基于主成分和神经网络方法的违约概率应用研究理学专业论文.docxVIP

基于主成分和神经 基于主成分和神经网络方法的违约概率应用研究 PAGE PAGE 10 济和金融领域。 Altman（1968）在多元判别分析方法上了作出了开拓性的研究，使用了多变量判别分析 （MDA）的企业违约概率模型，并建立了由五个解释变量构成了Z—score模型，1997年，他 对Z—score模型进行了修正，将解释变量增加到七个，此模型更名为Zeta模型。 多变量判别式的基本形式为 p Zu ??b0 ???bi Xiu i?1  i ??1, 2, , p  u ??1, 2, , n  1.1 u u线性判别分析利用线性判别法则来分类和预测企业的经营失败，将企业 u 划入经营失败 组 g 的原则是 u 属于组 g 的后验概率大于其属于经营正常组 g / 的后验概率， u u P(g | X ) ??P(g / | X ) g ??g 1.2 20世纪80年代以来，logistic方法逐步取代了传统的判别分析法。由于logistic方法假 设起服从logit分布，其许多前提假设比较符合经济现实和金融数据的分布规律，这使得模 型的分析结果比较客观。 Martin(1977)用用logistic方法和判别分析法对1975－1976年期间破产的23家银行进 行了预测分析，Laitinen(2000)探索了泰勒级数展开在Logistic回归方法预测企业违约破产 分析中的应用，得到了影响企业违约破产风险的重要指标。 Logistic模型： Ln p  ?????????X  ????X  ? ????X ( ) 1??p  0 1 1 2 2 n n 1.3 e?0 ??1 X1 ??2 X 2 ? P ? ?n X n  1.4 1??e?0 ??1 X1 ??2 X 2 ? ?n X n 从上世纪50年代开始，Markowitz(1952)提出了现代资产组合理论（MPT）.Sharpe （1964）提出了资本资产定价模型（CAPM）。BlackScholes（1973）和Merton(1973)提出了 期权定价理论（OPT）以及ModiglianiMiller（1958）提出了MM理论等，这些都是现代风险 管理理论中不可缺少的组成部分。 此外还有一些方法则是建立在技术很强的数学模型的基础上，例如以Merton模型 （1974）期权推理法为基础的由J.P.Morgan(1997)建立的信用度量方法得出了的违约概率： ??log(C ??L ) ??log(V ??S ) ???T ??1 ??2T ? 2? T T ? 2 p ??N ? ? ???T ? ? ? ? 1.5 从1990年Odom首次将神经网络的方法引入信用风险评测中,到Moodyps公司在2000年公 布了以神经网络为主要方法的上市公司信用风险模型,神经网络方法得到研究者和实践者的 广泛关注。Tam.K.Y(1991)、West(2000)、Malhotra等(2002)都使用神经网络技术对相关的 信用风险问题进行了实证分析,并证实神经网络方法的有效性。 从国外信用风险度量的发展来看，对违约发生原因认识的不同，影响了估计违约概率的 方法和模型建立： 1、违约的“黑盒子”假设是指在建立度量信用违约风险的模型之前，并不做出任何有 关违约发生原因的假定。换句话说，任何社会和经济因素都可能导致借款企业的违约，建立 在这样的假设之上的模型多采用经验分析，使用借款企业财务报表中的财务比率作为解释变 量，借助于统计方法来预测企业的信用质量。 2、违约的“因果关系”假设认为借款企业是否违约同一夜的经济特征之间存在明确的 因果关系，也就是说借款企业违约是源于企业资产的市场价值低于企业到期债务的合同价 值。判断是否违约的关键在于借款企业资产的市场价值。这种假设就意味着偏离了一些传统 的信用分析。 1．3国内研究现状： 由于我国银行长期处于计划经济体制下，银行缺乏风险意识，因此在很长的一段时间内 忽视了对信贷风险的度量和管理。进入20世纪90年代以来，银行开始注重对客户的资信评价， 并开始学习国外的先进制度，但在风险度量和管理方法上仍然很落后，基本上局限于定性分 析和简单的单变量财务比率分析等一些传统的方法。此外，国内学术界对于信用风险的度量 和管理研究也较少。从国内出版的或发表的相关著作和论文来看，绝大多数是对现有国外研 究成果的简单介绍，涉及到结合我国经济现状来消化和吸收这些成果的研究还不是很多，到 目前为止，很少看到运用一些最新的方法，如期权推理法和组合法等对我国银行面临的信贷 风险进行度量和管理的理论和实证分析研究。 20世纪90年代以来，证券市场上逐步积累了相当数量的时序信用数据。陈静（1999）主 要运用判别分析对19