县域金融的借贷行为与信贷风险管理研究PDF电子书下载

第1章 绪论 1

1.1 选题的科学依据及研究的意义 1

1.1.1 研究背景 1

1.1.2 选题的科学依据 2

1.1.3 研究的理论意义与现实意义 8

1.2 研究内容、研究方法与技术路线 10

1.2.1 研究内容及研究方法 10

1.2.2 技术路线及拟解决的关键问题 13

1.2.3 研究范围及有关概念的说明 15

第2章 文献综述 17

2.1 县域金融借贷行为问题的研究 17

2.2 有关县域金融面临的信贷风险管理问题 20

2.3 信贷信用风险度量模型研究 22

2.4 内部评级法与贷款风险五级分类 27

2.5 文献评述 30

第3章 理论借鉴与信用风险度量模型 33

3.1 信贷风险内涵与特征分析 34

3.1.1 金融风险及信用风险 34

3.1.2 信贷风险及其特征 35

3.2 内部评级法与贷款风险五级分类体系 37

3.2.1 内部评级法 37

3.2.2 贷款风险五级分类体系 41

3.3 传统的信贷风险度量方法 44

3.3.1 专家制度分析法 44

3.3.2 贷款风险度模型 45

3.3.3 统计评分模型 47

3.4 现代信用风险度量模型 49

3.4.1 信用度量模型（Credit Metrics） 49

3.4.2 KMV模型 52

3.4.3 信用风险附加模型（Credit Risk＋） 57

3.4.4 Credit Portfolio View模型 60

3.5 分类树及分类树集成算法 63

3.5.1 分类的基本思想 63

3.5.2 分类树的构建方法 63

3.6 本章小结 70

第4章 县域金融供需主体借贷行为分析 71

4.1 县域金融供给主体分析 71

4.1.1 供给主体的界定 71

4.1.2 供给主体的变迁 73

4.1.3 供给主体的职能演化 76

4.1.4 供给主体的绩效分析 78

4.2 县域金融需求分析 88

4.2.1 需求主体分析 88

4.2.2 需求主体贷款需求的实证分析 90

4.2.3 需求主体收入来源及贷款来源分析 96

4.3 本章小结 98

第5章 县域金融信贷风险形成机理与评估模式的选择 99

5.1 我国农村信用社的制度变迁及其面临的信贷风险 99

5.1.1 我国农村信用社的制度变迁 99

5.1.2 我国农村信用社信贷风险的特征 102

5.2 我国农村信用社信贷风险的表现及其成因分析 103

5.2.1 农村信用社信贷风险形成的内部因素 104

5.2.2 农村信用社信贷风险形成的外部因素 105

5.2.3 基于信息不对称下农村信用社信贷风险形成机理分析 107

5.3 我国农村信用社信贷风险评估模式的选择 110

5.3.1 内部评级法下贷款五级分类中存在的问题 111

5.3.2 内部评级法是银行业信用风险评估的主要模式 111

5.3.3 基于内部评级法下我国农村信用社五级分类的策略选择 113

5.4 本章小结 115

第6章 县域金融信贷风险分类评估指标体系的设计 117

6.1 农村信用社贷款风险分类评估指标选取的原则 117

6.1.1 农村信用社贷款风险分类预测指标选取的原则 117

6.1.2 贷款风险分类预测指标选取中应该注意的问题 119

6.2 农户贷款风险评估预选指标的构建 120

6.2.1 农户贷款风险评估预选指标的构建 120

6.2.2 农户贷款风险评估预选指标的含义 121

6.3 县域中小企业贷款风险分类评估预选指标的构建 124

6.3.1 县域中小企业的治理结构与金融特征 124

6.3.2 县域中小企业贷款风险评估预选指标的构建 125

6.3.3 县域中小企业贷款风险评估预选指标的含义及作用 126

6.4 农信社贷款风险分类评估指标的建立与预处理 132

6.4.1 农村信用社贷款风险分类评估指标的建立 133

6.4.2 农村信用社贷款风险评估指标的预处理 136

6.4.3 农村信用社贷款风险分类评估系统的构建 137

6.5 本章小结 138

第7章 分类树集成学习算法 139

7.1 Bagging分类树集成算法 139

7.1.1 弱学习算法、强学习算法及不稳定学习算法 140

7.1.2 Bagging分类树集成算法的基本思想 140

7.1.3 Bagging分类树集成算法用于贷款风险分类评估的步骤 142

7.1.4 Bagging分类树集成算法的修剪方法 143

7.2 Rotation Forest分类树集成算法 145

7.2.1 主成分分析方法在Rotation Forest分类树集成算法中的作用 146

7.2.2 Rotation Forest分类树集成算法用于风险分类评估的步骤 150

7.2.3 基于Out-of-bag样本的随机森林算法的超参数估计 154

7.2.4 线性判别分析方法 155

7.3 分类树集成算法在贷款风险分类预测中的可行性 159

7.3.1 必要性分析 159

7.3.2 可行性分析 161

7.4 本章小结 162

第8章 县域金融信贷风险分类评估的实证分析 163

8.1 农户贷款风险分类预测的实证分析 163

8.1.1 实证数据来源说明 164

8.1.2 模型的推广能力（Generalization Capability） 164

8.2 县域中小企业贷款风险分类预测实证分析 174

8.2.1 试验数据来源说明 174

8.2.2 事先预留的检验样本验证所建模型的推广能力 175

8.2.3 交叉确认法检验所建模型的推广能力 178

8.3 分类树集成学习算法在信贷风险分类预测中的适用性分析 183

8.3.1 实证分析结论及适用性分析 183

8.3.2 分类树集成算法在银行业金融监管中的应用前景 185

8.4 本章小结 187

第9章 县域金融信贷风险防范与预警机制 188

9.1 县域金融信贷风险防范 188

9.1.1 建立健全农信社内部控制机制 188

9.1.2 培育农信社新型信贷文化 189

9.1.3 建立信贷风险分类管理信息系统和农村信用评级体系 189

9.1.4 强化队伍建设，预防信贷风险 191

9.1.5 提高银行监管部门的监管水平 191

9.1.6 加强政府职能，进行合理调控 192

9.1.7 稳步推进信贷管理电子化和信息化建设 193

9.2 县域金融信贷风险预警机制 193

9.2.1 风险预警系统基本结构 194

9.2.2 风险预警系统的功能结构 195

9.2.3 风险预警系统实施过程 196

9.3 本章小结 198

第10章 研究结论与研究展望 199

10.1 研究结论 199

10.2 研究展望 201

附录1 203

附录2 222

参考文献 230

后记 240