12篇银行征信评价文献_研读工作笔记

1、虚假银行流水的危害及防控措施评语：指得流水证明造假，认为真实流水可有效验证其他资料的真实性内容：依靠银行流水还原小微企业真实经营状况的方法，即要求小微企业提供实际经营使用的账户的流水，然后对企业经营性款项的流入、流出进行统计，估算出企业的销售收入，经营成本等主要财务指标。问题是虚假流水多。2基于logistic回归模型的中小企业信用评分研究内容：评分系统采用统计显著的变量指标，再分配权重中小企业信用评分指标体系i（马九杰）财务指标地区经济环境企业主个人特征变量营运资金与总资产之比省份变量年龄资产负债比受教育程度销售利润率是否出资人总资产周转率职业经历个人操守留存收益与总资产之比财务状况中小企业

2、信用评分指标体系2（糜仲春，主要生产性企业）财务指标体系非财务指标体系现金流流动负债比行业环境净资产总资产比企业经营管理水平息税前利润流动负债比经营者经验与素质总资产周转速度信用品质流动比率现金流贷款比信用评分模型白构造过程1样本数据初步分析2数据采集3样本分类（截面分析，划分为不相关的类别，增强模型预测能力）4指标确定5分值设计（具体看英文，文献比较古老）评分模型：1判别分析2Logistic回归适合用于解释变量为定性指标的问题，需用极大似然估计为变量分配权重（需要避免变量之间相关性）3分类树法：分割，再细分，判断叶子信用级别（非参数统计法）Cofman,1986,从指标之间相互联系角度对比

3、1和3方法4k-近邻判别法（非参数法）：在目标的特征变量向量空间内定义一个测度（距离），只需考虑与他距离近邻的K个人的好坏比例（既可以作为一个指标，也可以作为评价系统，存在“维数祸根”问题）AK-NearestNeighborClassificationforAssessingConsumerCreditRisk,1996神经网络的应用-基于神经网络和专家系统结合的企业信用评估研究，2002,厦大神经网络没有明显优于线性判别，适合处理非线性数据，非线性方法精度略优，稳健性不如线性方法保证评估指标的全面性和实用性：影响个人信用状况的因素是多种多样的，既要考虑其收入、资产等经济指标，又要考虑它的信

4、用历史、基本情况等个性指标（定性指标采用某种量化的方式，或者离散量化）统计判别方法：1完全分布2部分分布3分布无关假设评分模型的好坏关键在于指标的选取。中小企业数据不健全，不透明。主要从三个方面：企业财务状况；企业特征；企业主个人特征（类似个人零售贷款）财务系列评分：杜邦财务分析体系和沃尔比重评分法（1） 财务指标选取：1偿债能力：资产负债比、速动比率、现金流动负债比率2盈利能力：净资产收益率和销售利润率3营运能力：应收账款周转率和存货周转率（中小企业应该比大企业高）4成长与发展能力：销售收入增长率、净利润增长率、净资产增长率（2） 企业特征类变量：所处地区、所处行业（3） 企业主个人特征变量

5、：是否出资人、本行业工作年限（企业主年龄、受教育程度越高，违约可能性越强）表44变量及其定义变量定义资产负债比占总资产/总负得流动比率占流动资产/流动负债现金流动负债比与年经营活动现金净流量/期末流动负债I净资产收益率与净利润/平均股东权益德售利润率/精售利涧/销售收入净颤！应收卷款周转率/销售收入/平均应收账款.存货周转率与产品稻售成本/存货平均余额1销售收入增长率/期末储售收入一期初销售收入）/期初精售收入净利润增长率与本年净利润增长额/上年净利涧净资产增长率占Q工期末净资产-期初净资产）/期初净资产所处地区与东部二1；中西部占0所处行业无非农业口；农业=0是否为出赞人所是否二0企业主从事

6、本行业或相关行5年以下二0：5“10年下,1015年=2,15'2O3(20业的工作年限算四年以上二43基于数据挖掘的商户风险评分方法和系统内容:反复抽样统计回归，不同类型欺诈分别建模，求加权评分重要4基于动态监测的可疑金融交易识别体系重构A&aedBinent(U,S.Cnngress)发表了如何利用信息技术控制洗钱犯罪的报告.文中阐述基于统计学和人工智能技术的聚类方法在发掘潜在交易特征方面的应用©David.Hannah和Mattlieu提出了一种数据挖掘技术方案,用于解决在欺诈交易识别中准确定位和隐和保护之间的矛盾，其中聚类方法是设计方案的重要组成部分叫Heni

