摘要:本论文主要探讨数据包络浅析(Data Envelopment Analysis,DEA)在柬埔寨ACLEDA银行的内部信用评级系统中的运用,以及如何审查基于DEA的信用评级系统,减少或避开ACLEDA银行中现有的信用评级系统的风险。在这项探讨中利用的样本包括80家来自不同行业的企业。其中,我们发现所有的样本利用ACLEDA银行目前的信用评级预测的结果均正确无误。虽然现有的模型评级信用有较高的效率,但是,由于现有评级系统中的权重分配不足属于人为分配,会导致其结果以一个信贷人员到另一个信贷人员可能会有所不同。这不符合新巴塞尔协议下的内部为基础的策略。评级结果应在相同的信息,不同的浅析师,所获得的结果应该尽可能类似。由于现有评级系统取决于各自信贷人员的主观判断,将会导致威胁到银行的受损。由此,本论文探讨的目的是提升信用评分模型中的现有数据包络浅析(DEA)的运用,以补充或代替信用评级系统。不同于传统的信用评级的权重分配主观公式,DEA会自动生成浅析相应权重。同时,与其它浅析法相比(如:多元判别浅析、逻辑回归浅析、神经网络),这些浅析策略需要事前的好/坏分类信息,而本论文提出的DEA策略只需要利用事后信息的输入和输出数据的观察利息(客户企业)的对象,计算各自的信用评分。信用评级是以数量和性质上的因素写作的信用评级模型。信用评级评分范围以1到5,其中“1”意味着良好的信用质量,而“5”意味着差的信用质量,并以其作为公司实体的默认值。投资级别企业的信用评级得分范围在0到2.36之间。信贷经理分配给每个企业信用评级,以表示银行对该企业信用质量的观点。本论文的部分数据由各企业提供,如:资产负债表,利润表和财务比率信息。全样本的结果表明,DEA模型更有效并具有利用价值,尤其是其显著的输出潜力。这意味着,效率提升或降低随着输入或输出的减少而均匀下降,但是这并不是评级的主要案例。我们发现,除了4家企业效率不高外,DEA模型对大多数的企业都有效率,获得的效率分数接近1,与ACLEDA银行现有评级系统给大多数企业评为高和良好的品质这一结果相近。综上所述,简单却有效率的信用评级系统在某些元素上有着共同的特点,但DEA是更具有代表性、更有效的信用评级模型的辅助工具,能够快速地满足巴塞尔协议II的条件。关键词:信用评级论文数据包络浅析论文比率浅析论文
摘要4-6
Abstract6-10
1 Introduction10-12
1.1 Background and Problem10-11
1.2 Organization of Thesis11-12
2 Literature Review12-21
2.1 Commonly Used Credit Rating Models12-13
2.2 Development of Credit Rating Model by Probit and Logit Function13-15
2.3 Credit Rating Model Via Data Envelopment Analysis15-19
2.4 Variable Reduction and Sample Selection Bias19-21
3 Internal Credit Rating System of ACLEDA Bank plc21-38
3.1 Brief Overview of ACLEDA21-23
3.2 Internal Credit Rating System of ACLEDA Bank23-34
3.3 Testing The Model Predictive Accuracy34-38
4 Applying DEA to Internal Credit Rating System of ACLEDA Bank Plc.38-49
4.1 The sample Data38-39
4.2 Selection of Variables39-42
4.3 Calculating Financial Credibipty Scores via DEA42-44
4.4 Results and Analysis44-49
5 Conclusion49-51
Acknowledgement51-52
References52-53