×
卡拉布雷斯、拉斐拉;西尔维娅·安吉拉·奥斯梅蒂

将中小企业贷款违约建模为罕见事件：广义极值回归模型。 （英语） Zbl 1514.62453号

J.应用。斯达。 40，第6期，1172-1188（2013）.
摘要：大多数信用评分模型忽略了信贷违约的一个关键特征，即事件的罕见性。用于估计违约概率的最广泛的模型是逻辑回归模型。由于因变量代表一个罕见的事件，逻辑回归模型显示了相关的缺陷，例如，低估了违约概率，这对银行来说可能是非常危险的。为了克服这些缺点，我们提出了广义极值回归模型。特别是，在具有二元相关变量的广义线性模型（GLM）中，我们建议将GEV分布的分位数函数作为链接函数，因此我们的注意力集中在接近1的值的响应曲线的尾部。使用的估计程序是最大似然法。该模型适应了偏度，并提出了具有互补对数链接函数的广义最小二乘法。我们通过仿真研究分析了其性能。最后，我们将所提出的模型应用于意大利中小企业的实证数据。

引用于15文件

理学硕士：

62至XX 统计

关键词：

信用违约;中小型企业;广义线性模型;广义极值分布;罕见事件;二进制数据

软件：

伊斯梅夫;多德;引导库;杜布森;引导数据库;信贷风险+
PDF格式BibTeX公司 XML格式引用
\textit{R.Calabrese}和\textit{S.A.Osmetti}，J.Appl。Stat.40，No.6，1172--1188（2013；Zbl 1514.62453）
全文： 内政部 链接

