中小企业融资难背景下的商业银行信用风险缓释行为研究:信用风险转移or贷款出售?

在面临高风险的中小企业贷款时,商业银行如何签订信用衍生产品合约来缓解自身信用风险,进而在支持中小企业和民营企业融资时实现自身的最大效用,成为商业银行支持中小企业融资需要重点考虑的问题。本文将信用风险转移工具与贷款出售相结合,比较了存在道德风险与不存在道德风险情况下商业银行的效用差异。理论模型分析表明,当不存在道德风险时,贷款出售市场会保证商业银行实现贷款的期望收益;但监管成本的存在使得信用风险转移工具的使用效用低于贷款的预期收益,且合约支付没有呈现出状态分离特征,商业银行会倾向于使用贷款出售来转移信用风险。在存在道德风险时,贷款出售市场并没有完全对冲商业银行的信用风险;而对于信用风险转移工具而言,当信用风险缓释工具卖方资产管理能力非常强,且大于监管惩罚的期望值时,商业银行能够获得高于贷款预期收益的效用,信用风险转移工具是更优的选择。

基于支持向量机的农业中小企业供应链金融信用风险评价

农业供应链金融的发展,有效缓解了中小企业融资难的问题,但如何有效评估其信用风险尤为重要。针对农业中小企业,构建了供应链金融信用风险评估指标体系,并运用支持向量机建立了风险评估模型。经过对41组农业中小企业的数据进行训练和检验,发现该模型可以更准确地评估农业中小企业的信用风险,从而帮助商业银行等金融机构采取更有效的应对措施。

可转债信用风险剖析与转股化债可行性探讨

作为上市公司重要的再融资方式,我国可转债大部分以强赎转股的方式结束生命周期,较少违约,但对其违约风险不应忽视。引发可转债信用风险的原因包括正股退市、发行人破产重整、实质性回售以及偿付票息与到期赎回等。目前可转债还不存在成熟且透明的化债模式。本文基于对已有化债模式的分析,尝试提出回购转债与主动溢价转股两种可转债转股化债方案,并进一步探讨了相关方案的可行性。

供应链信用风险传染、银行策略与风险控制

在供应链断裂、新冠疫情等突发事件冲击下,供应链企业间的信用风险传染问题日益凸显。制定有效的风险遏制措施,已成为供应链风险管理领域亟待解决的重要问题。通过对供应链关联关系与信用风险传染路径进行剖析,构建了供应商、零售商、银行三方博弈模型,探究了银行策略选择对供应链信用风险传染的遏制作用。研究结果显示:虽然产品价格和生产成本等因素的变化对信用风险传染强度有显著影响,但银行可以通过选择最优授信比率,将传染强度控制在较低水平并实现其自身收益的局部最优化。若进一步采取贷款利率与授信比率相配合的双重授信策略,银行有可能将传染强度控制在适度水平并同时实现收益的全局最优化。

基于ISM-MICMAC的建筑供应链金融信用风险影响因素研究

供应链金融的应用模式契合建筑行业的特点,能够有效解决建筑企业融资约束等问题,但供应链金融发展中存在的信用风险问题不容忽视。在文献研究和专家访谈基础上修正确定影响建筑供应链金融信用风险的20项因素,通过解释结构模型确认各因素间的逻辑关系,并采用MICMAC方法验证分析。得出结论:建筑供应链金融信用风险影响因素的递阶结构模型涵盖7个层级,层次可划分为表层、中层和深层;基于驱动力—依赖性数值得出影响建筑供应链金融信用风险的自发因素群、依赖因素群、独立因素群,对影响因素之间的关系进行了剖析,研究结果对供应链金融信用风险应对具有参考价值。

