学位论文 > 优秀研究生学位论文题录展示

基于贝叶斯方法的小企业信用评分模型研究

作　者: 曾文潮
导　师: 胡军华
学　校: 中南大学
专　业: 金融学
关键词: 拒绝推论贝叶斯界定折叠法信用评分模型 logistic回归小企业
分类号: F830.5
类　型: 硕士论文
年　份: 2012年
下　载: 34次
引　用: 0次
阅　读: 论文下载

内容摘要

在小企业信用评分过程中经常出现非随机样本选择现象,该现象的产生是由于银行信贷筛选过程中会导致一部分被拒绝企业的违约行为不能被观测。数据缺失和样本选择性偏差可能导致模型参数估计有偏,从而对模型的预测能力产生较大影响。因此如何降低样本有偏问题是研究信用评分模型的重要内容之一。根据大量文献可以看出,一般的解决方法是拒绝推断技术但大多数效果不甚理想。本文采用Sebasbiani口Ramoni (2000)基于贝叶斯理论提出的界定折叠法(Bound and Collapse, BC法),结合银行信贷筛选过程,构建出一种全新的拒绝推断方法。该方法的原理是不论缺失数据机制如何,都可将缺失数据的参数估计通过某些极端分布限定在一定区间内。区间的上下限由完全集内的数据计算得出。而当缺失数据的机制可知时,区间内的信息将由非响应概率模型计算并最终获得某个单值估计。BC法的第二步是将该区间坍塌成一个对于缺失数据的估计值。通过该方法,包含有样本信息的数据将对缺失数据进行填补,从而获得完整数据样本为小企业信用评分模型的演化做准备。本文利用2003年美国小企业金融调研数据作为样本,对模型的预测力和效果进行检验与评价。首先,对第一个子样本做logistic回归构建信用评分模型,将该模型运用到第二个子样本,模拟银行信贷筛选,并产生经过信贷筛选后的选择样本。然后,基于有偏样本构建信用评分演化模型以验证其分类能力减弱甚至丧失的假设。最后,利用外部信息和内部信息来估计缺失值,并对选择样本中的每一个缺失值进行填补从而构成完整样本。利用这种拒绝推断技术的模型将与包含有全部数据的标准模型以及对缺失数据不做任何处理的审查模型进行比较。为了检验模型的鲁棒性,本文设置两种筛选率,不同的筛选率代表着样本数据缺失程度不同和样本选择性偏差不同,并分别采用KS检验、布莱尔评分、ROC曲线三种评估方法对模型进行检验。结果表明,贝叶斯界定折叠法在小企业信用评分演化模型中的应用能有效提高模型分类能力,是在非随机数据缺失机制下解决样本偏差问题的有效途径。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-20
  1.1 研究背景和意义  8-11
    1.1.1 研究背景  8-10
    1.1.2 研究意义  10-11
  1.2 研究文献综述  11-15
    1.2.1 小企业信用评分模型构建  11-13
    1.2.2 贝叶斯方法在信用风险评估中的应用  13-14
    1.2.3 小企业信用评分模型中缺失样本数据的处理  14-15
  1.3 有关概念界定  15-18
    1.3.1 小企业及其划分标准  15-17
    1.3.2 信用评分法  17-18
  1.4 论文主要研究内容及结构安排  18-20
    1.4.1 主要研究内容及创新点  18
    1.4.2 本文结构安排  18-20
第二章小企业信用评分模型研究理论基础  20-36
  2.1 小企业信用评分模型构建过程  21-23
  2.2 小企业信用评分模型分类  23-27
    2.2.1 统计方法构建的信用评分模型  24-25
    2.2.2 非统计方法构建的信用评分模型  25-27
  2.3 问题样本数据的解决办法  27-31
    2.3.1 样本数据缺失(Data missing)  27-28
    2.3.2 样本数据不平衡(Data Unbalanced)  28-29
    2.3.3 拒绝偏差问题(Reject Bias)  29-31
  2.4 贝叶斯方法  31-36
    2.4.1 贝叶斯网络基本概念  31-33
    2.4.2 贝叶斯网络视角下的拒绝推论  33-36
第三章银行信贷筛选模拟  36-48
  3.1 样本数据描述  36-38
  3.2 基于LOGISTIC回归的小企业信用评分模型构建  38-47
    3.2.1 Logistic模型的基本原理及用于信用评分模型的适用性  38-40
    3.2.2 小企业信用评分指标体系的构建  40-42
    3.2.3 样本数据描述性结果与分析  42-43
    3.2.4 建立基于Logistic回归的小企业信用评分模型  43-45
    3.2.5 模型评价  45-47
  3.3 银行信贷筛选模拟  47-48
第四章引入界定折叠贝叶斯方法的信用评分模型研究  48-66
  4.1 信用评分模型分类能力的丧失  48-51
  4.2 贝叶斯界定折叠法的基本思想  51-53
  4.3 引入贝叶斯界定折叠法的小企业信用评分模型  53-59
    4.3.1 引入界定折叠法的信用评分模型构造  53-57
    4.3.2 缺失样本数据估计  57-59
  4.4 模型效果评价  59-66
    4.4.1 模型检验方法介绍  59-61
    4.4.2 检验结果比较  61-66
第五章结论与展望  66-70
  5.1 本文主要结论  66-67
  5.2 正确使用小企业信用评分模型  67-68
  5.3 其他方面  68
  5.4 本文研究不足  68-70
参考文献  70-75
致谢  75-76
攻读学位期间主要的研究成果  76

基于贝叶斯方法的小企业信用评分模型研究

内容摘要

全文目录

相似论文