債券信用風(fēng)險(xiǎn)論文
一、大數(shù)據(jù)下債券信用風(fēng)險(xiǎn)評(píng)估的信息提取
傳統(tǒng)的信息不確定和不對(duì)稱(chēng)的問(wèn)題，使得投資人對(duì)企業(yè)價(jià)值評(píng)估不準(zhǔn)確，進(jìn)而要求高的風(fēng)險(xiǎn)溢價(jià)。從根本上講，債券市場(chǎng)同股票市場(chǎng)一樣，受宏觀經(jīng)濟(jì)面如貨幣政策、市場(chǎng)信心等市場(chǎng)信息因素的影響。Galai以宏觀市場(chǎng)的定價(jià)行為作為衡量信息不對(duì)稱(chēng)的程度，說(shuō)明了信息不對(duì)稱(chēng)情況下，存在信用利差進(jìn)而影響企業(yè)債券估價(jià)。Moerman通過(guò)研究發(fā)現(xiàn)，二級(jí)市場(chǎng)中買(mǎi)賣(mài)價(jià)差與債券的利率利差存在正相關(guān)關(guān)系，買(mǎi)賣(mài)價(jià)差與債券的期限呈現(xiàn)正相關(guān)的關(guān)系。從宏觀角度講，能夠影響企業(yè)債券價(jià)值的因素有市場(chǎng)利率、票面利率、交易量、債券剩余期限、通貨膨脹率等。以大數(shù)據(jù)的視角可以將這些因素統(tǒng)歸于“利率”，因?yàn)楹暧^經(jīng)濟(jì)的各種指標(biāo)最終都會(huì)以利率的形勢(shì)表現(xiàn)出來(lái)。另外，從微觀風(fēng)險(xiǎn)信息的角度出發(fā)，內(nèi)部的經(jīng)營(yíng)問(wèn)題也可能會(huì)迫使企業(yè)在債券到期無(wú)力償還，導(dǎo)致投資者面臨違約風(fēng)險(xiǎn)。Duffie以不完全的會(huì)計(jì)信息作為指標(biāo)，提出會(huì)計(jì)信息不完整會(huì)使投資者錯(cuò)誤的評(píng)估公司的實(shí)際價(jià)值，結(jié)果是要求公司產(chǎn)生高的風(fēng)險(xiǎn)溢價(jià)。Hong(2000)認(rèn)為公司歷史越悠久就能越好的提供更多的有價(jià)值的信息，從而降低了這種信息不確定性，降低風(fēng)險(xiǎn)溢價(jià)。微觀層面影響的企業(yè)債券價(jià)值的信息，其實(shí)是對(duì)企業(yè)的運(yùn)營(yíng)狀況、財(cái)務(wù)狀況等的一個(gè)反應(yīng)，都體現(xiàn)對(duì)公司“信用”的評(píng)級(jí)。以“利率”和“信用”為給定關(guān)鍵字后,利用大數(shù)據(jù)搜索技術(shù)，從而找到更多企業(yè)信息，對(duì)企業(yè)債券評(píng)估具有很高的價(jià)值，運(yùn)用數(shù)據(jù)挖掘技術(shù)有可以從大量的信息中提出影響企業(yè)價(jià)值的因素，這樣可以有效的解決以往的信息不確定和信息不對(duì)稱(chēng)的問(wèn)題。
二、大數(shù)據(jù)挖掘技術(shù)在債券信用風(fēng)險(xiǎn)估計(jì)中的應(yīng)用
大數(shù)據(jù)下，我們面對(duì)的是多種多樣紛繁復(fù)雜的數(shù)據(jù)，關(guān)于企業(yè)的信息有些是我們需要的，但是很大一部分是無(wú)關(guān)聯(lián)的數(shù)據(jù)，所以采取新型的數(shù)據(jù)挖掘技術(shù)，找到哪些因素能夠影響企業(yè)價(jià)值才是最關(guān)鍵的。數(shù)據(jù)挖掘就是大量的數(shù)據(jù)中，找到其中隱含的、我們看不見(jiàn)的、有價(jià)值的信息。數(shù)據(jù)挖掘技術(shù)有很多種，比較常見(jiàn)的有關(guān)聯(lián)規(guī)則、神經(jīng)網(wǎng)絡(luò)、決策樹(shù)等方法。這些方法中很多可以運(yùn)用到債券估價(jià)模型上。在當(dāng)下流行的關(guān)聯(lián)分析算法中，比較有影響力的是Apriori算法。該算法通過(guò)多次循環(huán)提取，盡可能減小候選集的規(guī)模，最終形成強(qiáng)關(guān)聯(lián)集合。