参考文献：

[1] Agresti，A.2002年。分类数据分析纽约：Wiley·Zbl 1018.6202号 ·数字标识代码：10.1002/0471249688
[2] 奥尔特曼，E.1968。财务比率、判别分析和公司破产预测。J.财务。, 23(4): 589-609. （doi:10.1111/j.1540-6261.1968.tb00843.x）·电话：10.2307/2978933
[3] Altman，E.、Haldeman，R.和Narayanan，P.，1977年。ZETA分析：识别企业破产风险的新模型。J.银行。财务。, 1: 29-54. （doi:10.1016/0378-4266（77）90017-6）·doi:10.1016/0378-4266（77）90017-6
[4] Altman，E.和Sabato，G.2006年。中小企业信贷风险建模：来自美国市场的证据。阿巴克斯, 19(6): 716-723.
[5] Altman，E.、Sabato，G.和Wilson，N.，2010年。非财务信息在中小企业风险管理中的价值。J.信贷风险, 6(2): 95-127.
[6] Ansell，J.、Lin，S.、Ma，Y.和Andreeva，G.中小型企业（SME）模型违约实验。信用评分和信用控制第十一届会议。爱丁堡，八月。
[7] Aziz，A.、Emanuel，D.和Lawson，G.，1998年。破产预测——基于现金流模型的调查。J.管理。螺柱。, 25: 419-437. （文件编号：10.1111/j.1467-6486.1988.tb00708.x）·doi:10.1111/j.1467-6486.1988.tb00708.x
[8] 巴厘岛，T.G.2003。估计波动性和风险价值的极值方法。J.总线。, 76(1): 83-108. （doi:10.1086/344669）·doi:10.1086/344669
[9] 巴塞尔银行监管委员会。2004资本计量与资本标准的国际趋同：修订框架，国际清算银行，巴塞尔，6月
[10] Becchetti，L.和Sierra，J.，2002年。制造企业的破产风险和生产效率。J.银行。财务。, 27: 2099-2120. （doi:10.1016/S0378-4266（02）00319-9）·doi:10.1016/S0378-4266（02）00319-9
[11] Berger，A.N.2004年。巴塞尔协议II对美国中小企业信贷市场银行的潜在竞争影响，财经讨论系列论文2004-12
[12] Cerved组。2011Caratteristiche delle imprese，治理e probabilityádi破产，Report，米兰，2月
[13] Charitou，A.和Trigeorgis，L.基于期权的破产预测。第六届年度实物期权会议。7月4日至6日，塞浦路斯帕福斯。
[14] Ciampi，F.和Gordini，N.使用经济金融比率进行小企业违约预测建模：实证分析。牛津商业与经济会议。牛津
[15] 科尔斯，S.G.2004。极值统计建模简介伦敦：Springer-Verlag。
[16] 瑞士信贷金融产品。1997CreditRisk+：信贷风险管理框架马萨诸塞州波士顿：瑞士信贷第一。
[17] Danielsson，J.和de Vries，C.G.1997年。利用甚高频数据进行尾指数估计。J.恩皮尔。财务。, 4: 241-257. （doi:10.1016/S0927-5398（97）00008-X）·doi:10.1016/S0927-5398（97）00008-X
[18] Davison，A.C.和Hinkley，D.V.1997年。Bootstrap方法及其应用，剑桥：剑桥大学出版社·Zbl 0886.62001号 ·doi:10.1017/CBO9780511802843
[19] De Haan，L.、Cansen，D.W.、Koedijk，K.和De Vries，C.G.安全第一投资组合选择、极值理论和长期资产风险。极值理论与应用会议记录。编辑：Galambos，J.第471-487页。多德雷赫特：克鲁沃。
[20] Dietsch，M.和Petey，J.，2004年。中小企业风险应被视为零售风险还是企业风险？法国和德国中小企业违约概率和资产相关性的比较分析。J.银行。财务。, 28: 773-788. ·doi:10.1016/S0378-4266（03）00199-7
[21] Dobson，A.J.和Barnett，A.G.，2008年。广义线性模型简介，3，佛罗里达州博卡拉顿：查普曼和霍尔/CRC·Zbl 1165.62049号
[22] Dowd，K.，2004年。衡量市场风险奇切斯特：威利。
[23] Efron，B.和Tibshirani，R.J.，1993年。引导程序简介纽约：Chapman&Hall·Zbl 0835.62038号 ·doi:10.1007/978-1-4899-4541-9
[24] Embrachts，P.2000。极值理论：作为一种综合风险管理工具的潜力和局限性。派生。使用Trad。雷古尔。, 6: 449-456.
[25] Embrechts，P.、Resnick，S.和Samorodnitsky，G.，1999年。极值理论作为风险管理工具。北美精算师J。, 3: 30-41. ·兹比尔1082.91530
[26] Falk，M.、Haler，J.和Reiss，R.，2010年。小数定律：极值与罕见事件巴塞尔：施普林格。
[27] Fantazini，D.和Figini，S.，2009年。中小企业信用风险度量的随机生存森林模型。Methodol公司。计算。申请。普罗巴伯。, 11: 29-45. （doi:10.1007/s11009-008-9078-2）·Zbl 1293.62223号 ·doi:10.1007/s11009-008-9078-2
[28] Figini，S.和Giudici，P.，2011年。评级模型的统计合并。《运营杂志》。Res.Soc公司。, 62(6): 1067-1074. （doi:10.1057/jors.2010.41）
[29] Gentry，J.A.、Newbold，P.和Whitford，D.T.1985年。用资金流成分对破产公司进行分类。J.账户。物件。, 23(1): 140-160. （doi:10.2307/2490911）·doi:10.2307/2490911
