基于贡献度随机森林模型的公司债信用风险实证分析

运用贡献度随机森林方法(CRF)方法探讨公司债财务指标比率与其违约率的关系.运用连续属性离散化方法(OB)进行财务指标最优降维;运用WOE变换进行模型变量约简.研究表明,CRF模型的分类性能显著优于其他模型,测试集评估总体正确率达90.47%,AUC统计量、AR比率及K-S值分别提升了2.6%、7.6%、4.38%,变量贡献度量化了各财务指标对违约率影响,为诠释随机森林预测机制提供了依据.

诉讼处置不良贷款违约损失率估计的模型簇

违约损失率(LGD)是内部评级高级法要求的重要参数之一,已成为商业银行风险管理的重要手段。由于受数据等多方面的限制,国内外尚无对我国大型商业银行诉讼处置不良贷款违约损失率估计的研究。本文在对我国某大型商业银行诉讼处置不良贷款违约损失率全面统计分析的基础上,找出回收率的影响因素,采用决策树模型,判别出极端回收和非极端回收。针对非极端回收的情况综合运用Logit变换、Beta-正态逆变换、WOE变换等方法,建立点估计模型;随后利用广义Beta回归给出了LGD的分布模型;在对四个模型进行相关性分析的基础上用最小误差平方和的方法建立了组合模型,由此形成由判别模型与组合模型构成的模型簇。实证结果表明,极端回收的判别准确率高达77.6%,组合模型的均方误差低于5%;模型簇在极端回收和非极端回收两类表现出很好的一致性。