7、y和Raphael描述如何将FinCEN数据库重组，使用链接分析方法在现金交易数据库中发现和分析洗钱迹象的全过程叫Tan再提出f一个基于金融交易数据特征的交叉孤立点检测模型，同时给出广优化的计算偏离度的近惧算法，银行真实交易数据和人造孤立点的混合数据表明，此模型在显著提高检出率的同时能有效降低假阳性比率(seivKiiiverate)Ljiurenee和Ralph认为单纯依靠基于规则的检测(Rule-l>alDuxetimi)不足以检测洗钱或金的犯罪.进而提出综合运用基于个人历史行为轮廓及对等组(p”即oup)历史行为轮廓检测可疑金融交易以及应用链接分析(LwkAi加声iQ及启发式规则(

8、I的小4匹)等发现可疑金融交易的方法如白一方面专注于相对完整及实用化的可疑交易监测系统的设计、开发，以即借助成功开发的系统完成特定环境中的可疑金融交易识别任务o代表性的研究有：陈石开等从逻辑层次结构、系统基本框架和系统基本流程3个方面阐述的分布式界构计算环境下基于数据挖掘技术的洗钱侦测系统口叱汤俊设计的利用风险评估工具及合规工作流程辅助工具从客户风脸.交易风险和综合风险3个方面对可疑金融交易进行分析和识别另一方面主要集中于对可疑金融交易识别过程中某个阶段所涉及的相关识别技术和方法的研究，并致力于通过相应的改进及创新提高可疑金融交易识别的效率和准确度3皿0这方面的研究经过近几年的发展.已经由初期

9、基于规则的识别技术逐步过渡到r基于人工智能和数据挖掘的识别技术。前者的主要特点是根发展趋势：初期基于规则依靠阈值或者偏离度的识别技术，到了基于人工智能和数据挖掘的识别技术。规则模型缺点：没有考虑交易主体的相关背景信息，的相关背景信息，比如主体所在的地域、主体的性研，主体的规模以及主体之间的行业差异等.这会导致识别技术与客观经济形势的不适应，从而产生大量的误报及虚报；二是这就被动的识别技术通常不具备较好的自适应性，不能根据洗钱方式的变化进行冉动调整，这容易导致洗钱者在掌握阈值或偏离度之后,通过调整洗钱行为模式规避监管j月此，基于规则的可疑金融交易识别技术在反洗钱技术发展的初期得到大量研究和应用之

10、后,目前仍然存在着发展的空间,但技术上需要进行相当程度的改进和创新。因此，基于人工智能和5基于行为模式识别的可疑金融交易监控体系的构建与完善：提炼：行为模式主要通过学习特点，判断依靠置信区间内容：本文从监管变迁角度分析了我国可疑交易报告制度发展的趋势，提出通过构建和完善基于客户行为模式识别的交易监控体系是改变当前可疑交易报告制度监管与实施不利局面的途径。所谓行为模式(behaviorpattern),即用户在内在和外在环境共同影响和作用下表现出来的一种行为趋势和规律性特征。与传统特征匹配法采用"ifthen”判别模式不同，机器学习等智能和数据分析技术可通过对一段时期的用户行为数据进行

11、理解，掌握其行为模式规律与趋势。，从模式识别角度看，只要存在与正常用户行为范式不同的地方，只要甄别特征变量和甄别层次足够，就有很大把握发现所与众不同的异常交易，这是行为模式识别技术监控可疑交易的机理。通过技术手段构建用户行为的规律与活动框架，从而掌握其交易的置信领域，并根据其交易活动的延续以及同行交易活动随内外环境变化随时调整其参数，做到与时俱进，自适应、自调整的智能动态变化，有效克服了客观标准一刀切的弊端而将可疑交易报告(SuspiciousTransactionReport,STR)统一转变为可疑行为报告(SuspiciousActivityReport,SAR)当前已成为欧美国家监管当局

12、的共识。(一)数据分析的层次对客户行为模式识别的分析可按照以下四个层次进行：交易层：包括一系列的单独交易行为，如现金存取、电汇、支票等，一般能形成一个典型的时间序列数据。账户层：系列交易都由特殊的个人或账户完成，可形成多个时间序列数据。组织层：客户行为主体往往归属一个公司或组织，其中包含多个账户和个人。链接层：客户金融交易行为往往牵涉到多个公司、组织和个人。所谓客户行为预期是根据客户开户背景资料、同行信息以及对客户一段时间交易行为模式的观察，在业务细节各层面建立和不断调节客户行为模式预期，预测客户未来活动的趋势，建立客户交易行为概貌(pro巾le),包括交易金额、频率、对象、资金来源与流向归属

