發(fā)布時(shí)間：2020-08-28 16:01

　　 受中美貿(mào)易戰(zhàn),央行“資管新規(guī)”政策等外部因素和市場(chǎng)競(jìng)爭(zhēng)激烈,融資成本上升等內(nèi)部因素的影響,我國(guó)債券市場(chǎng)信用風(fēng)險(xiǎn)事件在2018年密集爆發(fā)。債券信用評(píng)級(jí)是債券信用風(fēng)險(xiǎn)的重要指標(biāo),如何對(duì)信用評(píng)級(jí)變動(dòng)進(jìn)行準(zhǔn)確的預(yù)測(cè)已經(jīng)成為極具現(xiàn)實(shí)意義的問(wèn)題。文章采用分類(lèi)樹(shù)、袋裝法、隨機(jī)森林三種基于樹(shù)的模型,應(yīng)用r語(yǔ)言對(duì)企業(yè)債券信用評(píng)級(jí)進(jìn)行預(yù)測(cè)研究,并針對(duì)數(shù)據(jù)不均衡情況進(jìn)行四種優(yōu)化采樣,以平衡數(shù)據(jù)集,提升預(yù)測(cè)效果。主要討論問(wèn)題包括:債券信用風(fēng)險(xiǎn)影響因素、模型的構(gòu)建、參數(shù)選擇、模型的準(zhǔn)確性檢驗(yàn)以及分類(lèi)效果檢驗(yàn)以及指標(biāo)重要性評(píng)估。研究發(fā)現(xiàn),隨機(jī)森林和袋裝法相對(duì)于單棵分類(lèi)樹(shù)有著更準(zhǔn)確的預(yù)測(cè)結(jié)果,而欠采樣的優(yōu)化方法對(duì)于投資者最為關(guān)注的債券評(píng)級(jí)下降的預(yù)測(cè)有著最好的效果,綜合來(lái)看,在欠采樣樣本下的隨機(jī)森林模型最優(yōu)。在指標(biāo)重要性評(píng)估中,發(fā)債企業(yè)的盈利能力以及償債能力是衡量其債券信用風(fēng)險(xiǎn)的重要指標(biāo)類(lèi)。結(jié)合研究結(jié)論,文章認(rèn)為,從監(jiān)管角度應(yīng)提高其發(fā)債企業(yè)的信息披露程度和市場(chǎng)透明度,從評(píng)級(jí)機(jī)構(gòu)角度應(yīng)優(yōu)化信用風(fēng)險(xiǎn)評(píng)估技術(shù),提升時(shí)效性。
【學(xué)位單位】：南京大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：F832.51
【部分圖文】：

第１章緒論逡逑１．１研宄背景與意義逡逑１．１．１研宄背景逡逑受中美貿(mào)易戰(zhàn)，央行“資管新規(guī)”政策等影響，債券市場(chǎng)的２０１８是震蕩的逡逑一年，而市場(chǎng)競(jìng)爭(zhēng)激烈，融資成本上升等因素，也使得２０１８年成為債券信用風(fēng)逡逑險(xiǎn)事件密集爆發(fā)的一年�？v觀２０１８年，我國(guó)債券市場(chǎng)已有１２０只信用債違約，逡逑涉及規(guī)模達(dá)到１１７６．５１億元，創(chuàng)下新高。（如圖１－１所示，數(shù)據(jù)來(lái)源：ＷＩＮＤ）逡逑１，１７７邐１２００邐生Ｍｆ；稱(chēng)逡逑

方法從不同角度對(duì)模型進(jìn)行評(píng)估比較，并探究各個(gè)指標(biāo)的重要性。逡逑第五部分為總結(jié)部分，對(duì)全文研究進(jìn)行系統(tǒng)性總結(jié)，并從不同角度對(duì)企業(yè)逡逑債券信用風(fēng)險(xiǎn)防控提出了建議與展望。總體研宄思路框架如圖１－２所示。逡逑４逡逑

種改進(jìn)方法，這種算法并不像隨機(jī)過(guò)采樣一樣簡(jiǎn)單的重復(fù)小類(lèi)樣本的數(shù)量，而逡逑是運(yùn)用一種特殊規(guī)則，根據(jù)小類(lèi)樣本進(jìn)行人工合成，產(chǎn)生新的小類(lèi)樣本，有效逡逑減小過(guò)擬合問(wèn)題。具體如下圖３－１所示，算法流程如下：逡逑（１）

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 沈智勇;蘇

本文編號(hào)：2807802