贷款五级分类
贷款五级分类的相关文献在1998年到2019年内共计171篇,主要集中在财政、金融、经济计划与管理、农业经济
等领域,其中期刊论文171篇、专利文献216038篇;相关期刊65种,包括华北金融、河北金融、吉林金融研究等;
贷款五级分类的相关文献由215位作者贡献,包括鲍吉胜、徐春培、何鹏基等。
贷款五级分类—发文量
专利文献>
论文:216038篇
占比:99.92%
总计:216209篇
贷款五级分类
-研究学者
- 鲍吉胜
- 徐春培
- 何鹏基
- 员明
- 巫威
- 巫林
- 秦珂
- 谢振中
- 赵文强
- 严小军
- 付文胜
- 仝丽萍
- 任玉涛
- 伍绍平
- 何天惠
- 余志海
- 侯世宇
- 倪舟洲
- 傅冰
- 冯华
- 刘一
- 刘勤
- 刘国庆
- 刘天兵
- 刘天玉
- 刘德
- 刘志平
- 刘懿
- 刘斌
- 刘春兰
- 刘晓红
- 刘朝辉
- 刘玉华
- 刘裕华
- 刘金兰
- 刘飚
- 励功
- 单亦聚
- 卢立富
- 史国辉
- 吉玉秋
- 吴建政
- 吴晨光
- 吴迪
- 周兆秋
- 周刚
- 周立
- 周颖
- 夏令武
- 姚慧玉
-
-
课题组;
梁荣;
严小军;
布贵臣;
冯华
-
-
摘要:
近年来,随着银行信贷经营面临的风险更趋复杂化和信贷精细化管理要求的逐步提高,如何通过客户和债项二个维度,综合判断农户贷款偿还的可能性,是目前急需研究的课题。本文以甘南州8家农村信用社的300户农户数据为样本,从农户家庭特征、收入支出水平、资产负债情况和社会评价四个方面选取18个影响农户信用的指标与贷款五级分类构建BP神经网络模型,通过对隐藏节点个数的变化选择以及神经网络模型相关参数的设置调试,最终运用十四层BP神经网络对样本农户信用状况进行综合评价和验证,推动涉农金融机构农户信贷评级应用,降低农村信贷风险。
-
-
郝婷婷
-
-
摘要:
贷款五级分类作为评价贷款遭受损失风险程度的标准,一直是贷款质量监管的重要手段.支持向量机是近年来学术界和应用界广泛关注的一种分类方法,其以结构风险较小、能够解决维数灾难等特征而成为研究热点.本文采用数学建模方法,将支持向量机模型应用于贷款质量五级分类,构建了基于OAA-SVMS算法的适合农村商业银行实际情况的五级分类预测模型,对贷款的未来质量情况进行预测.一方面为银行内部质量管理提供了良好的决策支持,对于增强抵御风险的能力具有非常重要的意义,另一方面为农村商业银行贷款五级分类管理提供一个全新的视角.
-
-
项后军;
郜栋玺;
陈昕朋
-
-
摘要:
作为研究的基本前提,货币政策银行风险承担渠道的"存在性"研究不仅颇具理论深度,而且在经验估计方面极富挑战性,但相对国外学者的研究,国内文献对此多有忽视.有鉴于此,本文从代理理论出发,首先分析了银行非风险中立这一风险承担渠道存在前提的原因,并采用2006~2014年我国155家银行的面板数据,将其分为高、低风险组的研究结果表明,高、低风险组对于货币政策的反应存在显著的差异,表明银行是非风险中立的,亦即我国确实存在银行风险承担渠道.在此基础上,本文还在国内首次尝试从贷款质量转移的角度,并采用我国16家上市银行2007~2014年的贷款五级分类数据构建了贷款质量指数进行再估计,得出了大致一致的结论.
-
-
-
巩屹
-
-
摘要:
在商业银行贷款的时候,想要预防信用风险,最为重要的便是进行五级分类制度的划分.这种制度在商业银行贷款的时候,起到了非常重要的作用,但是在其执行的时候依旧存在着各种各样的问题,这些问题的存在也加大了商业银行贷款的风险.本文主要对商业银行贷款的五级划分中存在的问题进行了研究,希望能够找到措施,更好的改进五级划分制度,降低商业银行贷款的风险,让其更好的发展.
-
-
辛立秋;
梁正君
-
-
摘要:
文章以KMV模型和贷款五级分类理论为基础,通过将净资产收益率引入KMV模型的方法对KMV模型进行修正,并将2012年7月被ST和非ST的两组公司设为样本公司,通过对其2008年初至2011年末的季度净资产收益率样本进行模型验证,对修正后计算得到的样本公司违约距离进行检验.实证结果表明,修正后的模型能够有效区分ST和非ST公司的信用风险差异.由于净资产收益率指标数据相对于股权价值数据更容易获得,修正后的模型不仅可以用于上市公司的信用风险度量,还可以用于非上市公司的信用风险度量,扩展了KMV模型的使用范围.另外,由于净资产收益率与债务的年化利息率具有很好的可比性,因此修正后的KMV模型更加关注债务的内部结构,而非单纯的债务规模.由于净资产收益率是作为衡量公司盈利能力的重要指标,将其引入KMV模型可以提高模型对风险的预测能力,进而构建可以相对准确、全面度量信用风险的KMV模型.
-
-
-
-