摘  要

 

近年来，为了解决中小企业的融资问题，中央和地方政府不断采取专项措施，指导银行业增加对中小企业投资的政策，调整和评估以及其他实施方法支持融资。但是，大多数银行通常缺乏针对中小企业的特殊评估机制和风险控制措施。面对中小企业的现状，例如行业分散，信息不对称以及缺乏抵押品，银行害怕放贷，不愿放贷，甚至有条件地放贷。为了帮助商业银行进行信用风险管理，本文基于我国2020年625家上市公司的财务数据和股票交易数据，采用KMV模型对信用风险进行度量，计算各公司的违约距离和预期违约概率，并根据实证计算结果，进行数据集划分，运用逻辑回归模型和随机森林模型分析并总结了所选财务指标与企业信用风险之间的关系，并对完善我国商业银行信用风险体系提出了建议。

 

关键词：财务指标，信用风险，逻辑回归，KMV模型，随机森林

目  录

 

第一章 绪论 1

1.1 引言 1

1.2 研究现状 1

1.2.1 国外研究 1

1.2.2 国内研究 2

1.3 研究目的 2

1.4 研究内容 2

第二章 相关理论和模型介绍 3

2.1 KMV模型 3

2.1.1 KMV模型理论介绍 3

2.1.2 KMV模型的建立 3

2.2逻辑回归模型 4

2.2.1逻辑回归模型相关理论 4

2.2.2模型介绍 4

2.3随机森林模型 4

2.3.1随机森林模型相关理论 4

2.3.2该算法的具体步骤如下： 5

2.3.3随机森林具有以下特点 5

2.4评估方法 6

2.4.1混淆矩阵 6

2.4.2查准率，查全率和F1分数 6

2.4.3 AUC值 6

第三章 实证研究 8

3.1 KMV模型研究 8

3.1.1数据获取 8

3.1.2参数设定 8

3.1.3实证过程 8

3.2风险评估模型研究 10

3.2.1数据集处理 10

3.2.2数据标记 10

3.2.3指标选取 10

3.2.4基于逻辑回归模型评估指标 11

3.2.5基于随机森林模型评估指标 12

3.2.6指标特征重要性分析 13

第四章 总结和建议 14

4.1总结 14

4.2建议 14

4.2.1建立违约数据库 14

4.2.2对投资者的建议 14

4.2.3对公司层面的建议 14

4.2.4对监管层面的建议 15

参考文献 16

致  谢 17