论文部分内容阅读
摘要：本文基于已知数据，在经过数据融合处理后，选取数项可以反映企业风险评判指标，根据国家标准将企业分成了18类，对一些指标进行K均值聚类后再利用模糊综合评判进行评价。根据风险量化指标建立出银行稳定的收益结果与贷款金额、贷款年利率的关系并寻求最优解，构建了数学模型并计算出了最优贷款策略。
关键词：多元线性回归 模糊综合评判 风险量化模型 皮尔逊相关系数
一、问题重述及分析
根据已知的123家企业信息，提取并筛选出能够用于判断该123家企业放贷策略的相关信息，并对这123家企业进行信贷风险的具体量化分析。根据具体量化指标及银行固定的放贷资金和政策，对附件1中企业给定具体的放贷方案和策略。
我们首先需要对所给附件中的数据进行数据挖掘处理，从中筛选出能够反应该企业具体经营状况等相关信息的大致指标，随后对所选指标进行具体的量化分析，建立可供判断的风险量化模型，对所给附件包含企业的企业信贷风险给出可视化指标。同时为了能够将银行的利益收益以具体的结果或某种方式呈现，需要对附件三种给出的ABC三类企业贷款利率和流失率之间的关系进行分析，通过某种恰当的拟合来分析流失率、企业类别和利率之间的关系。同时根据风险量化指标建立出银行稳定的利率收益结果与贷款金额和贷款年利率的关系，通过对其中存在的参数确定取值范围，利用线性规划寻求最优解，求得银行对所给企业应制定何种贷款策略才能取得长期稳定且较高的利率收益。
二、模型假设
（1）假设一个企业的信用评级会受到其是否违约的影响，若违约，则该企业的信用评级应当下调。对信用等级下调至D的企业仍考虑对其贷款。
（2）基于所给附件中不同企业交易数量和交易时间的差异性，忽略不同企业交易次数数量差异的影响，仅对企业的总体情况进行分析。
（3）将企业按照国家行业标准分为18大项行业，且行业不交叉不叠加，即一个企业只属于一个行业大类别，同时又将企业按照三大产业类别进行二次分类。
（4）假设某企业上下游相关企业越多表示该企业在产业链中的供求稳定性越高，反之则表示稳定性越低。
（5）假设银行的利润为能够长期存在的企业与其有贷款关系的企业所提供的年利率之和，并且均以一年作为贷款周期。
三、模型的建立与求解
3.1信贷风险模型的量化指标分析
基于所给问题原则上对信誉评级为D的企业不进行放贷处理，首先对数据进行部分预处理，将信誉评级为D的企业单独筛选出，对剩下的信誉等级为ABC的三类企业进行进一步处理。
基于已给数据，在进行数据处理和挖掘后，现选取企业经营利润、贷款偿还能力、供求关系稳定性、银行信用评级、销项被退款比例、企业类别六项指标，基于模糊数学多因素的综合评判进行企业的信贷风险模型的量化指标具体分析求解。
3.2 利用模糊数学综合拼盘计算具体企业的信贷风险量化指标
本模型基于模糊数学分析进行数据的具体分析。对给出的六类评判标准，将各项预处理得到的数据利用spss进行聚类分析得到具体量化数据，从而通过多因素的模糊数学综合评判，计算出对每个企业具体的风险量化数值。
3.3 银行提供贷款金额和利率的模型建立
对于具体的信贷策略，我们将其分为贷款金额和贷款利率两类。基于附件三，显然易见得若贷款利率不断提高，企业在该银行贷款的流失率不断升高。基于此类情况，以及假设（6）现提出如下模型：
α=（1-a）*（β*γ）（1）
β=10*X;（2）
γ=4%*（1+K*X/10）;（3）
针对（3）式，基于年利率在4%-15%这一区间范围内，对K进行初步的取值范围，得到K的大致取值范围在[0，4]。
基于建立的该模型，需要现对附件3中的A，B，C三类信誉等级的企业的流失率与年利率的关系进行拟合。通过绘制相关散点图发现，企业流失率与年利率近似满足一次函数曲线，故对企业流失率与年利率进行一次函数拟合，拟合结果如下：
对A类企业：=7.5241-0.0979
对B类企业：=7.3511-0.1178
对C类企业：=7.4684-0.1379
