资源描述：
《我国农林牧渔业短期贷款企业违约判别实证研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、我国农林牧渔业短期贷款企业违约判别实证研究*管七海*北京大学、招商银行博士后科研工作站518040摘要：近几年，我国农林牧渔业短期贷款企业的违约严重程度一直居所有行业之首,从跨行业的角度评估该行业短期贷款企业的违约具有重要的意义。论文基于全国跨金融机构的贷款企业海量数据库样本，针对农林牧渔业的短期贷款企业进行了分规模和分地区样木的多元判别分析模型、Logistics模型与神经网络模型等的构建与实证探索，进而找出了影响我国农林牧渔业企业违约的关键变量，构建了最佳违约判别模型，这些关键变量和判别模型对中国人民银行和商业商业银行监测该行业企业的信用风险具有重要的参考价值。关键词
2、：农林牧渔业违约模型实证研究EmpiricalStudyonDefaultDiscriminantfortheShorttimeLoanFirmsinAgriculture,Forestry,Grass,andFisheryIndustryDefaultseveritydegreeoftheShorttimeLoanFirmsofAgriculture,Forestry,Grass,andFisheryIndustryishighestinallindustriesofChina,soitisessentialtoevaluatethedefaultsituationof
3、Agriculture,Forestry,Grass,andFisheryIndustryfromacrossindustrypoint.Basedonthehugedatabaseof"BankCreditRegisteringConsultationSystem'；thepaperbuildsandtestsdefaultClassificationdiscriminantmodelsfortheshort-periodloans'firmsamplesinAgriculture,Forestry,Grass,andFisheryIndustrywhichisdivi
4、dedintofourscaleandthreedistrictsinmainlandChina,includingMulti-DiscriminantAnalysisModel,LogisticModelandNeuralNetworkModel.Then,thepaperfindsthekeyvariables,selectsthehigher-accuracymodelasthefinalmodel.Thepeople'sbankofChinaandCommercialbankscanusethesekeyvariablesandmodelstosupervised
5、efaultsituationofthisindustry.Keywords:Agriculture,Forestry,Grass,andFisheryIndustry;DefaultModel;EmpiricalStudy据近几年來从全国跨行业和跨金融机构对各个行业短期贷款企业违约测度发现，我国农林牧渔业短期贷款企业的违约严重程度一直居所有行业中之首，因此从跨行业的角度研究评估该行业短期贷款企业的违约以及构建违约判别模型对中国人民银行和各个商业银行监测该行业的信用风险来说具有重要的应用价值。目前关于企业的违约判别模型主要是把企业违约评估看成是模式识别的分类问题，尽管有人
6、将这类方法称为“粗暴的经验主义方法"[1]，但在目前的金融理论下它可能是最有效的方法，也是国际金融界和学术界视为主流的方法，目前企业的信用风险判别模型种类很多，发展也较成熟，有齐种统计判别模型、非参数的方法、人工智能模型、线性规划和降维方法等。从国内外信用风险模型的应用来看，主要流行实用的方法要数多元判别模型、LogiStic回归模型和神经网络模型。多元判别模型典型的代表有Altman的Z・Score模型和ZETA模型对制造业违约与非违约临界值的确定【2】,王春峰，万海晖，张维等人(1998)应用多元线性判别模型对某国有商业银行的企业客户短期贷款的偿还情况的分类分析【3】
7、；Logistic回归模型方面，Ohlson首先将Logistic回归模型LR应用于信用风险评估领域[4],Madalla采用其区别违约与非违约贷款申请人的贷款决策【5】。此外神经网络作为人工智能的一种分类方法，也应用信用风险评估的领域，如Altman,Marco和Varetto(1995)对意人利公司财务危机预测中应用了神经网络分粧法，Coats,Fant(1993)>Trippi和Turban,Kevin、KarYanTan和MdodyY.Kiang(1992)采用了神经网络分析法分别对美国公司和银行财务危机进行了预测，取
