复杂系统框架下的企业信用风险预警研究

《复杂系统框架下的企业信用风险预警研究》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、暨南大学博士学位论文题名（中英对照）：复杂系统框架下的企业信用风险预警研究ResearchonEnterpriseCreditRiskEarlyWarningunderComplexSystemFramework作者姓名：何毅舟指导教师姓名庞素琳及学位、职称：博士教授学科、专业名称：管理科学与工程学位类型：学术学位论文提交日期：论文答辩日期：答辩委员会主席：论文评阅人：学位授予单位和日期：暨南大学博士学位论文摘要最近几年，我国商业银行的不良贷款率一直在高位徘徊，使得众多商业银行，甚至整个金融市场面临较高的信用风险。为了从根本上降低商业银行面临的信用风险，降低不良贷款率，需要在发放贷款前

2、对企业在将来还款过程中发生信用风险的可能性进行预警。从系统论的观点来看，众多企业相互之间紧密联系，构成了一个复杂系统，各企业个体是该复杂系统的子系统。因此有必要从复杂系统角度对企业信用风险进行研究。复杂网络和神经网络是研究复杂系统的重要工具。现有研究虽然利用复杂网络对信用风险传染的相关问题进行了大量工作，但基本都是单纯地从网络拓扑结构本身进行研究，没有考虑关联企业间的信用风险的传染能力间的相互影响。另外，传统神经网络在收敛过程中易于陷入鞍点，如何判断神经网络是否陷入鞍点以及如何跳出鞍点是一个研究难点。本文以我国上市企业为研究对象，在复杂系统研究框架下利用演化神经网络理论和复杂网络理论对

3、企业信用风险预警模型进行了研究，在研究过程中对企业的内部因素和外部环境因素以及个体之间的关系进行了综合考虑。内部因素之间，外部环境因素之间，及个体之间的关系都是复杂的非线性关系，因此需用非线性工具对其进行研究。企业内部因素主要是其各项财务指标，通过众多财务指标对企业是否发生信用风险进行预警属于机器学习中的分类问题。演化神经网络综合了遗传算法和神经网络的优点，适用于分类预测，但存在极易收敛于鞍点的问题。为解决该问题，本文提出了一种新的演化神经网络模型，该模型基于营救演化神经网络(RENN,RescueEvolutionaryNeuralNetwork)算法。RENN算法基于在线性能(on

4、-lineperformance)和离线性能(off-lineperformance)构建“性能波动率”指标以判断神经网络是否收敛于鞍点。另外，该算法在兼顾优化倾向和稳健性的前提下，淘汰当前父体，从历史性能最佳的部分个体中选择演化所需的新父体，并及时跳出鞍点进行后续优化。企业外部环境因素和企业个体之间的关系对信用风险在企业间传播有直接影响，复杂网络中的传播理论可以对企业间信用风险的传播机制进行很好地刻画。本文提出了利用互信息熵系数度量不同股票时间序列间的非线性、非平稳关系，并以该系I暨南大学博士学位论文数为边的权重构建了企业信用风险复杂网络，为分析外部环境因素对企业信用风险的影响构建了

5、复杂系统环境。在此基础上，利用复杂网络传播理论研究了企业信用风险的路径依赖性和信用风险传播过程中的雪球效应，分析了传播能力对企业信用风险的影响，得出企业信用风险的被感染强度和其传播信用风险的能力是等价的这一结论。另外，本文在进行社区挖掘的基础上，综合考虑社区和权重对企业信用风险的影响，重新定义信用风险在节点不同路径中传播的比重，解决了原始PageRank算法不考虑权重和不适用于无向网络的问题，提出了CommunityRank算法，该算法可以度量企业信用风险的被感染强度。在研究企业内部因素、外部环境因素及企业间相互关系对企业信用风险的作用的基础上，本文从复杂系统理论角度利用演化神经网络理

6、论和复杂网络理论对企业内部因素和外部因素对其信用风险的影响进行综合分析。分析结果作为企业信用风险指数，即CI指数。实证结果表明该企业信用风险指数可以有效地对企业信用风险进行预警。关键词：复杂系统；复杂网络；社区发现；演化神经网络；互信息熵；RENNII暨南大学博士学位论文AbstractInrecentyears,thenon-performingloanratioofChina'scommercialbankshasbeenatahighlevel,makingmanycommercialbanksandeventheentirefinancialmarketfacehighercr

7、editrisks.Inordertofundamentallyreducethecreditriskfacedbycommercialbanksandreducethenon-performingloanratio,itisnecessarytogiveearlywarningofthepossibilityofcreditriskarisingfromthecompany'sfuturerepaymentprocessbeforegrant