[30] 朱迪奇，P.2003。应用数据挖掘：商业和工业统计方法，伦敦：威利·Zbl 1067.62004号
[31] Greene，W.H.2000。经济计量分析，纽约：Prentice Hall。
[32] Gupton，G.M.、Finger，C.C.和Bhatia，M.，1997年。度量制技术文件。摩根大通
[33] Hand，D.J.2009年。衡量分级机性能：ROC曲线下面积的一致替代方法。机器。学习。, 77: 103-123. （doi:10.1007/s10994-009-5119-5）·Zbl 1470.62085号 ·doi:10.1007/s10994-009-5119-5
[34] Hand，D.J.，2010年。评估诊断测试：ROC曲线下的面积和误差平衡。《统计医学》。, 29: 1502-1510.
[35] Hand，D.J.和Henley，W.E.1997年。“统计信用评分的一些发展”。在机器学习和统计：界面，编辑：Nakheizadeh，N.和Taylor，C.221-237。纽约：Wiley。
[36] Hand，D.J.、Mannila，H.和Smyth，P.，2001年。数据挖掘原理剑桥：麻省理工学院出版社。
[37] 谢家华，D.A.，曼斯基，C.F.和麦克法登，D.1985。从增强的回顾性观察中估计反应概率。美国统计协会。, 80(391): 651-662. （doi:10.1080/01621459.1985.10478165）·Zbl 0585.62177号
[38] Jacobson，T.、Lindè，J.和Roszbach，K.，2005年。新巴塞尔协议下的信贷风险与资本要求：中小企业贷款和零售信贷真的不同吗？。J.财务。服务。物件。, 28: 43-75. （doi:10.1007/s10693-005-4356-4）·doi:10.1007/s10693-005-4356-4
[39] Jenkinson，A.F.1955年。气象要素年最大（或最小）值的频率分布。夸脱。J.罗伊。流星。Soc公司。, 87: 158-171. （doi:10.1002/qj.49708134804）·数字对象标识代码：10.1002/qj.49708134804
[40] Keasey，K.和Watson，R.，1986年。当前成本核算和小公司业绩预测。J.总线。财务。账户。, 50: 53-85.
[41] Kiefer，N.M.，2010年。默认估计和专家信息。J.总线。经济。斯达。, 28(2): 320-328. （doi:10.1198/jbes.2009.07236）·Zbl 1197.91193号
[42] King，G.和Zeng，L.，2001年。罕见事件数据的Logistic回归。政治分析。, 9: 137-163. （doi:10.1093/oxfordjournals.pan.a004868）·doi:10.1093/oxfordjournals.pan.a004868
[43] Kotz，S.和Nadarajah，S.2000。极值分布。理论与应用，伦敦：帝国理工学院出版社·Zbl 0960.62051号 ·doi:10.1142/p191
[44] Manski，C.F.和Lerman，S.R.1977年。从基于选择的样本中估计选择概率。计量经济学, 45(8): 1977-1988. （doi:10.2307/1914121）·Zbl 0372.62094号 ·doi:10.2307/1914121
[45] McCullagh，P.和Nelder，J.A.1989年。广义线性模型纽约：查普曼厅·兹伯利0588.62104 ·doi:10.1007/9781-4899-3242-6
[46] McNeil，A.J.1999年。风险管理者的极值理论。内部建模和CAD II, 93-113. 伦敦：风险书籍。
[47] 默顿，R.1974。关于公司债务的定价：利率的风险结构。J.财务。, 29: 449-470. ·doi:10.2307/2978814
[48] 冯·米塞斯，R.1936。“La Distribution de La Plus Grande de n Valeurs”。在理查德·冯·米塞斯论文集第2卷，271-294。普罗维登斯，RI：美国数学学会。
[49] Mossman，Ch.E.，Bell，G.G.，Swartz，L.M.和Turtle，H.1998。破产模型的实证比较。财务。版次。, 33: 35-54. （doi:10.1111/j.1540-6288.1998.tb01367.x）·doi:10.1111/j.1540-6288.1998.tb01367.x
[50] H.D.Platt和M.B.Platt，1990年。一类稳定预测变量的发展：破产预测案例。J.总线。财务。账户。, 17(1): 31-51. （文件编号：10.1111/j.1468-5957.1990.tb00548.x）·doi:10.1111/j.1468-5957.1990.tb0548.x
[51] 普伦蒂斯，R.L.，1986年。流行病学队列研究和疾病预防试验的病例组设计。生物特征, 66: 403-411. （doi:10.1093/biomet/66.3.403）·Zbl 0428.62078号 ·doi:10.1093/biomet/66.3.403
[52] Saurina，J.和Trucharte，C.2004年。巴塞尔协议II对中小企业贷款的影响：基于西班牙信贷登记数据的监管政策评估。J.财务。服务。物件。, 26: 121-144. （doi:10.1023/B:FINA.0000037542.16864.11）·doi:10.1023/B:FINA.0000037542.16864.11
[53] Vozzella，P.和Gabbi，G。违约与资产相关性：意大利中小企业的实证研究，工作文件。
[54] Wilson，T.C.1998年。投资组合信用风险。经济。政策修订。, 4: 71-82.
[55] Zavgren，C.1983年。企业失败预测：最新进展。J.账户。点燃。, 2: 1-37.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。