学术活动

大数据环境下的微观信用评价理论与方法研究研讨

活动品牌 大连理工大学-学术活动
主 讲 人 迟国泰等
活动地点 管经新大楼B312
开始时间 2018-06-30 08:00
结束时间 2018-06-30 17:10

活动简介:

  

报告题目:大数据环境下的微观信用评价理论与方法研究研讨

报告人:迟国泰等

时间及地点:2018.06.30 8:00-17:10  管经新大楼B312

报告摘要:

1.重点项目的主要研究内容和思路

(1)主要介绍重点项目的立项依据;(2)大数据环境下的微观信用评价研究内容、方法与思路;(3)大数据环境下的微观信用评价研究目标与技术路线;(4)大数据环境下的微观信用评价研究创新与特色等;

2.本报告主要介绍利用Gini系数作为违约鉴别力标准,以指标入选与否作为0、1变量,构建0-1整数规划,并以遗传算法进行求解,保证构建的信用评分模型能够最大程度的区分违约与非违约客户;

3.(1)基于增量学习的小企业信用评级原理;(2)基于增量学习的小企业信用评级模型的构建;(3)基于增量学习的小企业信用评级模型的实证;(4)基于增量学习的小企业信用评级模型的创新与特色;

4.根据中国某城市商业银行的687个批发零售型小企业的信贷数据,构建了三角模糊数和解模糊化定量刻画定性指标,偏相关分析-Probit遴选指标,熵权-TOPSIS求解信用得分,模糊C-均值划分信用等级的完整的批发零售型小企业信用评价体系;

5.依据中国最大的NGOs小额信贷机构——中和农信4424户农户的信贷数据,从农户基本特征、农户经济特征、农户信贷特征和共同借款人基本特征等四个方面构建指标体系。基于农户类型分化视角,利用Probit-ISM模型,研究了不同类型农户小额信贷风险的影响因素及其层次结构关系,并对不同类型农户小额信贷风险的根层影响因素的特征属性进行了深入挖掘;

6.使用网上公开的UCI数据集中信用卡客户违约数据集,该数据集收集了中国台湾的30000个信用卡客户信息,并利用数据挖掘技术中的k近邻、逻辑回归、随机森林、决策树、支持向量机、梯度提升决策树等方法预测信用卡客户的违约风险,并探究不同数据标准化方法对模型性能的影响。此外,现实中的违约样本存在高度失衡,误分类代价很高的特点,本研究还探究“欠抽样”的两种方法(Easy Ensemble、Balance Cascade)对不同数据挖掘技术的表现有何影响;

7.首先,在数据预处理环节,借助三角模糊数来量化定性的非财务指标。其次,在遴选信用风险测度指标时,利用单变量回归与显著性判别相结合的方法,使得指标体系既不蕴含冗余的信息,又对违约状态有显著的解释能力。然后,采用熵权法确定信用风险测度指标的权重,并选取FCM算法对信用得分向量进行聚类分析,完成小企业信用等级划分。最后,运用格贴近度预测新的贷款申请者的信用风险等级;

8.利用一类支持向量机模型来进行违约客户鉴别,解决的主要问题是非平衡数据处理及违约客户鉴别,该报告主要一类支持向量机模型的构建及应用,该模型既解决了非平衡数据问题,又能对违约客户具有良好的鉴别能力;

9.利用支持向量机模型(SVM)对每个客户进行评分,而后在该评分的基础上分别利用H measure、Maximum profit(MPC)以及Expected maximum profit(EMPC)三种方法对客户的指标进行排序,找到不同方法下的最大利润(或最小损失)所对应的指标;

10.通过共线性检验剔除反映信息重复的指标,通过Logistic回归显著性判别遴选对农户违约状态影响显著的指标,建立了由年龄、非农收入/总收入等13个指标组成的农户小额贷款信用评级指标体系。在此基础上,利用熵权法求解评价指标权重,构建了基于ELECTRE III(消去与选择转换评价)的农户小额贷款信用评级模型,并对中国某全国性大型商业银行2 044个农户样本进行了实证;

11.指标信息不完全和样本不均衡的条件下对中小企业的信用评级是极具挑战的工作,利用供应链上的核心企业与中小企业之间的信息更加透明,有效缓解了银企信息不对称问题。而供应链金融背景下的中小企业信用评级所面临的主要问题有二,一是如何在指标信息缺失的情况下给出中小企业相对合理的信用评分,二是如何根据信用评分合理划分中小企业的信用等级。针对以上问题,开展的主要工作有二:一是通过随机可接受度分析(SMAA)方法解决了在不完全信息下中小企业的信用评分问题。二是通过计算组内差异最小的最优分割算法确定相邻信用等级的阈值,解决了中小企业信用评分的等级划分问题。最后通过578家上市公司验证了该模型的有效性;

