債券信用風(fēng)險論文
一、大數據下債券信用風(fēng)險評估的信息提取
傳統的信息不確定和不對稱(chēng)的問(wèn)題，使得投資人對企業(yè)價(jià)值評估不準確，進(jìn)而要求高的風(fēng)險溢價(jià)。從根本上講，債券市場(chǎng)同股票市場(chǎng)一樣，受宏觀(guān)經(jīng)濟面如貨幣政策、市場(chǎng)信心等市場(chǎng)信息因素的影響。Galai以宏觀(guān)市場(chǎng)的定價(jià)行為作為衡量信息不對稱(chēng)的程度，說(shuō)明了信息不對稱(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，二級市場(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正相關(guān)的關(guān)系。從宏觀(guān)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。以大數據的視角可以將這些因素統歸于“利率”，因為宏觀(guān)經(jīng)濟的各種指標最終都會(huì )以利率的形勢表現出來(lái)。另外，從微觀(guān)風(fēng)險信息的角度出發(fā)，內部的經(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，導致投資者面臨違約風(fēng)險。Duffie以不完全的會(huì )計信息作為指標，提出會(huì )計信息不完整會(huì )使投資者錯誤的評估公司的實(shí)際價(jià)值，結果是要求公司產(chǎn)生高的風(fēng)險溢價(jià)。Hong(2000)認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)險溢價(jià)。微觀(guān)層面影響的企業(yè)債券價(jià)值的信息，其實(shí)是對企業(yè)的運營(yíng)狀況、財務(wù)狀況等的一個(gè)反應，都體現對公司“信用”的評級。以“利率”和“信用”為給定關(guān)鍵字后,利用大數據搜索技術(shù)，從而找到更多企業(yè)信息，對企業(yè)債券評估具有很高的價(jià)值，運用數據挖掘技術(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稱(chēng)的問(wèn)題。
二、大數據挖掘技術(shù)在債券信用風(fēng)險估計中的應用
大數據下，我們面對的是多種多樣紛繁復雜的數據，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)的數據，所以采取新型的數據挖掘技術(shù)，找到哪些因素能夠影響企業(yè)價(jià)值才是最關(guān)鍵的。數據挖掘就是大量的數據中，找到其中隱含的、我們看不見(jiàn)的、有價(jià)值的信息。數據挖掘技術(shù)有很多種，比較常見(jiàn)的有關(guān)聯(lián)規則、神經(jīng)網(wǎng)絡(luò )、決策樹(shù)等方法。這些方法中很多可以運用到債券估價(jià)模型上。在當下流行的關(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模，最終形成強關(guān)聯(lián)集合。這種關(guān)聯(lián)規則可以應用到對影響企業(yè)債券信息的初期處理之中，找出哪些因素能夠對債券價(jià)值有影響，通過(guò)關(guān)聯(lián)規則可以實(shí)現數據的初期整合，刪除無(wú)影響的信息。決策樹(shù)是一種預測分類(lèi)方法，其目的是對數據集訓集進(jìn)行分類(lèi)，找出有價(jià)值的，隱含的信息。J.R.Quinlan提出的ID3算法根據信息增益最大化為主要屬性設置決策樹(shù)的節點(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)可以用于對企業(yè)價(jià)值信息進(jìn)行分類(lèi)估價(jià)，建立信用風(fēng)險模型。通過(guò)決策樹(shù)對信息的'分類(lèi)，達到評價(jià)企業(yè)信用風(fēng)險等級評價(jià)的目的。神經(jīng)網(wǎng)絡(luò )算法是模擬人體細胞間的神經(jīng)元，通過(guò)訓練實(shí)現分級、聚合等多種數據挖掘目標。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 )應用于公司財務(wù)狀況評價(jià)，發(fā)現利用神經(jīng)網(wǎng)絡(luò )預測正確率在93%。所以，利用神經(jīng)網(wǎng)絡(luò )數據挖掘可以根據提取、篩選、分類(lèi)后的數據進(jìn)行債券價(jià)格的預測。通過(guò)以上3種數據挖掘技術(shù)在債券市場(chǎng)上的應用，可以很好的分析企業(yè)價(jià)值信息。關(guān)聯(lián)分析可以對找出相關(guān)信息，決策樹(shù)可以對信息進(jìn)行分類(lèi)，神經(jīng)網(wǎng)絡(luò )可以對債券價(jià)值做一個(gè)很好的預測。
三、總結
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)險評估帶來(lái)的不良影響。針對時(shí)代背景，對大數據時(shí)代做了一個(gè)概念性的認識。通過(guò)對以往文獻的研究，找出一些能夠影響企業(yè)債券價(jià)值信息的因素，從宏觀(guān)和微觀(guān)兩個(gè)方面來(lái)對這些因素進(jìn)行分析和歸類(lèi)。然后用大數據挖掘技術(shù)在債券市場(chǎng)上的信息挖掘的應用，關(guān)聯(lián)分析可以對找出相關(guān)信息，決策樹(shù)可以對信息進(jìn)行分類(lèi)，神經(jīng)網(wǎng)絡(luò )可以對債券價(jià)值做一個(gè)很好的預測。經(jīng)過(guò)研究數據挖掘技術(shù)在債券估計中有著(zhù)很好的前景。
【債券信用風(fēng)險論文】相關(guān)文章：
債券轉讓公告11-04
債券轉讓公告范文11-04
公司債券發(fā)行試點(diǎn)辦法09-09
公司債券擔保合同(8篇)02-21
公司債券擔保合同范本02-15
公司債券擔保合同8篇02-13
公司債券擔保合同通用8篇03-18
公司債券發(fā)行與交易管理辦法12-03