債券信用風險論文

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了債券信用風險論文范文，希望能給你帶來靈感和參考，敬請閱讀。

一、大數據下債券信用風險評估的信息提取

傳統(tǒng)的信息不確定和不對稱的問題，使得投資人對企業(yè)價值評估不準確，進而要求高的風險溢價。從根本上講，債券市場同股票市場一樣，受宏觀經濟面如貨幣政策、市場信心等市場信息因素的影響。Galai以宏觀市場的定價行為作為衡量信息不對稱的程度，說明了信息不對稱情況下，存在信用利差進而影響企業(yè)債券估價。Moerman通過研究發(fā)現，二級市場中買賣價差與債券的利率利差存在正相關關系，買賣價差與債券的期限呈現正相關的關系。從宏觀角度講，能夠影響企業(yè)債券價值的因素有市場利率、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(tǒng)歸于“利率”，因為宏觀經濟的各種指標最終都會以利率的形勢表現出來。另外，從微觀風險信息的角度出發(fā)，內部的經營問題也可能會迫使企業(yè)在債券到期無力償還，導致投資者面臨違約風險。Duffie以不完全的會計信息作為指標，提出會計信息不完整會使投資者錯誤的評估公司的實際價值，結果是要求公司產生高的風險溢價。Hong(2000)認為公司歷史越悠久就能越好的提供更多的有價值的信息，從而降低了這種信息不確定性，降低風險溢價。微觀層面影響的企業(yè)債券價值的信息，其實是對企業(yè)的運營狀況、財務狀況等的一個反應，都體現對公司“信用”的評級。以“利率”和“信用”為給定關鍵字后,利用大數據搜索技術，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值，運用數據挖掘技術有可以從大量的信息中提出影響企業(yè)價值的因素，這樣可以有效的解決以往的信息不確定和信息不對稱的問題。

二、大數據挖掘技術在債券信用風險估計中的應用

大數據下，我們面對的是多種多樣紛繁復雜的數據，關于企業(yè)的信息有些是我們需要的，但是很大一部分是無關聯(lián)的數據，所以采取新型的數據挖掘技術，找到哪些因素能夠影響企業(yè)價值才是最關鍵的。數據挖掘就是大量的數據中，找到其中隱含的、我們看不見的、有價值的信息。數據挖掘技術有很多種，比較常見的有關聯(lián)規(guī)則、神經網絡、決策樹等方法。這些方法中很多可以運用到債券估價模型上。在當下流行的關聯(lián)分析算法中，比較有影響力的是Apriori算法。該算法通過多次循環(huán)提取，盡可能減小候選集的規(guī)模，最終形成強關聯(lián)集合。這種關聯(lián)規(guī)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值有影響，通過關聯(lián)規(guī)則可以實現數據的初期整合，刪除無影響的信息。決策樹是一種預測分類方法，其目的是對數據集訓集進行分類，找出有價值的，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的節(jié)點，然后在各支樹上采用遞歸算法建立分支樹。決策樹可以用于對企業(yè)價值信息進行分類估價，建立信用風險模型。通過決策樹對信息的分類，達到評價企業(yè)信用風險等級評價的目的。神經網絡算法是模擬人體細胞間的神經元，通過訓練實現分級、聚合等多種數據挖掘目標。神經網絡技術在債券市場的研究也日趨成熟，Coasts講神經網絡應用于公司財務狀況評價，發(fā)現利用神經網絡預測正確率在93%。所以，利用神經網絡數據挖掘可以根據提取、篩選、分類后的數據進行債券價格的預測。通過以上3種數據挖掘技術在債券市場上的應用，可以很好的分析企業(yè)價值信息。關聯(lián)分析可以對找出相關信息，決策樹可以對信息進行分類，神經網絡可以對債券價值做一個很好的預測。

三、總結

本文首先分析了債券市場上的信息問題給企業(yè)債券風險評估帶來的不良影響。針對時代背景，對大數據時代做了一個概念性的認識。通過對以往文獻的研究，找出一些能夠影響企業(yè)債券價值信息的因素，從宏觀和微觀兩個方面來對這些因素進行分析和歸類。然后用大數據挖掘技術在債券市場上的信息挖掘的應用，關聯(lián)分析可以對找出相關信息，決策樹可以對信息進行分類，神經網絡可以對債券價值做一個很好的預測。經過研究數據挖掘技術在債券估計中有著很好的前景。

作者：關博文 單位：東北電力大學