體工商戶的信用風險評價指標體系,對具有高判別能力的評價指標及指標的關鍵特征進行分析,系統(tǒng)梳理和探析信用評價指標與違約損失率之間的規(guī)律性聯(lián)系,為緩解農村個體工商戶融資約... 

【文章來源】：西北農林科技大學陜西省 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：62 頁

【學位級別】：碩士

【部分圖文】：

技術路線

西北農林科技大學碩士學位論文24由于隨機森林的重要性排序功能的實現過程類似于一個黑箱，所以只能得到變量的重要性得分，結果如圖3-1所示。圖3-1商戶信用評價指標隨機森林重要性排序Fig.3-1Randomforestimportancescoreofmerchantcreditevaluationindex根據隨機森林重要性排序功能得出的結果，本文基于選取的指標既是對商戶貸款主體信用風險具有較大影響，又需要保持商戶信用風險評價指標體系簡潔性的雙重目標，保留隨機森林重要性得分大于0.02的指標用于構建商戶信用風險評價指標體系。最終構建的指標體系如表3-3所示。表3-3商戶信用風險評價指標體系Table3-3Merchantcreditriskevaluationindexsystem序號準則層指標名稱重要性得分1商戶基本信息X13從事行業(yè)0.06272X1學歷0.02133X4年齡0.02494X52經營面積0.02735X51經營年限0.02266商戶家庭情況X20貸款用途0.04337X19家庭支出0.03028X15成員人數0.02529償債能力X41總資產0.026910X30流動比率0.039811X36月本行還貸比0.058612X34月他行還貸比0.024313盈利能力X53人均營收0.057914X40銷售凈利率0.052315X39平均營業(yè)收入0.02416X43月凈收入0.023517X50經營費用0.0214

西北農林科技大學碩士學位論文29近年來，有學者的研究發(fā)現違約損失率的分布較為特殊，呈現出極度偏斜與雙峰的特點(SteffenandDaniel，2017；JenniferBetzetal.，2018)。將本文采用的樣本商戶的違約損失率繪制成Q-Q圖(如圖4-1所示)，可以看出違約損失率的散點沒有全部落在回歸直線上，取對數后也是如此，因此認為其分布存在非正態(tài)、非對稱和厚尾特征，并且樣本值主要集中在0或1附近，表現為給銀行造成嚴重損失和基本沒有給銀行造成損失這兩個極端情況的商戶數量占到多數，而違約損失率介于這之間的，表明給銀行造成的損失程度存在差異，靠近0和靠近1的違約損失率給銀行造成的損失明顯不同。在這種情況下，側重對解釋變量均值進行解釋的OLS回歸會忽視大量信息，因此，本文采用分位數回歸模型，在第三章遴選出的評價指標中，進一步挖掘指標的關鍵特征，深入分析商戶違約損失率不同分位點上關鍵指標的影響差異。為更加直觀和全面地的反映出違約損失率不同的貸款商戶，其影響因素之間的差異及變化過程，選取0.1至0.9的9個分位點進行實證分析。圖4-1商戶小額貸款違約損失率(LGD)的分位數分布Fig.4-1Quantiledistributionofsmallloanlossgivendefault(LGD)ofmerchants觀察表4-1，可以看出商戶信用風險評價指標體系標準化后的指標數據分布明顯非正態(tài)，例如，家庭支出這一指標標準化后的數據均值為0.8733，更接近于1，而銷售凈利率這一指標標準化后的數據均值為0.1635，更接近于0。全部指標的J-B統(tǒng)計量對應的P值均在1%的水平下顯著，由此證明分位數回歸對本文選取的樣本數據是適用的。表4-1商戶信用風險評價指標描述性統(tǒng)計Table4-1Descriptivestatisticsofmerchantcreditriskassessmentindicators變量類型變量均值中位數標準差J-B統(tǒng)計量P值LGD0.0

【參考文獻】：
期刊論文
[1]基于平滑擴充原理的商業(yè)銀行信用風險評級模型及實證[J]. 杜永強,石寶峰.  運籌與管理. 2019(06)
[2]違約損失率影響因素研究[J]. 侯甜甜,黃海波,汪翀.  區(qū)域金融研究. 2019(03)
[3]農戶信貸違約特征影響因素研究[J]. 姚宇韜,王躍堂,張潤馳.  現代經濟探討. 2018(11)
[4]信貸抑制類型識別及政策影響:千村調查證據[J]. 馬文杰,徐曉萍.  金融研究. 2018(09)
[5]基于ELECTRE III的農戶小額貸款信用評級模型[J]. 石寶峰,王靜.  系統(tǒng)管理學報. 2018(05)
[6]中小商業(yè)銀行信用風險防范研究——以山西省為例[J]. 馬華忠,寇衛(wèi)東.  河北金融. 2018(09)
[7]基于分位數回歸模型的債務違約損失預測[J]. 吳建華,張穎,王新軍.  證券市場導報. 2018(08)
[8]含關鍵特征的顯著Co-location模式挖掘研究[J]. 方圓,王麗珍,周麗華.  數據采集與處理. 2018(04)
[9]基于隨機森林算法的兩階段變量選擇研究[J]. 馮盼峰,溫永仙.  系統(tǒng)科學與數學. 2018(01)
[10]供應鏈金融模式下中小企業(yè)信用風險評價及其風險管理研究[J]. 范方志,蘇國強,王曉彥.  中央財經大學學報. 2017(12)

博士論文
[1]基于違約損失率的小企業(yè)信用風險評級研究[D]. 趙志沖.大連理工大學 2017

碩士論文
[1]基于違約損失顯著判別的兼業(yè)型農戶信用評價研究[D]. 董丹陽.西北農林科技大學 2019
[2]基于隨機森林兩階段逐步變量選擇算法的研究及應用[D]. 馮盼峰.福建農林大學 2016
[3]基于模糊概念格的視頻特征挖掘算法研究[D]. 馮向玲.西安電子科技大學 2012
[4]刑事犯罪特征數據挖掘的關鍵技術和系統(tǒng)設計[D]. 沈冬根.浙江大學 2008



本文編號：3083802