13、等方面的预期置信阈值，将实际发生行为与预期值比较，超出置信阈值的行为将触发报警。一般从两个方面来进行，即将其与自身过往历史行为模式比较以及与同行的所谓对比客户组(peergroup)的行为模式比较。判别时不以单条记录作为单位，而是分别以账号、开户人、开户人所属组织以及相关联组织机构等多个层面对交易的各个特征属性进行比照，从而发现客户异常。利用行为模式识别进行深度分析以及误报的排除。6穆迪评估软件产业的报告：(未完，准备进行全文细读)本文件不完全包括反映在穆迪评级中的所有因素，但应使读者了解在对这个部门作评级时最重要的应该考虑的定性问题和财务信息比例问题。个人观点：评级考虑了该产业的业务特点，要

14、素的选择建立在行业研究基础上。主要收入来源是基于庞大已有客户群的每年维护费用和订购销售，许多公司将软件销售和售后支持作为商业模式的一部分，但是这部分没有被包含进一般的评估模型中1规模2商业轮廓(BusinessProfile)3盈利能力(Profitability)4杠杆率和规模(LeverageandCoverage)5财政政策(FinancialPolicy)1规模：规模往往是一个在体现客户发展广度和业务整体深度的成功指标，它也通常被赋予代表规模经济。2商业轮廓(BusinessProfile)(25%),为什么重要：商业轮廓因素提供了象征一家公司在多样化测度上的质量强度以及我们对其市场占

15、有率的评估，并合适的反应了公司现金流的稳定性和持续性。整体的分高的公司在多样化和市场占有方面得分也高，若有较弱的得分项可能会影响现金流的长期稳定性产品线的多样性有助于抵抗软件行业不断发展的趋势带来的消极影响，新产品更新淘汰不断出现，只依赖于单一产品的软件公司风险会很大；地理多样性类似被看做积极因素，认为反应了规模经济优势；终端市场的多样性也从积极的角度来看，因为它减轻在任何个别行业或垂直市场的变化将显著影响盈利和现金流的风险。市场占有率对于信用评估很重要，因为它可以代表竞争成功的水平，客户关系的实力水平和未来可能前景的水平。估计分支因素的信息通常来源于穆迪分析师根据财报给出信息的观察或估计表格

16、中有级别分类明细3盈利能力是衡量当前经济成功和管理的有效性的一个指标。4杠杆和覆盖率度量是反应一个公司的财务灵活性和长期可行性的指标。财务灵活性是软件公司适应不断变化的技术和趋势的关键。软件公司需要资源，投资于研究和开发，以及进行战略收购，以获得关键技术，并扩大产品适用性，以满足客户的需求转移5管理者和董事会的金融风险容忍度是一个决定因素，因为它直接影响到债务水平，信贷质量，以及融资和资本结构的不利变化的风险。7商业银行对中小企业信用风险评价的方法探索：看法:方法可以借鉴，结论可信度不高。原因：样本，向成都市某商业银行提出贷款申请的100家工业中小企业的数据，申请成功的为好样本，失败的为坏样本

17、；模型主要使用的是财报类因素和企业基本素质，其中提供数据的银行既当裁判又当运动员，结果可信度不高我国商业银行信用评级过程中的三项主要工作是：（1）确定评级指标体系；（2）确定评分标准，即各项参与评级的指标参照值；（3）确定各项评级指标的分值。（一）中小企业信用评价指标体系的构建原则1要体现中小企业自身的特点。企业主，创新能力，成本低效率高涨速快，企业经济成长性和项目经济成长性2要体现行业、规模及地区差异。不同行业有不同的行业结构、发展前景、风险因素，同一因素对不同企业影响程度不同。大企业应该注重定量分析，小企业注重定性分析。指标设定要考虑地域政策环境因素3注重定量分析与定性分析相结合。如对于企

18、业财务核算规范性指标，就可以根据其是否常年聘请会计师、报表编制的及时性、财务主管的业务技能以及财务核算手段的先进性来实现定性指标定量化。在做定量分析时，也应该有针对性地结合企业提供的产品、经营管理水平、面临的市场环境、投融资环境等情况进行综合分析判断。（二）定量指标分析1,企业偿债能力。本文选取了净资产与贷款比例、资产负债率、流动比率、速动比率、担保比率5个指标来综合衡量企业的偿债能力。2,企业盈利能力。该指标反映了企业的经营状况，本文选取净资产收益率、总资产报酬率、营业利润率3个指标来衡量企业的获利能力。3 .企业营运能力，也即企业的管理能力。管理能力的一个重要部分是对于企业资产的管理能力，