数字化转型与商业银行信用风险管理:效应分析与国际借鉴

数字化转型在创新商业银行管理模式的同时,也带来了不可忽视的信用风险。本文以2010—2021年140家商业银行为研究对象,基于战略数字化、业务数字化和管理数字化三个维度,实证检验了数字化转型对商业银行信用风险的影响效应,并对国际同业先进经验进行了梳理总结。研究发现:商业银行数字化转型与信用风险水平总体存在先降后升的倒U型关系,随着转型的深入,数字化转型会通过银行盈利能力这一机制,产生明显的“信用风险优化”效应;战略数字化、管理数字化转型对商业银行信用风险的短期影响不明显,业务数字化转型的“信用风险加剧”效应在短期较为明显;从长期来看,战略数字化、管理数字化、业务数字化转型均会产生“信用风险优化”效应,而管理数字化转型的相关效应最为明显;异质性检验还发现,相比于非国有银行,国有银行通过数字化转型更有效地降低了信用风险水平,且数字化转型对大规模商业银行“信用风险优化”效应也更为明显。

供应链合作伙伴信息在供应链金融信用风险预测中的作用——基于多机器学习模型的比较分析

供应链金融是中小企业缓解融资困难的有效途径。为缓解供应链金融信用风险预测面临的信息不对称和样本选择偏差等问题,文中将供应链合作伙伴信息引入风险指标体系,基于2010-2021年A股上市企业披露数据,通过随机森林、XGBoost、逻辑回归和MLP四种机器学习模型进行比较分析。结果显示,合作伙伴信息的使用提高了供应链金融信用风险预测的准确性与稳定性。最后通过Lime可解释性分析,发现合作伙伴的速动比率、销售利润率、资产负债率等6个指标是供应链合作伙伴信息中影响信用风险预测的主要因素。

关键审计事项的披露对企业信用风险的影响

作为能够提高企业对外披露信息质量的外部审计,其新增的关键审计事项内容是否会影响企业信用风险值得关注。基于此,文章以2016—2021年沪深A股披露过关键审计事项的上市公司为研究样本,探究关键审计事项的披露对企业信用风险的影响。研究结果表明:(1)关键审计事项披露的数量和详细程度与企业的信用风险显著正相关。(2)在审计师来自国际“四大”会计师事务所和被出具标准审计意见的上市公司中,关键审计事项与企业信用风险之间的正相关关系更显著。(3)进一步研究发现,经营风险和融资成本在两者之间发挥了部分中介作用,且关键审计事项的披露通过增加企业的信用风险降低企业的价值。

融合MD&A多维度语义的企业碳减排信用风险预警研究

本文以2011~2022年制造型企业为例,将创新性、前瞻性、风险性等10种MD&A语义指标引入基于机器学习算法构建的碳减排信用风险预警模型中,探究引入前后模型预测效果的变化,并使用SHAP可解释法揭示预警模型决策逻辑过程。研究发现:(1)MD&A语义指标可显著提升碳减排信用风险预警模型的预测效果,如P_(i)、CV_(i)评估指标的提升幅度、降低幅度分别在1%~11%、0.0029~0.1944。而相较于语义指标,碳减排信用指标对模型预测效果提升更为明显;(2)总体碳减排信用风险预警效果上,XGBoost模型最佳,其次是RF和SVM模型,LR模型最差;(3)净语调1、创新性、风险性是影响碳减排信用风险的关键语义指标。当净语调1、创新性指标增大时,模型预测为正常企业的概率增加;当风险性指标增大时,模型预测为违约企业的概率增加。

数字普惠金融背景下信用风险溢价对实际利率的影响——基于多重门槛模型的分析与行为经济学的解释

金融市场活动容易受到人们感觉认知的影响。在数字普惠金融快速发展的背景下,数字普惠金融发展状况成为人们在信贷市场上能够动态感知的、越来越重要的信号。根据信号的同时对比与继时对比,人们有可能改变经济决策与行为。研究结果表明:不仅数字普惠金融能够通过信用传导机制及多重门槛效应对实际利率施加显著影响,而且门槛变量表现出显著的时滞效应。在信贷市场上,人们关于数字普惠金融的体验极有可能具备感觉阈限与感觉适应的特征。数字普惠金融发展能减弱利率市场对于信用风险溢价的反应。随着数字普惠金融处于越来越快的发展阶段,人们在面对信用风险时表现得越来越乐观。