针对企业流失率与年利率的拟合函数，计算出A，B，C三类企业各自的平均流失率。基于（2），（3）两式，用含有k的参数表示出（1）式。此时问题转化为对含有单个参数K的（1）式，在有取值范围的情况下寻求最大值的最优解的问题。同时注意到附件3中的贷款利率的精度为0.0001，既k的最小变化值应取0.0001。基于此条件，寻求（1）式最大值的最优解，此时的k的取值即为对企业贷款年利率的最优取值，计算结果为 k=1.573。
即当k的取值为1.573时，银行的所获得长期稳定的利润达到最大值。
四、模型的评价与改进
我们主要采用模糊数学综合评判的方法和聚类分析及德尔菲法的相关方法分析数据和构建有关模型，并利用附表中的进行数据的挖掘和分析处理寻找用于拼盘的标准。基于已有条件能够筛选出较多可用数据的作为模糊数学综合平判的标准。
附件中看似只给了进项与销项的数据，实则由各类发票开局的企业号不同，暗含了与该企业交易时存在的上下游企业数量，从而反应出该企业在产业链中的稳定性大小。此外，还可以根据国家统计局统计的各类行业贷款风险对企业进行初步的风险量化评估处理，从而让后续的拟合和模糊计算结果更加精确。
本模型中部分参考数据仅考虑了我国在近三年的GDP增长数据统计结果，没有考虑到有些产业属于新型產业，近三年来仍属于发展期，拥有巨大潜力。故应当对各行业近年来的国家政策扶持和资金投入比例进行各项综合性分析，同时可以参考国家统计局发布的各年各产业的环比增速进行进一步的分析处理，以获得更为精确的数据结果和分析结果。
参考文献
[1]霍瑞锋.河北银行S分行中小企业贷款风险控制研究[D].河北工程大学，2020.
[2]夏佳佳.经济新常态下商业银行不良贷款影响因素研究——基于多元线性回归模型[J].安徽商贸职业技术学院学报（社会科学版），2020，19（02）：40-43.
[3]李欣桐，方毅.新冠肺炎疫情对我国经济的影响及对策研究[J].长春金融高等专科学校学报，2020（04）：78-87.
作者简介：乔守印 2005 年 6月19日 男 山西省吕梁市 汉 普通本科 计算机与数学结合方向。
关键词：多元线性回归 模糊综合评判 风险量化模型 皮尔逊相关系数
一、问题重述及分析
根据已知的123家企业信息，提取并筛选出能够用于判断该123家企业放贷策略的相关信息，并对这123家企业进行信贷风险的具体量化分析。根据具体量化指标及银行固定的放贷资金和政策，对附件1中企业给定具体的放贷方案和策略。
我们首先需要对所给附件中的数据进行数据挖掘处理，从中筛选出能够反应该企业具体经营状况等相关信息的大致指标，随后对所选指标进行具体的量化分析，建立可供判断的风险量化模型，对所给附件包含企业的企业信贷风险给出可视化指标。同时为了能够将银行的利益收益以具体的结果或某种方式呈现，需要对附件三种给出的ABC三类企业贷款利率和流失率之间的关系进行分析，通过某种恰当的拟合来分析流失率、企业类别和利率之间的关系。同时根据风险量化指标建立出银行稳定的利率收益结果与贷款金额和贷款年利率的关系，通过对其中存在的参数确定取值范围，利用线性规划寻求最优解，求得银行对所给企业应制定何种贷款策略才能取得长期稳定且较高的利率收益。
二、模型假设
（1）假设一个企业的信用评级会受到其是否违约的影响，若违约，则该企业的信用评级应当下调。对信用等级下调至D的企业仍考虑对其贷款。
（2）基于所给附件中不同企业交易数量和交易时间的差异性，忽略不同企业交易次数数量差异的影响，仅对企业的总体情况进行分析。
（3）将企业按照国家行业标准分为18大项行业，且行业不交叉不叠加，即一个企业只属于一个行业大类别，同时又将企业按照三大产业类别进行二次分类。
（4）假设某企业上下游相关企业越多表示该企业在产业链中的供求稳定性越高，反之则表示稳定性越低。
（5）假设银行的利润为能够长期存在的企业与其有贷款关系的企业所提供的年利率之和，并且均以一年作为贷款周期。
