零膨胀两部模型在贷款违约风险因素分析中的应用

发布时间：2020-05-20 13:44

【摘要】：现阶段我国宏观经济处于经济下行、实体部门内生增长动力不足时期,实体企业经营面临困境,商业银行的贷款违约风险大大增加。贷款违约风险是商业银行面临的最主要的一种风险,不仅与商业银行自身的安全与效率息息相关,还会影响到金融与经济的稳定发展。企业可通过借贷获得投资资金,个人也可通过借贷获得更多消费。随着金融创新和个人消费观念的改变,以信用卡业务为首的个人信贷业务发展迅速,随之而起的个人信用风险在商业银行的风险管理中也有了举足轻重的地位。研究影响贷款违约风险因素,对商业银行防控违约风险,维持稳定的贷款盈利水平,保证其稳健运营有着深刻的现实意义。本文以贷款逾期天数为因变量,研究影响用户违约的风险因素以及逾期时长的因素。贷款逾期天数存在显著的零膨胀现象,如何考虑大量0包含的信息是处理该类数据的核心所在。两部模型能很好地处理这类数据,模型的第一部分用于判断用户是否违约,第二部分分析逾期天数的长短。本文在此模型下,从变量选择角度研究了贷款违约的影响因素筛选,将惩罚变量选择方法Lasso与两部模型相结合,建立LASSO-TPM模型,解决了降维问题的同时实现了两部模型的参数估计,并对比主成分两部模型PCA-TPM以及不考虑零膨胀特征的多元线性模型。实证分析表明,政策因素利率,经济因素本月利息收入、已缴期数,人口信息因素性别、婚姻状态、地区对贷款违约存在显著影响。两部模型不仅具有更好的拟合效果,还有更好的预测效果。忽略零膨胀特征的一般线性在拟合度和精度上都与两部模型相差甚远;惩罚两部模型(LASSO-TPM)比主成分两部模型(PCA-TPM)更显优势,不仅在降维效果上更为的简洁直观,模型的稳健性也要更优。
【图文】：

图３．邋１惩罚两部模型建立求解流程图逡逑

４．１数据说明逡逑本文收集了台湾某商业银行信用卡贷款数据２万余条，含逾期天数在内的标变量超过４０个。通过数据清洗，包括对缺失值、异常值处理等，最终得到效样本数１２２３个，初步选择的解释变量２５个。逡逑（１）因变量特性分析。在１２２３个样本中，因变量逾期天数值为０的样本数为６９个，所占比例达到了５６．８３％，显示出典型的零膨胀性，如图４．１左图所示。为据具有更好的稳定性，一般需进行数据变换使之满足正态分布，常用变换有对变换，ｂｏｘ－ｃｏｘ变换以及开方变换等，这里本文基于开方变换对逾期天数作接来的分析。经变换的因变量直方图以及正态Ｑ－Ｑ图分别见图４．１右图及图４．２，方后因变量呈现出一定的正态性，因此可以采用Ｌｏｇｉｔ邋－邋Ｌｉｎｅａｒ两部模型来分析。逡逑对于大于０的因变量观测值即逾期贷款部分，表４．１给出了样本中各笔贷款的逾等级情况，可以看到在逾期贷款中关注类贷款较多（Ｍｌ，，邋Ｍ２，邋Ｍ３），这类款往往容易通过找到逾期原因及时进行催还挽回商业银行的损失，而对于次级可疑贷款可能需商业银行进行多方面的催还与款项追踪。逡逑
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F832.4

【参考文献】

相关期刊论文 前10条

1 曹t

本文编号：2672707