混合增强型机器学习算法在稀土供应链金融中评价中小企业信用风险的研究

稀土是支撑高端技术创新和新能源产业发展的关键原材料之一,研究解决稀土供应链中小企业融资困难的问题,做强我国稀土产业链,更好地维护国家战略利益是当务之急。供应链金融作为创新型融资方式成为实现中小企业融资授信的一种主要手段,但其中信用风险问题成为融资决策中需解决的最关键问题之一。本文提出了一种混合增强型机器学习算法,首先采用动态透镜成像反向学习改进的海洋捕食者算法(IMPA)对支持向量机算法(SVM)进行优化,再采用AdaBoost算法对优化后的SVM进行集成,建立AdaBoost-IMPA-SVM模型。采用该模型对供应链金融风险进行评价,重新建立供应链金融风险体系指标,通过相关性分析进行特效选取,并从计算机通信及其他制造业选取52家中国上市中小企业2019—2021年期间140个样本作为特征变量输入模型。仿真实验结果验证了该模型相较于其他信用风险评价模型具有更好的分类识别性能。

城市商业银行信用风险防范研究

信用风险是城市商业银行最主要和最传统的风险。目前城商行发展呈现出兼并重组、分化加剧、同业竞争加剧、业务同质化等特点,本文分析了信用风险的表现和成因,并提出几点对策建议:一是城商行应明确定位,突出特色,进行差异化发展;二是优化城商行股权结构,逐步形成“地方政府为主导、民营资本有效制衡”的股权结构;三是金融监管部门提升监管能力,完善监管制度;四是加大对城商行违纪违法行为的审计力度,及时揭示风险隐患。

基于KMV模型的新能源汽车行业信用风险研究

随着环境问题越来越受到关注,新能源汽车产业逐渐成为全球关注的焦点。我国政府对新能源汽车产业的发展高度重视,对其优化产业结构、促进能源转型、改善环境质量方面具有重要意义。文章拟从信用风险的角度出发,选取我国具有代表性的20家新能源汽车上市公司以及近5年的财务数据和股票数据,运用KMV模型对新能源汽车上市企业的信用风险水平进行评估,计算其违约距离。根据实证结果分析新能源汽车行业的信用风险状况,并提出改善风险防控的建议。

基于SVM模型的农村金融机构农户信用风险评价体系研究——以黑龙江省为例

目前,对农户信贷风险的评估方法很多,但大多采用专家主观判断法、统计判别分析法,主观性强,受样本数量限制。随着引入人工智能技术,出现了遗传算法、神经网络模型、支持向量机、随机森林等方法。在诸方法中,SVM是一种适用于少量样本的学习方法,可用于处理线性和非线性分类问题,尤其适用于农户信贷信息获取少而难的评估。文章运用农户信贷理论,以黑龙江省某农商行为主要研究对象,分析了农户贷款信用风险管理和评价体系现状,运用SVM模型和主成分分析构建了农户信用风险评价指标体系,并运用某农商行的数据进行了实证分析研究。得出结论:SVM模型在所有数据集上表现最好,其提取规则的准确性超越了传统的分类方法,可用作特征选择法的基础来确定违约风险重要的特征。

应收账款资产证券化的信用风险研究——基于L公司的案例分析

传统的融资方式存在融资成本高和融资难度大等问题,作为一种新型的融资方式,应收账款资产证券化的融资成本相对较低,因此逐渐受到企业的青睐,但其也存在一定的风险。文章基于L公司应收账款资产证券化的案例,结合相关文献,对其资产证券化情况及信用风险进行分析。文章运用DEA模型,将每笔应收账款作为一个决策单元,对基础资产进行信用评价,计算每个决策单元的相对效率值并进行排序。文章认为:效率值低于1的决策单元存在一定的信用风险,效率值低于0.01的决策单元信用风险较大,资产证券化参与方应对其密切关注和监控,确保入池资产的稳定性和安全性。基于以上研究,文章提出应严格筛选并密切监控入池资产、构建多层次风险控制机制和运用区块链技术的建议,从而更好地防范信用风险。

