1、對(duì)于現(xiàn)代商業(yè)銀行來(lái)說(shuō)，風(fēng)險(xiǎn)管理一直是核心的內(nèi)容和永恒的話(huà)題。本文選擇目前與我國(guó)商業(yè)銀行信貸業(yè)務(wù)密切相關(guān)的企業(yè)信貸風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)內(nèi)容進(jìn)行研究，旨在探索適合我國(guó)商業(yè)銀行應(yīng)用于企業(yè)信用風(fēng)險(xiǎn)度量的方法，以解決銀行與企業(yè)間信息不對(duì)稱(chēng)的問(wèn)題，一方面能夠降低銀行信貸評(píng)估的成本，促進(jìn)銀行對(duì)企業(yè)的間接融資量和效率，另一方面為偏重于定性分析企業(yè)信貸風(fēng)險(xiǎn)的商業(yè)銀行提供參考價(jià)值，提高銀行對(duì)企業(yè)信貸風(fēng)險(xiǎn)的控制能力，使我國(guó)金融體系能夠更加穩(wěn)健發(fā)展。
　　

2、本文首先回顧了國(guó)內(nèi)外關(guān)于信用風(fēng)險(xiǎn)度量與評(píng)估模型的發(fā)展歷程和研究思路，通過(guò)參考國(guó)內(nèi)外已有的研究成果，現(xiàn)有的關(guān)于信用風(fēng)險(xiǎn)度量方法的研究大致可分為兩大類(lèi):一類(lèi)是基于股票價(jià)格對(duì)于上市公司的信用風(fēng)險(xiǎn)評(píng)估方法研究，另一類(lèi)是基于商業(yè)銀行內(nèi)部客戶(hù)提供的財(cái)務(wù)數(shù)據(jù)對(duì)于信貸客戶(hù)的信用風(fēng)險(xiǎn)方法研究。通過(guò)分析本文的研究目的、我國(guó)目前的資本市場(chǎng)狀況以及商業(yè)銀行基于股票價(jià)格構(gòu)建企業(yè)信貸風(fēng)險(xiǎn)評(píng)估模型的不足之處，表明我國(guó)商業(yè)銀行比較適合利用信貸企業(yè)提供的財(cái)務(wù)數(shù)據(jù)進(jìn)行風(fēng)險(xiǎn)

3、控制。
　　 基于財(cái)務(wù)數(shù)據(jù)的信貸風(fēng)險(xiǎn)預(yù)測(cè)模型研究的核心環(huán)節(jié)為:預(yù)測(cè)變量的選取和預(yù)測(cè)模型的構(gòu)建，本文以此為本研究的兩個(gè)切入點(diǎn)，并在這兩方面進(jìn)行深入研究和方法創(chuàng)新。本文采用兩家商業(yè)銀行的內(nèi)部數(shù)據(jù)進(jìn)行實(shí)證分析，其中A銀行為一家股份制上市銀行、B銀行為一家國(guó)有上市銀行。
　　 在預(yù)測(cè)變量的選取方面，本文首先梳理了關(guān)于變量選取方法研究的文獻(xiàn)綜述，選擇大部分研究中應(yīng)用的t檢驗(yàn)法，分析其優(yōu)缺點(diǎn)。在此基礎(chǔ)上，本文應(yīng)用以往研究中使用較少的

4、逐步回歸法作為對(duì)比，介紹其原理并分析其不足之處。最后，本文利用信息熵理論和數(shù)據(jù)挖掘方法，引入信息噪音差法作為選取變量的新方法，并對(duì)以上方法進(jìn)行實(shí)證研究，結(jié)果表明不同銀行選取出的構(gòu)建評(píng)估模型的指標(biāo)有所差異，本文認(rèn)為不同銀行在構(gòu)建銀行內(nèi)部的信貸風(fēng)險(xiǎn)評(píng)估模型時(shí)應(yīng)該根據(jù)自身的實(shí)際情況選擇建模的指標(biāo)，但本文的實(shí)證表明信號(hào)噪音差在選擇建模指標(biāo)時(shí)相比t檢驗(yàn)法和逐步回歸法有更好的應(yīng)用效果和穩(wěn)定性。
　　 在構(gòu)建預(yù)測(cè)模型方面，本文首先回顧國(guó)外關(guān)于

5、信用風(fēng)險(xiǎn)度量的研究成果，分析我國(guó)金融現(xiàn)狀和部分現(xiàn)代信用風(fēng)險(xiǎn)量化模型在我國(guó)現(xiàn)階段應(yīng)用的局限性，表明目前我國(guó)商業(yè)銀行較適合運(yùn)用國(guó)外理論和應(yīng)用上均較成熟的傳統(tǒng)統(tǒng)計(jì)分析方法，包括判別分析法、logistic回歸和probit過(guò)程，分別分析上述模型的原理和不足之處。此外，本文引用現(xiàn)代數(shù)據(jù)挖掘方法，包括決策樹(shù)、樸素貝葉斯法、信號(hào)噪音差與數(shù)據(jù)結(jié)構(gòu)特征化相結(jié)合的方法，其中決策樹(shù)為intelligentminer系統(tǒng)中用于從大量數(shù)據(jù)中挖掘信息的方法，本文

6、還將對(duì)樸素貝葉斯法進(jìn)行修正，使我國(guó)現(xiàn)有的企業(yè)財(cái)務(wù)數(shù)據(jù)滿(mǎn)足修正后模型的應(yīng)用條件，最后引用信號(hào)噪音差與數(shù)據(jù)結(jié)構(gòu)特征化相結(jié)合的新方法，最后本文創(chuàng)建綜合模型，運(yùn)用“少數(shù)服從多數(shù)”的原理綜合運(yùn)用所有模型結(jié)果。對(duì)上述模型進(jìn)行實(shí)證研究后表明不同銀行在評(píng)估模型的選擇上存在差異，其中A銀行運(yùn)用傳統(tǒng)統(tǒng)計(jì)分析法相對(duì)于決策樹(shù)和修正后的樸素貝葉斯法準(zhǔn)確率更高，而B(niǎo)銀行樣本則更適合運(yùn)用決策樹(shù)和修正后的樸素貝葉斯法，但對(duì)于兩個(gè)銀行來(lái)說(shuō)，信號(hào)噪音差與數(shù)據(jù)結(jié)構(gòu)特征化相結(jié)