管理层讨论与分析能预示企业违约吗?——基于中国股市的实证分析

采用文本挖掘技术,对上市公司年报中的管理层讨论与分析(MD&A)内容进行文本分析,从文本相似度、文本可读性、文本语调以及管理层预期的角度构建了MD&A评价体系。通过构建代价敏感GBDT(csGBDT)模型,考察多维管理层讨论与分析指标对企业违约预测的影响,并进一步分析了对企业违约状态有重要影响的MD&A指标及其对违约状态作用的边际效应。研究表明:MD&A指标可以作为替代性数据源准确预测上市公司违约状态;MD&A指标相比传统违约预测变量的预测效果较差;MD&A指标在传统违约判别指标基础上提供了额外的信息含量;csGBDT模型显著提高了对企业(尤其是对违约企业)的判别能力,在违约预测的大数据方法中具有明显优势。在众多管理层讨论与分析指标中,对企业违约有重要影响的MD&A指标依次为:与前一年相比文本相似度、词汇总量、情感语调2、词汇总量/句子数量、情感语调1和管理层是否发出业绩预测。本文将企业违约预测的研究边界从结构化数据拓展到非结构化文本数据,有助于抑制信息不对称导致的企业违约风险。

基于最优指标组合的代价敏感违约预测模型——以A股中小企业为例

企业违约预测是在当下时刻推断企业未来时刻发生违约事件的概率,与经济和社会息息相关。本研究的贡献在于:一是构造了兼顾指标组合违约预测精度和指标个数的多目标函数,通过sigmoid函数将蜉蝣算法转化为二进制蜉蝣算法,将其引入金融风险领域进行最优指标组合的遴选。二是在逻辑回归模型的对数似然函数中,给违约企业添加一个惩罚系数,以违约预测精度F-measure最大,反推最优的惩罚系数值,在保证总体判别精度的前提下,提高模型对违约企业的识别精度;同时使得逻辑回归求解的目标函数更贴合实际情况,确保了估计的权重向量更准确地反映指标数据与其违约状态间的函数关系。中小企业的实证研究表明:“高管年薪披露方式”“前十大股东是否存在关联”和“监事会持股比例”等企业内部非财务因素,以及“人均地区生产总值”“中长期贷款基准利率”和“货币和准货币供应量同比增长率”等宏观经济因素对中小企业违约预测的影响不容忽视。该方法可以提升对企业信用风险的识别能力,降低商业银行的不良贷款率。

商业保险参与“新农合”的模式研究

新型农村合作医疗保险是我国政府向农村提供的一项公共服务。而商业保险参与新型农村合作医疗,是建立多层次的农村医疗保障体系、构建和谐社会的客观要求。首先通过研究新型农村合作医疗保险的现状,论述商业保险公司参与新农合的必要性,然后对商业保险参与新农合不同的模式进行探索,为农村医疗保障解决筹资机制、补偿方案、风险管控等问题提供参考和借鉴。

零件明细表自动生成软件的设计和应用

介绍成套设计图纸的零件明细表自动生成软件（MXB）的设计和应用。用VisualFoxpro编制的零件明细表自动生成软件（MXB）。可以处理由AutoCAD绘图时生成的数据文件，将分散在总装配图、部件装配图上的零件明细栏集中起来，按要求自动生成各种零件明细表；供工艺、管理等部门使用。这一软件已在实际应用中收到了良好的效果，提高了设计人员的工作效率。

基于Brown-Mood中位数检验的小企业债信评级体系

债信评级是通过挖掘评级数据与违约风险的关系,评价一笔债务回收的可能性及不同等级违约损失率的大小。基于Brown-Mood中位数检验建立小企业债信评级体系。创新与特色:①根据某个指标的非违约样本中位数显著大于违约样本的中位数,则该指标越能将非违约与违约样本区分开的思路构造Brown-Mood中位数检验统计量值,遴选通过检验、即违约鉴别力显著的指标。改变了绝大多数现有研究未以违约鉴别力显著为指标遴选标准的不足。②在相关系数大的一对指标中,删除Brown-Mood中位数检验统计量值小的指标,在避免了指标反映信息冗余的同时,也避免了指标的误删。③根据指标的违约鉴别力越强、指标权重就应越大的思路对指标赋权,确保了违约鉴别力越大的指标,权重也越大。④根据非违约样本的债信得分中位数显著大于违约样本的债信得分中位数,则债信得分越能显著区分违约状态、债信评分体系越合理的思路,检验债信评分体系的合理性,开拓了债信评分体系检验的新思路。实证表明:包括资产负债率、恩格尔系数等24个指标的小企业债信评级体系具有显著的违约鉴别力,在债信评级时,应重点关注恩格尔系数、行业景气指数等企业外部宏观环境因素以及法人代表汽车及不动产价值、担任该职务时间等法人代表基本情况因素。

对口联系 实现三赢

农工民主党四川省委在与省卫生厅、省计生委和省中医药管理局开展对口联系工作中,把对口联系作为坚持和完善政治协商制度的一项重要措施,认真抓好,落到实处。

基于大数据变量最优组合的违约预测模型——以中国小企业为例

以提升商业银行企业客户信用风险识别和管理水平为目的,本文提出了一种系统的违约预测方法.一是在高维大数据变量集的构建上,通过基尼指数最小,反推出指标区间划分的最优切分点,确保决策树群中的每一个路径能最大限度地区分客户违约与否,并把每一个路径作为一个虚拟变量,即客户属于这个路径则变量数值取1,否则为0.二是在虚拟变量的降维上,通过Lasso回归的违约预测误差最小,反推一组最优的虚拟变量组合.三是以客户判对率之和最高反推逻辑回归模型的最优违约预测临界点,提高了违约企业预测的准确率.实证研究表明,1)决策树路径变量的违约鉴别能力要强于原始信用指标,信息含量更丰富.2)净利润现金含量,城市居民人均可支配收入和企业法律纠纷情况指标对中国小企业的违约预测具有重要影响,这3个指标的个数占比是3.704%,精度贡献占比却达到了41.639%.3)该方法在准确性和稳健性方面优于对比模型,可以揭示影响企业信用风险的关键因素和关键阈值,为商业银行授信审批和贷前审查工作提供依据.且该方法可以拓展到个人以及大、中型企业违约预测模型的构建.

基于余弦相似度的企业违约预测模型及实证

企业违约预测,是通过挖掘指标数据与违约状态之间的函数关系,来预测企业未来的财务风险,其对银行贷款、股票投资、公司债券投资等具有重要的参考意义.本研究的贡献主要有三个方面:一是通过将企业的夹角余弦值而非欧氏距离作为违约状态相似性的度量,构建企业违约预测的Cos-k-means模型,避免了通过欧氏距离聚类时,忽略企业和聚类中心的角度关系以及对噪声样本和极端值敏感的弊端.二是通过构建兼顾模型违约鉴别力最大和指标组合冗余最小的目标函数,采用二进制粒子群算法(binary particle swarm optimization,BPSO)遴选指标组合,保证了构建的信用评价指标体系简洁、合理.三是通过采用企业t-d(d=1,2,3,4,5)期的指标数据和第t期的违约状态构建违约预测模型,实现了使用企业第t期的指标数据预测t+d期违约状态的目的.