数字普惠金融对商业银行信用风险的影响——基于存款和贷款结构的联合视角

目前国际和国内的金融经济基本面发生了重大变化,数字普惠金融已经成为影响商业银行信用风险的重要因素。从数字普惠金融角度,基于存款和贷款结构的联合视角,选取2011—2021年中国52家上市商业银行的年度数据,考察了数字普惠金融对于商业银行信用风险的影响及其作用。研究结果表明:数字普惠金融会削弱商业银行的中介职能,进而显著增加商业银行的信用风险,且在股权和产业结构下存在异质性特征;数字普惠金融会恶化商业银行存款和贷款结构,从而增大商业银行信用风险;数字普惠金融对于商业银行信用风险的提升作用会随着商业银行数字化转型程度的提高而减弱。因此,金融监管部门应当全面监管金融活动,鼓励商业银行进行数字化转型和差异化信用风险管理,以期推动商业银行健康发展。

基于混合式SMOTE和RF模型的小额贷款公司客户信用风险研究

小额借贷中的个人信用风险问题持续制约着小额贷款行业的健康可持续发展。针对小贷公司在进行信用风险评估时对高违约风险客户识别准确率较低的难题,运用混合式SMOTE、RF算法来同时处理业务数据中高维、非均衡两个问题。本文借助江苏J小贷公司的实例数据,依次构建随机森林(Random Forest, RF)模型、SMOTE-RF模型以及Borderline-SMOTE-RF模型并进行模型测试;再选用SVM算法进行对比实验以此衡量模型的信用风险评价精度。随后基于模型对于指标重要性的评分筛选出6项指标作为影响个人信用风险的关键指标。实验证明基于Borderline-SMOTE-RF算法对于小额贷款个人信用风险评价模型的分类性能最佳;在筛选关键指标时,为避免人工合成虚拟样本对指标重要性影响,需要结合三类模型评分进行综合选择。

大型科技公司金融科技与银行信用风险研究

通过构建理论模型并进行实证检验,研究了大型科技公司的金融科技对商业银行信用风险承担水平的影响。研究表明,大型科技公司的金融科技提升了理财产品的便利性,分流了商业银行的存款业务,削弱了银行的“特许权价值”,从而推升了商业银行的信用风险承担水平。大型科技公司的金融科技对银行信用风险的冲击存在规模效应和城乡差异,进一步研究发现,其规模效应和城乡差异主要来源于大型科技公司金融科技对银行存款分流冲击的客观作用效果差异,面对存款分流压力时不同规模和城乡属性的银行自身的行为差异并不是产生异质性影响的原因。基于此,对于金融科技发展的规划,需要建立适当的防火墙,防止金融科技相关业态引发金融风险跨市场、跨部门传播。

大数据背景下的电子商务信用风险预警研究

为了提高电子商务信用风险预警效果,设计了一种大数据背景下的电子商务信用风险预警方法。首先设计电子商务信用风险预警指标,并采集大量的电子商务信用风险数据,然后分别采用最小二乘支持向量机和神经网络对电子商务信用风险预警进行建模,并对它们预警结果进行组合,最后与传统方法进行电子商务信用风险预警对比分析,分析结果表明设计的方法可以准确找到电子商务信用风险预警变化特点,电子商务信用风险预警正确率超过94%,远远高于传统方法的电子商务信用风险预警结果,大幅度降低了电子商务信用风险的误警率,具有十分明显的优越性。

面向企业信用风险评估的多视角异质图神经网络方法

企业信用风险评估是一个重要且具有挑战的问题.由于金融市场中存在大量的异质关联关系,使得异质图神经网络天然适合建模企业信用风险.然而,现有大部分研究不能充分捕捉到复杂金融网络中企业的综合信用风险.针对此问题,提出了一个面向企业信用风险评估的多视角异质图神经网络方法——CRGNN.该方法包含自身风险编码器以及传染风险编码器,其中自身风险编码器建模基于企业特征信息的自身风险,传染风险编码器由新提出的分层异质图Transformer网络和分层异质图特征注意力网络2个子模块组成.这2个模块分别挖掘基于企业不同邻居视角的传染风险和基于不同特征维度视角的传染风险.为了充分利用异质关系信息,2个模块都采用了分层机制.在企业破产预测数据集SMEsD和企业信用评估数据集ECAD上进行了大量的实验,AUC指标相比最优基线模型分别提高了3.98个百分点和3.47个百分点.