亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        小微企業(yè)信用風險因素識別研究

        2022-03-19 23:07:33呂爽
        中國市場 2022年6期
        關鍵詞:隨機森林小微企業(yè)信用風險

        呂爽

        摘 要:小微企業(yè)在促進經濟增長、增加就業(yè)機會和創(chuàng)造產業(yè)等方面起到了重要作用。然而,小微企業(yè)的信用風險較高,給銀行造成貸款違約損失的可能性較大。文章以188家小微企業(yè)為研究對象,通過隨機森林方法對影響小微企業(yè)信用風險的關鍵因素進行識別,并確定關鍵指標的影響程度和影響方向。結果表明:水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟次數(shù)等企業(yè)行為信息是影響小微企業(yè)信用風險的關鍵因素,且均對企業(yè)信用風險具有正向影響。

        關鍵詞:小微企業(yè);隨機森林;信用風險

        中圖分類號:C29文獻標識碼:A文章編號:1005-6432(2022)06-0100-02

        DOI:10.13939/j.cnki.zgsc.2022.06.100

        1 引言

        近年來,隨著我國經濟結構和產業(yè)結構的不斷優(yōu)化調整,以及經濟向內生增長轉變,小微企業(yè)在促進經濟增長、增加就業(yè)機會和創(chuàng)造產業(yè)等方面發(fā)揮了重要的作用。然而,市場經營環(huán)境的不斷改變,致使小微企業(yè)逾期貸款不斷增多,商業(yè)銀行的貸款業(yè)務面臨的風險加大。因此,識別影響小微企業(yè)信用風險的關鍵因素、持續(xù)動態(tài)的捕獲貸款企業(yè)的風險信號、提前發(fā)現(xiàn)和判別企業(yè)風險,做出預警提示,減少因小微企業(yè)信用風險導致的貸款違約損失具有重要的意義。

        眾多學者開展了小微企業(yè)信用風險因素識別的研究,如曹明生(2015)[1]使用Logistic模型研究影響小微企業(yè)信用風險的因素,研究發(fā)現(xiàn)企業(yè)財務信息對小微企業(yè)信用風險具有重要影響。趙玉龍等(2017)[2]的研究認為企業(yè)自身特點、企業(yè)過度擴張和企業(yè)負債等是影響小微企業(yè)信用風險的主要因素。滿向昱等(2018)[3]采用Logistic模型進行研究,結果表明流動資產周轉率、銀行負債資產比等企業(yè)財務指標為影響我國中小微企業(yè)信用風險的重要因素。遲國泰等(2019)[4]實證分析小企業(yè)貸款數(shù)據(jù),結果表明速動比率、總資產增長率等企業(yè)財務信息顯著影響小企業(yè)信用風險。孫福兵等(2020)[5]運用Probit模型對小型農業(yè)企業(yè)進行信用風險影響因素識別,研究發(fā)現(xiàn)資產負債、營業(yè)利潤率等對信用風險具有重要影響。

        已有文獻的研究中,一方面,多將企業(yè)財務信息作為關注對象,對企業(yè)行為信息關注較少;另一方面,多使用傳統(tǒng)的回歸分析方法,極少使用流行的機器學習方法。因此,文章將企業(yè)行為信息引入小微企業(yè)信用風險因素識別研究中,并使用隨機森林方法這一機器學習方法,以便及早發(fā)現(xiàn)違約的前期預警信號,在企業(yè)違約前提前做好干預措施,從而有效管控小微企業(yè)的信用風險。

        2 數(shù)據(jù)選取與描述

        文章的研究對象是2020年1月至2020年12月在某商業(yè)銀行需要償還貸款的小微企業(yè)。文章選擇的小微企業(yè)為企業(yè)規(guī)模符合國家四部委規(guī)定的小型和微型企業(yè)認定標準的企業(yè)。

        對于因變量,文章將及時償還貸款的企業(yè)認定為“未違約企業(yè)”,記為0;將到期未償還貸款或延期償還貸款的企業(yè)認定為“違約企業(yè)”,記為1。文章獲取的小微企業(yè)總樣本數(shù)為188個,未違約的樣本數(shù)為144個,違約的樣本數(shù)為44個,樣本的違約率為23.4%。

        自變量分為兩類:第一類為企業(yè)財務變量,包含資產負債率、利潤增長率、速動比率、凈資產收益率和營業(yè)毛利潤率等;第二類為企業(yè)行為變量,包含企業(yè)過去12個月水電費發(fā)生異常的次數(shù)、過去12個月繳納稅金發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)等。

        3 實證研究

        隨機森林方法是當下流行的機器學習方法。它將若干個分類樹組合成隨機森林,顯著提高了預測精度。文章使用隨機森林方法對數(shù)據(jù)進行擬合,需要說明的是在擬合過程中需要對每次拆分時隨機選取變量個數(shù)以及樹的棵數(shù)等參數(shù)進行設定。文章通過設定不同的分叉樹和樹的棵數(shù)確定最優(yōu)的隨機變量個數(shù)和樹的棵數(shù),最終隨機變量個數(shù)為5,樹的棵數(shù)為1000。表2報告了變量重要性度量結果。由表2可知,重要性權重超過10%的指標有4個,且全部為企業(yè)行為變量,分別為:過去12個月水電費發(fā)生異常的次數(shù)(22.90%)、借新還舊次數(shù)(11.55%)、還款計劃變更次數(shù)(17.42%)和民事訴訟的次數(shù)(13.65%),這4個變量均屬于企業(yè)行為變量,且這4個指標的重要性權重之和超過了65%。這說明,企業(yè)經營行為是否合規(guī)對小微企業(yè)是否違約具有重要影響。

