中国高校人文社会科学信息网

《商业银行信用风险测度方法研究与应用》学术论文

 
项目信息
对应的项目名称: 商业银行信用风险测度方法研究与应用
学科: 统计学
项目类别: 教育部人文社会科学研究一般项目
项目负责人:王小明
项目依托高校:上海财经大学
成果信息
成果名称: 《商业银行信用风险测度方法研究与应用》学术论文
作者(含主要成员):王小明,K. C. Carriere

  最终成果摘要报告

  本项目包含两个方面的研究工作:(1)致力于探讨适合我国国情的信用风险度量模型并与国外常见的违约概率测度模型进行比较;(2)在理论上研究相关的模型变量的自动选择方法。
  
  违约概率模型的研究
  
  论文《关于一类广义可加违约概率模型的探讨》研究了一类基于广义可加模型的信用风险度量方法,包括Weibull模型,Logistic模型和Probit模型。论文《基于正则化BP网络的商业银行信用风险评估》探讨了一种基于“二次加罚+网络剪枝”的正则化BP网络技术,用以解决神经网络方法应用中存在的网络结构复杂、容易出现过拟合等问题。论文《关于企业信用评级问题的初步探讨》建立了企业财务指标与信用等级之间的多项-Logistic判别分析模型。
  
  
  模型变量的自动选择方法研究
  
  在论文《Exponential-bound Property of Estimators and Variable Selection in Generalized Additive Model》中,我们结合边际积分方法与wild-bootstrap方法提出了一种广义可加模型变量选择的直接检验方法。在论文《A Simple and Effective Method for Variable Selection in Additive Models》中,我们针对可加模型提出一种更为方便快捷的变量选择方法。在论文《LS-SVM的GCV模型选择方法与快速算法》,我们采用AIC,BIC以及GCV模型选择方法,有效解决了最小二乘-支持向量机的计算效率问题。论文《Variable selection via mixed penalization for high- dimensional data analysis》提出了解决高维数据挑战的一种混合加法方法。
  
  
  本项目两方面的研究都是国内外的前沿问题。自从美国次贷危机爆发以来,信用风险管理问题已经成为国际金融界最为重要的问题之一。虽然本项目的研究并不涉及任何国际金融管理制度问题,但恰当的风险度量方法是信用风险有效管理的基础。本项目给出的一类基于广义可加模型的信用风险度量方法,基于“二次加罚+网络剪枝”的正则化BP网络技术以及多项Logistic信用判别模型都具有较好的实际应用价值; 从理论层面研究有效的模型选择方法以及变量选择方法也是实际中经常遇到和必须解决的问题。本项目给出的广义可加模型变量选择方法以及高维数据分析中变量选择的混合惩罚方法都是针对现代统计研究中的热点问题提出的,这些方法具有很好的基础理论价值和广泛的实践指导意义,对建立有效的信用风险模型也具有积极的指导意义。