19、它直接影响到企业资金循环的速度。本文选取应收账款周转率、存贷周转率、成本费用利润率3个指标来衡量企业的营运能力。4 .（作者拍脑袋）企业现金流量。通过设置经营性现金流动负债比、现金利息保障倍数、主营业务收入现金率3个指标来分析现金流量情况5,企业成长能力。本文主要采用主营业务收入增长率、净利润增长率、净资产增长率来考察中小企业的成长情况。定性指标：见表一财务指标用因子分析整合。筛选后使用：企业基本素质，因子1，因子28ANewModeltoIdentifyBankruptcyRiskofCorporations(ZETA莫型)摘要：本文探讨了破产的分类模型的发展，自变量中吸收了与判别分析相关的

20、综合性因素，使用的破产公司样本数据，基本覆盖了1969-1975时期，通过传统的安全分析把财务报表数据和市场相关测量转变为指导方针，以促进公司间的可比性，并反应出最新的审计报告标准，以维持模型分析的适应性。这项研究的结果与通过详细阐述类别成员的先验概率的alternative破产分类策略作对比，估计分类错误的误判成本。后者是基于来自商业银行贷款错误的成本估计。本研究的结果暗含了在信用评估、投资组合管理，以及外部与内部绩效分析具有潜在重要应用意义。变量分析：42,VariablesanalyzedAnumberoffinancialratiosandothermeasureshavebeenfo

21、undinotherstudiesI。behelplulmprovidingslatisUcalevidenceofimpendmgfailures,胃巳haveassembleddatalocalculatethese,variablesandinadditionhaveincludedseveralmeasuresthatwerethoughtidbepotentiallyhelpfulaswell.Thtr27variablesarelistedinappendixBalongwithcertainrelevantstatisticswhichwillbediscussedshorrly

22、.Notethatinafewcase-eg,nos.7and%Tangibleassetsandinterestcoverage-thevariablesareexpressedinlogarithmicforminordertoreduceoutlierpossibilities3ndtoadheretostatisticalaumptions.Thevariablescanbeclassifiedasprofitability(1-6),coverageandotherearningsrelativetoleveragemeasures(8-14),liquidity(15-18%cap

23、italizationratios(19-23hearningsvariability(2心26】andafewmiscellancoijsmeasures(7,27L模型结果最优化选出来这7个指标，(通过对比模型结果确认所用的指标)1、X1,资产收益率，息税前收益/总资产：这个变量已经被一些过去的多变量研究(包括Altman(1968,1973)和单变量经典研究(Beaver,1967)证明了，对评估公司绩效是非常有帮助的2 .x2,收入的稳定性，采用对X1在5-10年估计值的标准误差指标作为这个变量的度量。收入上的变动会影响到公司风险，因此这种标准是相当有效的。EBITdropandMar

24、gindrop虽然在单变量水平下显著，但是最后没有入选多变量模型中3 .x3,债务偿还，(interestcoverage和WC/LT。可用人们所常用的利息保障倍数(覆盖率)，即利税前收益/总利息偿付来度量，做了对数化处理以提高正太性和同方差性，这是固定收益证券分析者和债券评级机构所采用的主要变量之一。4 .x4,积累盈利，可以用公司的留存收益(资产减负债/总资产)来度量。该比率对于Z-score模型尤其有效，它需要考虑以下因素：公司年龄，公司股利政策，以及不同时期的获利记录(altman,1968)。毫无疑问，不管是单变量法还是多变量法，该比率都是最重要的。5 .x5流动比率，可以用人们所熟

25、悉的比率currentratio衡量。6 .x6资本化率，可以用普通股权益/总资本。在分子和分母中，普通股权益可以用公司五年的股票平均市值衡量，而不是帐面值。五年平均市场值可以排除可能出现的严重、暂时性的市场波动，同时(与上述的X2)在模型中纳入了趋势的成分。7.x7规模，可以用公司总资产的对数形式来度量。该变量可以根据财务报告的变动进行相应的调整。缩减变量的数量和决定变量集中变量的重要性密切相关，有一些常用的缩减变量的流程:逐步分析，可作为排序重要性的准则，但没有绝对的最优方式。在很多研究中这几个变量并不固定。9基于Logistic回归分析的违约概率预测研究通过综合考虑信用风险的各影响因素，

