会计信息的数据挖掘方法与银行信贷风险预测

《会计信息的数据挖掘方法与银行信贷风险预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第3期总第197期商业经济与管理N心3Voll97火幻吕年3月JOURNALOFBUSINESSECONOMICSM盯，2仪拍会计信息的数据挖掘方法与银行信贷风险预测彭寿康(浙江工商大学金融学院，浙江杭州310018)摘要:基于信息炳理论和数据挖掘技术，文章提出一种会计信息的数据挖掘方法，投资者和债权人可用这种方法从企业的会计数据中挖掘出决策有用信息。本文以银行信贷风险预测模型构建为例，对这种方法的有效性进行了实证检验。关键词:信贷风险;信息嫡;数据挖掘;信号噪音差中图分类号:F830.9。文献标识码:A文章编号:10以)一2154(2008)03一0050一07一、

2、引言信用风险是指因借款人没有完全履约，致使银行资产遭受损失的风险。世界银行对全球银行业危机的研究表明，信用风险管理不善进而引发流动性危机，是银行破产的最主要原因。在银行的风险管理实践中，信贷风险评估是个重要环节，尽管要求贷款企业提供必要的财务数据早已成为银行工作的一种常态，但银行的信贷风险评估却被一个问题所困惑:究竟哪些财务指标中含有预测企业贷款风险的信息、怎样利用这些信息?可以说，这个问题能否解决，在很大程度上影响到银行的信贷风险评估质量和信用风险管理水平。数据挖掘是20世纪50年代末开始出现的，从大量的、有噪声的实际数据中，挖掘有用信息的一种技术。经过20世纪90

3、年代的迅猛发展，该技术已广泛应用于各个领域，并且新的应用领域还在不断开发出来川。本文从信息嫡理论出发，以银行信贷风险评估为视角，提出一种会计信息的数据挖掘方法，这种方法可以计量各个财务指标中所含有的预测企业贷款风险的信息量。借助于这种方法，本文还提出了信贷风险预测的两种新的模型，实证结果显示，两种模型都有良好的预测准确性。二、财务指标预测信息含量的计量方法基于会计数据的信贷风险评估模型是近年来得到广泛应用的一种银行信用风险管理工具，对这种工具的探索始于Beaver(1966)和龙tman(1968)的企业破产预测研究。尽管几十年来许多学者在此领域不懈努力、也取得了很多

4、成果，有个问题却始终困绕着该领域的研究者:究竟哪些指标可以作为企业信贷风险评估的预测变量?由于已有的经济理论无法回答这个问题，现有研究只能通过各种方法(如经验判断、T检验、逐步回归、因子分析等)进行探索，于是出现在不同文献中的指标就有几十个之多，这充分反映了信贷风险评估中预测变量选择的无序。收稿日期:2加7一08一肠基金项目:教育部人文社会科学规划课题(肠JA79()l05)作者简介:彭寿康(1957一)，男，江苏苏州人，浙江工商大学金融学院教授，经济学博士，主要从事金融监管、风险管理研究。万方数据第3期彭寿康:会计信息的数据挖掘方法与银行信贷风险预测预测变量选择问题

5、的关键是:怎样判断一个指标含有的预测某类事件发生的信息价值?实际上，不仅在银行信贷风险评估、货币危机预警等预测问题中需要解决这个问题，就是在金融机构偿付能力监管指标的设计和有效性分析中，也会遇到同类问题。因此对它的研究就有很大的意义。基于信息嫡理论和数据挖掘技术，本文提出一种度量一个指标所含有的预测某类事件发生的信息价值的计量方法，具体分析如下。用(x:，二2，⋯⋯x。，刃表示贷款申请企业，其中x‘代表企业的各个财务指标(在申请贷款时由企业提供)、y代表企业是否违约(贷款发放一定时间后，如一年后，由银行参照某种标准界定)。信贷风险评估就是通过x‘来预测y，核心环节是要

6、知道哪些x‘对预测y有信息价值、怎样构建预测模型。借款企业是否违约具有不确定性、是个随机事件，若知道某个财务指标x‘的取值后，可降低y这个随机事件的不确定性，x‘对信贷风险预测就有信息价值。在信息论和统计学中，随机变量的不确定性可用信息嫡来度量，其对离散型和连续型变量的定义分别为:1(y)=一‘砚p:’ogp‘，1(了)=一Jf(x)10盯(二)击。其中p‘为离散型变量取不同值的概率、f(劝为连续型变量的密度函数。信贷风险预测中，若以尸:表示企业信贷的违约概率，企业违约的不确定性就可用1(y)=一p;logp:一(1一尸:)109(1一p;)表示。确定一个临界点x。，

7、按条件x‘sx。(二‘