不完全信息下中小企业的信用评级与违约损失率匹配研究

The Small and Medium-sized enterprises Credit Rating is an issue of banks' credit decisions and risk management, and is also related to the economic and social stability. For business loans, the default samples are far less than the non-default samples，and the information is imperfect, The main work includes three parts: the construction of Credit Rating index system for SMEs, the establishment of Credit Rating model , the classification of Credit Rating and the matching of the Loss Given Default and the Credit Rating. There are there innovation and characteristics of this work. Firstly, the impact on banks of default customers’ misjudgment is much larger than the impact on banks of non-default customers’ misjudgment. In this case, this research will identify SMEs credit risk indicators use the unbalanced support vector machine and the Stochastic Multiobjective Acceptability Analysis(SMAA) with the imperfect information. Secondly, we use the Social Network Analysis(SNA) to solve the expert weights in the group decision, and solve the classification of credit rating. Thirdly, we will construct the optimization model to solve the matching of the SMEs credit rating and the Loss Given Default. This research aims at establishing a group of SMEs credit rating methods based on unbalanced support vector machine, SMAA and SNA, extending a new vision on SMEs Credit Rating theory and models with the imperfect information.

中小企业信用评级对商业银行信贷决策和风险管理具有重要意义。由于中小企业的信贷样本少且不均衡，存在指标信息缺失情况，因此在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。本课题的主要工作包括在不完全信息下的评级指标构建，小样本下信用等级划分和与信用等级匹配的违约损失率挖掘。主要创新与特色有三：一是利用不均衡支持向量机和随机多目标接受度分析方法解决了样本不均衡和信息不完全条件下指标对违约和非违约企业判别能力的判定。二是将社会网络分析引入到中小企业信用评级中，解决了群决策中的专家权重分配问题，解决了小样本下的中小企业信用等级划分问题。三是在小样本下通过基准点和基准点违约损失率约束下的优化模型，计算不同信用等级的违约损失率，解决了小样本下的企业信用等级与违约损失率的匹配问题。本研究致力于不完全信息和不均衡小样本下的中小企业信用评级，补充和完善了中小企业的信用评级理论和方法。

中小企业信用评级对商业银行信贷决策和风险管理具有重要意义。中小企业信用评级的难点在于中小企业信贷样本少、数据不均衡且有数据缺失。针对以上几个问题，课题组收集整理了3100条商业银行的真实信贷样本，基于该真实信贷样本，对中小企业信用评级的相关理论与方法进行了研究。主要工作和进展有三：一是解决了信贷样本少、数据不均衡且有数据缺失情景下的中小企业信用评级指标体系的构建问题。首先，对于数据完整的指标通过Logistic等方法筛选具有显著违约判别能力的单个指标；针对数据有缺失指标，通过随机多目标接受度分析(SMAA)方法筛选具有显著违约判别能力的单个指标；然后，基于欠采样提出不均衡样本处理的优化方案，通过Lasso-Logistic回归筛选具有显著违约判别能力的指标群组，构建违约判别能力最优的中小企业的信用评分指标体系。二是解决了信用评级中的评价指标组合赋权问题。首先，建立了基于指标权重分配的专家群决策赋权模型，解决了专家群决策下的主观赋权问题；其次，针对中小企业信用评价中信息有缺失的情况，通过SMAA方法解决了不完全信息下的评价指标客观赋权问题；最后，对主客观组合赋权方法进行了研究，讨论了主客观组合赋权的组合方式及其合理性问题，构建了兼顾序信息和强度信息的组合赋权赋权模型，解决了中小企业信用评级的指标组合赋权问题。三是检验了不同的指标类型对信用等级划分的不同影响，基于改进的违约金字塔原理解决了与违约损失率相匹配的信用等级划分问题。在离散和连续两指标类型下，分别构建信用等级阈值点的优化模型，确定不同指标类型下的信用等级阈值点，然后通过证据理论合成两指标类型下的信用等级信息，解决了中小企业的信用等级划分问题。课题组基于真实的中小企业信贷数据构建的中小企业信用评级体系不仅仅在理论上完善了不完全信息下的信贷决策理论与方法，更是对商业银行的信贷决策实务具有重要的指导意义，相应的评级体系已经在商业银行得到应用，有效缓解了中小企业融资难融资贵的问题。

内容获取失败，请点击重试