我国商业银行信用风险识别模型及其实证研究

被引:33
作者
李志辉
李萌
机构
[1] 南开大学金融学系
关键词
信用风险; 识别模型; 主成份分析;
D O I
10.19523/j.jjkx.2005.05.006
中图分类号
F224 [经济数学方法];
学科分类号
0701 ; 070104 ;
摘要
本文以贷款不良率作为信用风险高低的衡量标准,采用主成份分析法和Fisher线性方法、Logit模型、BP神经网络技术构造我国商业银行信用风险识别模型。实证和比较分析表明,盈利性指标对信用风险的影响最大,资本市场指标的解释力并不显著。相对于其他两类模型,Logit模型具有更强的信用风险识别和预测能力,但在应用时必须将其与定性分析以及其他定量模型相结合并保持模型的定期更新,以减少未来遭受损失的可能性。
引用
收藏
页码:61 / 71
页数:11
相关论文
共 4 条
[1]   基于神经网络技术的商业银行信用风险评估 [J].
王春峰 ;
万海晖 ;
张维 .
系统工程理论与实践, 1999, (09) :24-32
[2]   上市公司财务恶化预测的实证分析 [J].
陈静 .
会计研究, 1999, (04) :32-39
[3]  
关于国有商业银行信用风险成因与识别的研究[D]. 杨军.清华大学. 2003
[4]  
现代信用风险量化度量和管理研究[M]. 中国金融出版社 , 李志辉著, 2001