26、借鉴我国财政部统计评价司的企业效绩评价指标体系和国有商业银行企业资信评估指标体系以及国内外有关文献的相关指标，在分类、汇总、整理的基础上，同时兼顾数据的可获取性原则和可量化原则，依次选取经济性质、流动比率、速动比率、超速动比率、营运资金/总资产、资产负债率、流动资产周转率、有形净值债务率、营运资本负债率、净资产收益率、资产收益率、销售净利率、销售收入/总资产、销售毛利率、营运资金/销售净收入、存货周转率、应收账款周转率、总资产周转率、产权比率、固定资产周转率等21项指标。通过这些指标可以较为全面地反映企业的盈利能力、偿债能力、运营效率和盈利能力等层面的信息。同时，也应该看到这些指标之间存在一定

27、的相关性与可替代性，需要在一定统计水平上加以挑选。常用的选择方法有：(1)正向逐步选择法(forwardstepwise):即在截距模型的基础上,将符合所设置水平的自变量一次一个地加入模型;(2)反向逐步选择(backwardstepwise):在模型包括所有候选变量的基础上，将不符合保留要求显著水平的自变量一次一个地删除掉；(3)混合逐步选择法(combinedstepwise):它将正向选择和反向选择结合起来，根据所设的显著性标准分别将变量加入到模型中去或剔除掉。经过以上测算与分析，筛选出6个自变量，分别为：经济性质、速动比率、超速动比率、资产负债率、流动资产周转率和净资产收益率。剔除掉与

28、速动比率相关性较强的超速动比率后，剩余5个自变量，这些指标涉及了经济性质、运营效率、偿债能力、盈利能力等四个方面的内容，可以较为科学地反映贷款企业的信贷风险。在处理上，首先直接把5个自变量纳入模型，经级大似然估计得出的系数存在较大的标准误差，且某些指标不能通过统计检验。通过分析5个自变量，发现偿债能力指标与违约风险之间并非存在完全的线性关系，即资产负债率对企业财务状况的影响，并非资产负债率越高越好，也不是越低越好。实际情况是，合适的资产负债率有助于财务的稳健性并起到有利的财务杠杆作用。过高意味着高举债经营，财务风险偏高，不够用I健；过低则未能充分发挥财务杠杆的作用，未能达到企业价值最大化，因此

29、资产负债率对企业违约风险的影响应该是非线性的，考虑纳入其平方值，使其对因变量的影响变为开口朝下的抛物线形状。10基于信息触合的商业银行信用风睑评估模型研究本文将有效地利用信息融合优化决策的思想，将BP神经网络和支持向量机用于信用风险评估模型进行综合评价，得到比较优化的评估模型，这种在信用风险评估方面的应用将丰富信用风险的评价体系，对于有效防范信用风险提供新的识别思想。在确定信用风险评估模型之前，必须选择合适的风险评价体系。鉴于本文使用的样本数据容t不是很大，各个指标取值范围较广，数据具有一定的平滑性，因此采用两倍三倍标准差检验法进行异常数据的剔除，最终获得189个样本数据；对于所获得的数据利用

30、统计软件SSPS进行了因子分析。求解释因子的主要目的是确定能够解释观测变量之间相关关系的最小因子个数。依据特征值准则，当前样本数据条件下的解释因子数确定为4,而且从因子负载矩阵中可以看出，各因子的经济含义较为明显，14项财务指标的样本数据被分为四个解释因子，分别为贷款企业偿债能力因子（资产负债率流动比率现金比率经营现金偿债率和利息保障位数五项指标共同决定）盈利能力因子（营业利润率成本费用利润率总资产报酬率三项指标共同决定）资产管理能力因子（应收帐款周转率和总资产周转率两项指标共同决定）和企业发展能力因子（有形净资产资本保值增值率销售收人增长率和利润总额增长率四项指标共同决定）,通过综合指标决定了上述四个因子，然后利用神经网络的输出来判断贷款的风险种类。11基于贝叶斯分类的可疑金融交易识别研究记录：贝叶斯条件概率分类，需要训练样本求条件概率内容：金融交易识别研究可疑金融交易识别方法。基于交易记录层面的交易金额异常通常与交易数据异常点对应，可选择聚类算法加以识别。针对交易账户层面的交易金额、频率异常情形，可选择时间序列分析方法加以识别。交易账户信息中所反映出的交易金额、频率异常，通