12.以建立商业银行小企业客户信用评级指标体系为目的,提出一种系统的小企业信用评级指标体系构建方法.首先,利用F 检验法剔除对企业违约与否影响不显著的信用评级指标,再通过提出新的指标筛选方法剔除综合信用风险识别能力弱的信用评级指标.其次,通过剔除相关程度高的评级指标中综合信用风险识别能力较弱的一个指标,降低信用评级指标集的整体信息重叠.再次,根据信用评级指标体系违约识别准确率越高,信用评级指标体系越合理的思路,检验小企业信用评级指标体系的合理性.最后,基于中国一家商业银行3111笔小企业信贷历史数据进行了实证分析,研究表明本文构建的小企业信用评级指标体系识别信用违约风险的准确率高而且稳定;

13.提出一种非参数信用评价理论与方法,在利用传统非参数K近邻算法解决样本归类问题后,进而利用分类结果实现对信用状况有显著鉴别能力的指标的筛选。非参数K近邻算法对于样本数据的假设更为宽松,使得该算法与实际数据更为契合,所以利用非参数K近邻算法进行信用指标的筛选更能反映指标的实际鉴别能力

人物简介:

(1)     迟国泰,黑龙江省海伦县人,大连理工大学工商管理教授,博士生导师,管理科学与工程博士。长期从事银行资产负债管理优化理论与模型,信用评级理论与模型,资产定价,金融衍生品交易风险管理理论与模型等方面研究。现任大连理工大学金融风险与系统评价管理研究中心主任,国家社会科学基金学科规划评审组专家。迟国泰教授累计主持国家自然科学基金和国家社会科学基金共11项:其中,国家自然科学基金重点项目1项(71731003)、国家社会科学基金重大项目1项(06&ZD039);

(2)     于善丽,山东省日照市人,大连理工大学管理科学与工程专业博士研究生,主要研究方向为信用评级理论与模型;

(3)     张志鹏,大连理工大学管理与经济学部2015级博士研究生,目前主要研究方向是大数据环境下微观信用研究;

(4)     柴娜娜,西北农林科技大学经济管理学院金融学专业硕士研究生,主要从事商业银行信用风险评价方面的研究;

(5)     董丹阳,西北农林科技大学经济管理学院金融专业硕士研究生,师从石宝峰副教授从事农村金融研究;

(6)     陈铭,西北农林科技大学经济管理学院金融专业硕士研究生,主要从事信用评级、金融科技方面的研究;

(7)     孙悦,中央财经大学保险专业硕士研究生,主要从事信用风险测度研究;

(8)     袁昆鹏,大连理工大学管理与经济学部2017级博士研究生,目前主要研究方向是大数据环境下微观信用研究;

(9)     倪也,大连理工大学管理与经济学部2017级金融硕士,研究方向:信用评级;

(10)石宝峰,2014年毕业于大连理工大学管经学部金融工程专业,师从迟国泰教授从事信用评级研究,现任西北农林科技大学经管学院副院长、副教授、博士生导师。入职以来,先后主持国家自然科学基金青年项目、中国博士后科学基金特等资助项目等纵向课题12项,发表科研论文30余篇,其中在Omega、Complexity等SSCI/SCI期刊发表论文8篇、在《系统工程理论与实践》、《中国管理科学》等国家自然科学基金委管理科学部认定的A/B类刊物发表论文10篇。

(11)李刚,副教授,硕士生导师,东北大学秦皇岛分校经济学院副院长,金融工程研究所所长,2017年入选河北省“三三三人才工程”第三层次。中国运筹学会决策科学分会理事;中国管理现代化研究会管理与决策科学专委会理事;中国优选法统筹法与经济数学研究会青年工作委员会委员。主要研究方向风险管理,近年来,主持包括国家自然科学基金、教育部人文社科基金和国家社科重大项目子课题等各类课题15项,在《中国软科学》、《系统工程理论与实践》、《中国管理科学》、《系统工程学报》、《管理评论》、《运筹与管理》和《Energy》等核心期刊发表论文 60 余篇。其中,SCI检索 2 篇,国家自然科学基金委管理学部认定的重要期刊 21 篇。

(12)陈洪海,研究方向:信用评价与决策理论。主要学术成绩:仅4年在国家自然基金委A类期刊发表、录用学术论文6篇,其余包括CSSCI及EI检索的学术论文4篇。本次报告内容主要是介绍本人完成的小企业信用评级指标体系构建模型,系统介绍小企业信用评级指标体系的研究现状、存在的问题,以及本人针对这些问题提出的解决问题的思路和相应构建的指标筛选及指标体系合理性检验模型;

(13)李战江,内蒙古乌海市人,内蒙古农业大学经济管理学院副教授,博士后,研究方向为信用评价