這種關(guān)聯(lián)規(guī)則可以應(yīng)用到對(duì)影響企業(yè)債券信息的初期處理之中，找出哪些因素能夠?qū)瘍r(jià)值有影響，通過(guò)關(guān)聯(lián)規(guī)則可以實(shí)現(xiàn)數(shù)據(jù)的初期整合，刪除無(wú)影響的信息。決策樹(shù)是一種預(yù)測(cè)分類(lèi)方法，其目的是對(duì)數(shù)據(jù)集訓(xùn)集進(jìn)行分類(lèi)，找出有價(jià)值的，隱含的信息。J.R.Quinlan提出的ID3算法根據(jù)信息增益最大化為主要屬性設(shè)置決策樹(shù)的節(jié)點(diǎn)，然后在各支樹(shù)上采用遞歸算法建立分支樹(shù)。決策樹(shù)可以用于對(duì)企業(yè)價(jià)值信息進(jìn)行分類(lèi)估價(jià)，建立信用風(fēng)險(xiǎn)模型。通過(guò)決策樹(shù)對(duì)信息的'分類(lèi)，達(dá)到評(píng)價(jià)企業(yè)信用風(fēng)險(xiǎn)等級(jí)評(píng)價(jià)的目的。神經(jīng)網(wǎng)絡(luò)算法是模擬人體細(xì)胞間的神經(jīng)元，通過(guò)訓(xùn)練實(shí)現(xiàn)分級(jí)、聚合等多種數(shù)據(jù)挖掘目標(biāo)。神經(jīng)網(wǎng)絡(luò)技術(shù)在債券市場(chǎng)的研究也日趨成熟，Coasts講神經(jīng)網(wǎng)絡(luò)應(yīng)用于公司財(cái)務(wù)狀況評(píng)價(jià)，發(fā)現(xiàn)利用神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)正確率在93%。所以，利用神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)挖掘可以根據(jù)提取、篩選、分類(lèi)后的數(shù)據(jù)進(jìn)行債券價(jià)格的預(yù)測(cè)。通過(guò)以上3種數(shù)據(jù)挖掘技術(shù)在債券市場(chǎng)上的應(yīng)用，可以很好的分析企業(yè)價(jià)值信息。關(guān)聯(lián)分析可以對(duì)找出相關(guān)信息，決策樹(shù)可以對(duì)信息進(jìn)行分類(lèi)，神經(jīng)網(wǎng)絡(luò)可以對(duì)債券價(jià)值做一個(gè)很好的預(yù)測(cè)。
三、總結(jié)
本文首先分析了債券市場(chǎng)上的信息問(wèn)題給企業(yè)債券風(fēng)險(xiǎn)評(píng)估帶來(lái)的不良影響。針對(duì)時(shí)代背景，對(duì)大數(shù)據(jù)時(shí)代做了一個(gè)概念性的認(rèn)識(shí)。通過(guò)對(duì)以往文獻(xiàn)的研究，找出一些能夠影響企業(yè)債券價(jià)值信息的因素，從宏觀和微觀兩個(gè)方面來(lái)對(duì)這些因素進(jìn)行分析和歸類(lèi)。然后用大數(shù)據(jù)挖掘技術(shù)在債券市場(chǎng)上的信息挖掘的應(yīng)用，關(guān)聯(lián)分析可以對(duì)找出相關(guān)信息，決策樹(shù)可以對(duì)信息進(jìn)行分類(lèi)，神經(jīng)網(wǎng)絡(luò)可以對(duì)債券價(jià)值做一個(gè)很好的預(yù)測(cè)。經(jīng)過(guò)研究數(shù)據(jù)挖掘技術(shù)在債券估計(jì)中有著很好的前景。
【債券信用風(fēng)險(xiǎn)論文】相關(guān)文章：
債券轉(zhuǎn)讓公告11-04
債券轉(zhuǎn)讓公告范文11-04
公司債券發(fā)行試點(diǎn)辦法09-09
公司債券擔(dān)保合同(8篇)02-21
公司債券擔(dān)保合同范本02-15
公司債券擔(dān)保合同8篇02-13
公司債券擔(dān)保合同通用8篇03-18
公司債券發(fā)行與交易管理辦法12-03