基于a股市场数据logistic回归的企业信用评级实证研究

《基于a股市场数据logistic回归的企业信用评级实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中国科学技术大学硕士学位论文基于A股市场数据Logistic回归的企业信用评级实证研究姓名：梁羽周申请学位级别：硕士专业：金融工程指导教师：鲁炜20100401摘要本文从阐述现有的各种信用风险管理技巧和方法出发，综合评价各类方法的优缺点，以期能够吸取各种现有信用风险度量方法的优势，开发出一种具有较高准确性和稳定性的信用风险评级模型。重点讨论了logistic回归模型和KMV模型在信用风险评级中的应用及优缺点，最后综合利用logistic回归模型的稳定性和KMV模型能够充分利用资本市场信息的优势，在logistic回归模型中加入由KMV模

2、型计算出的违约距离变量，建立新的包含市场动态信息的违约预测模型。文章最后根据“连续盈利转亏损”的原则，从上海证券交易所选取违约上市公司及相应的对比公司作为训练样本，计算出新的违约预测模型，并评价模型的判断表现及违约距离对模型表现的影响。同时，根据相同原则，从深圳证券交易所选取违约上市公司及相应的对比公司作为检验样本，对从训练样本中计算出的违约预测模型进行验证，判断模型的准确率和稳定性。实证结果表明，经过取对数变换的违约距离对提高信用风险评级模型的判别准确率有很大的帮助。加入违约距离的logistic回归模型具有较高的判断准确率和稳定性，

3、同时也具有较好的适用性和拓展性，是较为理想的违约预测模型。关键词：信用风险logistic回归KMV模型违约距离决策树违约预测ABSTRACTThispaperintroducedseveralcreditriskmanagementmethodsandanalyzedtheiradvantagesanddisadvantages．Thepurposeofthispaperistofindacreditriskratingmodelwhichcantaketheadvantagesofexistingmethodologiesandpe

4、rformswell．ThispaperfocusedonthelogisticregressionmodelandKMVmodel，alsoanalyzedtheirperformancesintheapplicationofcreditriskrating．ConsideringthelogisticmodelhasastabilediscriminationperformanceandKMVmodelhastheabilityoftakingfulluseofcapitalmarketinformation，weaddedthev

5、ariableofDistancetoDefaultintothelogisticmodelwhichwascalculatedfromKMVmodel，andthenwecreatedadefaultpredictionmodelwhichcontainedthedynamicmarketinformation．ThenweselecteddefaultcompaniesandcorrespondinggoodcompaniesastrainingsamplefromShanghaiStockExchangebasedonthepri

6、ncipleof“continuousprofitturnstoloss”．Withthetrainingsample，wecreatedanewdefaultpredictionmodelandanalyzeditsperformance．Accordingtothessmeprinciple，weselectedvalidationsamplefromShenzhenStockExchange．Withthevalidationsample，weverifiedthemodeltojudgeitsaccuracyandstabili

7、ty．EmpiricalstudyingshowsthatthevariableofDistancetoDefaulthasagreathelptoimprovetheperformanceofthecreditratingmodel．ThelogisticregressionmodeladdingtheDistancetoDefaulthasahigherdiscriminationaccuracyandstability,whichcanbeusedasanidealcreditdefaultpredictionmodel．KeyW

8、ords：CreditRisk，LogisticRegression，KMVModel，DistancetoDefault，DecisionTree，DefaultPredictionn中国科学技术大学学位