基于logistic回归的小微企业信用风险预警-论文.pdf

《基于logistic回归的小微企业信用风险预警-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、内蒙古金融研究2014．08基于logistic回归的小微企业信用风险预警内蒙古银行课题组内容摘要：本文以某商业银行化工行业2006年小微企业信贷数据为基础，综合运用因子分析和Logistic回归分析，对小微企业进行客户违约风险预警，并运用2007年的实际违约客户数据对模型风险预警能力进行验证，结果显示模型预警效果较好，这对加强银行的信贷风险管理具有参考意义。关键词：小微企业因子分析Logistic模型残差风险预警中图分类号：F810．452文献标识码：A文章编号：1003—7977(2014)08—0009—05

2、一子对方差的贡献，称为变量共同度，砰越接、引言为解决小微企业信用风险预警信号、机近1，说明包含的几乎全部信息都可以被公制、模型的风险敏感性仍较弱的问题，本文结因子解释。合信贷实践，采用基于因子分析的logistic模型上令=f，称为公共因子对原始变来实证研究小微型企业的信用风险预警问题，i=l以期为中小城市商业银行的小微型企业的信量向量z的方差贡献，是衡量公共因子相对重用风险预警提供有益参考。而基于logistic模型要性的一个尺度，其值越大，反映了对原始的客户信用风险预警研究中，多数文章对违约变量向量z的方差贡献

3、越大。的预警信号是基于预期违约概率，而本文在对因子分析步骤：预期违约概率研究的基础上又运用“残差的异(1)检验原始变量是否适合作因子分析。常值”作为违约的预警信号，进行风险预警研通常采用计算变量间相关系数矩阵、KMO检验究，预警效果非常好。和巴特利特球度检验等方法对原始变量进行二、模型理论与方法相关性检验，确定其是否适用于因子分析。(一)因子分析模型理论。因子分析的基本(2)确定因子数目。因子分析的核心思想原理是用几个潜在的、不能观察的、互不相关是用少数几个公共因子来表示原始变量，在选的随机变量去描述许多变量之间的

4、相关关系，择因子时，一般采用特征值大于1的标准。这些随机变量称为因子。假设一个问题涉及P(3)估计因子载荷矩阵。因子载荷矩阵分个指标，且P个指标之间存在较强的相关性，为初始因子载荷矩阵和旋转后的因子载荷矩因子模型为：阵，一般情况下，由于初始因子载荷矩阵解释ZnFl+t1F⋯+el38l性不强，无法明确公共因子的经济意义，所以zIl2lFl+lz2F2+⋯+FE2在进行因子分析时，需要对初始因子载荷矩阵进行旋转，使得旋转后的因子经济意义更明z=tp

5、Ff+lp2Fz+⋯+lpsp2．1)确，解释性更强。本文选择主成分

6、分析法估计式中是标准化后的随机变量，方差为初始因子载荷矩阵，采用方差最大化旋转法得1，，⋯为公共因子，占，：⋯表示特殊因到旋转后的因子载荷矩阵。子只与第i个变量有关，称为第i个变(4)计算因子得分。在获得了公共因子和量在第f个因子E上的载荷，由其构成的矩．估计出因子载荷矩阵后，采用主成分回归法计阵L称为因子载荷矩阵。算各个公因子的因子得分系数，用各公因子的得分系数乘以对应的变量标准化值得到各公令ln2+la2+⋯+zm2=∑，h。反映公共因i=1因子得分。9视点金融(二)logistic回归模型理论。设y是0—1型

7、除指标量纲的差异，然后将每个指标的标准化视角随机变量，只取0、1两个值；令pi(=1)，则值的绝对值大于或等于3的样本视为异常值1-p(yi=．O)，于是E()，是自变量等于xi加以剔除；对剔除后的样本，重复进行指标标时，竹取1的概率。用P作为因变量，建立与自准化处理、检验异常值、剔除异常值，直至无异变量筏的逻辑回归模型，方程如下：常数据为止。本文重复了5次异常值剔除处expq30l122+．．’)：11一理，最终筛选出2457个合格样本，用于因子分l+expq30+／3l122+．．·)一’析。下表2为数据的简单

8、描述性统计量。(2．2)表2样本简单描述性统计三、基于因子分析的logistic模型实证分析指标样本最小值最大值求和均值标准差名称数目用logistic回归模型对客户信用风险进行X12457O．080．731116．580．4544O．131()9预警，主要包括两部分内容，一是对样本财务X224570．092．762327．980．94750．49604指标数据进行因子分析，筛选出logistic回归的X324570．193．273492．391．42140．49589X424570．072．372381．570．

9、96930．38903关键自变量，二是建立logistic回归模型，用于X52457—0．060．25204．330．08320．04775对客户违绀隋况进行风险预警。x62457—0．130．46378．710．15410．08459(一)样本选取与简单描述性统计。本文数X72457—0．O50．3269-220．10960．0581据来源于国内某商业银行