        選取重要性權重最大的4個變量:12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù),構建偏相關圖,考察4個變量對企業(yè)違約概率的影響方向和大小,如圖1所示。由圖1可知,12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)4個變量的增加都會顯著增加企業(yè)違約概率,這說明12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)4個變量對企業(yè)違約具有顯著的正向影響。

        為了更進一步研究企業(yè)行為變量對小微企業(yè)信用風險評估的重要性,本文分別構建不包含企業(yè)行為變量的數(shù)據(jù)集和包含企業(yè)行為變量的數(shù)據(jù)集,隨機將數(shù)據(jù)集分成兩部分(80%的數(shù)據(jù)集用作訓練數(shù)據(jù)集,20%用作測試數(shù)據(jù)集)進行100次模擬試驗,以證明加入企業(yè)行為變量是否能提高模型預測的準確性。表3報告了模型預測的結果。由表3可知,加入企業(yè)行為變量后,預測準確率由0.946提高到0.980,AUC值也由0.752提高到0.926;另外,對于第一類錯誤率和第二類錯誤率,加入企業(yè)行為變量后的第一類錯誤率和第二類錯誤率最低。因此,加入企業(yè)行為變量可以大大提高模型的預測性能。

        4 結論與啟示

        文章采用隨機森林方法實證研究了影響小微企業(yè)信用風險的關鍵因素,實證結果表明:12個月水電費發(fā)生異常的次數(shù)、借新還舊次數(shù)、還款計劃變更次數(shù)和民事訴訟的次數(shù)等企業(yè)行為變量是影響小微企業(yè)信用風險最關鍵的4個變量,且這4個變量均對企業(yè)違約具有正向影響。同時,進一步驗證了企業(yè)行為變量能夠顯著提高小微企業(yè)信用風險評估的預測精度。這為商業(yè)銀行對小微企業(yè)信用狀況的準確判斷提供了一定的借鑒與參考。

        參考文獻:

        [1]曹明生.基于Logistic模型的小微企業(yè)信用風險度量研究[J].時代金融, 2015(8):203-204.

        [2]趙玉龍, 鄧大松, 王林. 我國商業(yè)銀行小微企業(yè)信用風險成因分析[J].海南金融, 2017(6):68-73,82.

        [3]滿向昱, 張?zhí)煲悖?汪川, 等. 我國中小微企業(yè)信用風險因素識別及測度研究[J].中央財經大學學報, 2018(9):46-58.

        [4]遲國泰, 于善麗. 基于違約鑒別能力最大的信用等級劃分方法[J].管理科學學報, 2019, 22(11):106-126.

        [5]孫福兵,宋福根. 新型農業(yè)經營主體信貸風險的識別與防范研究[J].經濟縱橫, 2020(8):116-125.

        2480501705394

        猜你喜歡
        隨機森林小微企業(yè)信用風險
        淺析我國商業(yè)銀行信用風險管理
        遼寧經濟(2017年6期)2017-07-12 09:27:35
        隨機森林在棉蚜蟲害等級預測中的應用
        基于二次隨機森林的不平衡數(shù)據(jù)分類算法
        軟件(2016年7期)2017-02-07 15:54:01
        拱壩變形監(jiān)測預報的隨機森林模型及應用
        基于隨機森林算法的飛機發(fā)動機故障診斷方法的研究
        溫州小微企業(yè)融資環(huán)境及能力分析
        電子銀行解決小微企業(yè)融資難的問題研究
        “營改增”對小微企業(yè)的影響分析
        小微企業(yè)中員工激勵制度及流失管理
        京東商城電子商務信用風險防范策略
        當代經濟(2016年26期)2016-06-15 20:27:18
        国产一区二区一级黄色片| 欧美日韩一区二区三区自拍| 毛片免费在线观看网址| 精品久久久亚洲中文字幕| 永久无码在线观看| 婷婷开心五月综合基地| 成人亚洲av网站在线看| 午夜福利理论片在线观看播放 | 精品久久久无码人妻中文字幕豆芽| 无码午夜人妻一区二区三区不卡视频 | 亚洲av本道一本二本三区| 精品国产中文字幕久久久| 亚洲精品成人av在线| 亚洲一区二区三区偷拍女厕| 亚洲无码啊啊啊免费体验| 中文字幕一区二区av| 女女女女女裸体处开bbb| 久久久窝窝午夜精品| 国产精品情侣露脸av在线播放| 午夜宅男成人影院香蕉狠狠爱| 国产无套中出学生姝| 亚洲精品久久久久avwww潮水| 国产成人精品日本亚洲11| 国产在线精品一区在线观看| 粉嫩小泬无遮挡久久久久久 | 91l视频免费在线观看| 狠狠色噜噜狠狠狠8888米奇| 欧美怡红院免费全部视频| 久久精品无码专区东京热| 91日本在线精品高清观看| 亚洲三级中文字幕乱码| 亚洲一区自拍高清亚洲精品| 射精情感曰妓女色视频| 欧美熟妇与小伙性欧美交| 国产一区二区精品人妖系列在线 | 久久偷看各类wc女厕嘘嘘偷窃| 国产精品va在线观看无码| 亚洲午夜无码视频在线播放 | 级毛片内射视频| 午夜成人无码福利免费视频| 久久与欧美视频|