三、模型的建立与求解
3.1信贷风险模型的量化指标分析
基于所给问题原则上对信誉评级为D的企业不进行放贷处理，首先对数据进行部分预处理，将信誉评级为D的企业单独筛选出，对剩下的信誉等级为ABC的三类企业进行进一步处理。
基于已给数据，在进行数据处理和挖掘后，现选取企业经营利润、贷款偿还能力、供求关系稳定性、银行信用评级、销项被退款比例、企业类别六项指标，基于模糊数学多因素的综合评判进行企业的信贷风险模型的量化指标具体分析求解。
3.2 利用模糊数学综合拼盘计算具体企业的信贷风险量化指标
本模型基于模糊数学分析进行数据的具体分析。对给出的六类评判标准，将各项预处理得到的数据利用spss进行聚类分析得到具体量化数据，从而通过多因素的模糊数学综合评判，计算出对每个企业具体的风险量化数值。
3.3 银行提供贷款金额和利率的模型建立
对于具体的信贷策略，我们将其分为贷款金额和贷款利率两类。基于附件三，显然易见得若贷款利率不断提高，企业在该银行贷款的流失率不断升高。基于此类情况，以及假设（6）现提出如下模型：
α=（1-a）*（β*γ）（1）
β=10*X;（2）
γ=4%*（1+K*X/10）;（3）
针对（3）式，基于年利率在4%-15%这一区间范围内，对K进行初步的取值范围，得到K的大致取值范围在[0，4]。
基于建立的该模型，需要现对附件3中的A，B，C三类信誉等级的企业的流失率与年利率的关系进行拟合。通过绘制相关散点图发现，企业流失率与年利率近似满足一次函数曲线，故对企业流失率与年利率进行一次函数拟合，拟合结果如下：
对A类企业：=7.5241-0.0979
对B类企业：=7.3511-0.1178
对C类企业：=7.4684-0.1379
针对企业流失率与年利率的拟合函数，计算出A，B，C三类企业各自的平均流失率。基于（2），（3）两式，用含有k的参数表示出（1）式。此时问题转化为对含有单个参数K的（1）式，在有取值范围的情况下寻求最大值的最优解的问题。同时注意到附件3中的贷款利率的精度为0.0001，既k的最小变化值应取0.0001。基于此条件，寻求（1）式最大值的最优解，此时的k的取值即为对企业贷款年利率的最优取值，计算结果为 k=1.573。
即当k的取值为1.573时，银行的所获得长期稳定的利润达到最大值。
四、模型的评价与改进
我们主要采用模糊数学综合评判的方法和聚类分析及德尔菲法的相关方法分析数据和构建有关模型，并利用附表中的进行数据的挖掘和分析处理寻找用于拼盘的标准。基于已有条件能够筛选出较多可用数据的作为模糊数学综合平判的标准。
附件中看似只给了进项与销项的数据，实则由各类发票开局的企业号不同，暗含了与该企业交易时存在的上下游企业数量，从而反应出该企业在产业链中的稳定性大小。此外，还可以根据国家统计局统计的各类行业贷款风险对企业进行初步的风险量化评估处理，从而让后续的拟合和模糊计算结果更加精确。
本模型中部分参考数据仅考虑了我国在近三年的GDP增长数据统计结果，没有考虑到有些产业属于新型產业，近三年来仍属于发展期，拥有巨大潜力。故应当对各行业近年来的国家政策扶持和资金投入比例进行各项综合性分析，同时可以参考国家统计局发布的各年各产业的环比增速进行进一步的分析处理，以获得更为精确的数据结果和分析结果。
参考文献
[1]霍瑞锋.河北银行S分行中小企业贷款风险控制研究[D].河北工程大学，2020.
[2]夏佳佳.经济新常态下商业银行不良贷款影响因素研究——基于多元线性回归模型[J].安徽商贸职业技术学院学报（社会科学版），2020，19（02）：40-43.
[3]李欣桐，方毅.新冠肺炎疫情对我国经济的影响及对策研究[J].长春金融高等专科学校学报，2020（04）：78-87.
作者简介：乔守印 2005 年 6月19日 男 山西省吕梁市 汉 普通本科 计算机与数学结合方向。