中文名 | 模型判别 | 解释变量 | 特征财务比率 |
---|---|---|---|
方 法 | 数量统计方法 |
多变量信用风险判别模型几种模型的优缺点主要体现在以下几个方面:
(1)Z-score模型具有较高的判别精度,但存在着几处不足:一是该模型要求的工作量比较大。二是在前一年的预测中,Z-score模型的预测精度比较高,但在前两年、前三年的预测中,其预测精度都大幅下降,甚至低于一元判别模型。三是Z-score模型有一个很严格的假设,即假定自变量是呈正态分布的,两组样本要求等协方差,而现实中的样本数据往往并不能满足这一要求。
(2)Logit模型的最大优点是,不需要严格的假设条件,克服了线性方程受统计假设约束的局限性,具有了更广泛的适用范围。这种模型的使用较为普遍,但其计算过程比较复杂,而且在计算过程中有很多的近似处理,这不可避免地会影响到预测精度。
(3)Probit模型和Logit模型的思路很相似,都采用极大化似然函数,但在具体的计算方法和假设前提上又有一定的差异,主要体现在三个方面:一是假设前提不同,Logit不需要严格的假设条件,而Probit则假设企业样本服从标准正态分布,其概率函数的p分位数可以用财务指标线性解释。二是参数a、b的求解方法不同,Logit采用线性回归方法求解,而Probit采用极大似然函数求极值的方法求解。三是求破产概率的方法不同,Logit采用取对数方法,而Probit采用积分的方法。
Logit模型是采用一系列财务比率变量来预测公司破产或违约的概率,然后根据银行、投资者的风险偏好程度设定风险警界线、以此对分析对象进行风险定位和决策。Logit模型与多元判别分析法的本质区别在于前者不要求满足正态分布,其模型采用Logistic函数。由于Logistic回归不假定任何概率分布,不满足正态情况下其判别正确率高于判别分析法的结果。
多变量信用风险判别模型主要包括以下几种:
(1)多元线性判定模型(Z-score模型)。其是财务失败预警模型,最早是由Altman(1968)开始研究的。该模型通过五个变量(五种财务比率)将反映企业偿债能力的指标、获利能力的指标和营运能力的指标有机联系起来,综合分析预测企业财务失败或破产的可能性。一般地,Z值越低,企业越有可能发生破产。具体模型为:
Z=V1X1 V2X2 … VnXn
其中,V1、V2…Vn是权数,X1、X2…Xn是各种财务比率。根据Z值的大小,可将企业分为“破产”或“非破产”两类。在实际运用时,需要将企业样本分为预测样本和测试样本,先根据预测样本构建多元线性判定模型,确定判别Z值(Z值的大小可以作为判定企业财务状况的综合标准),然后将测试样本的数据代入判别方程,得出企业的Z值,并根据判别标准进行判定。此方法还可以用于债券评级、投资决策、银行对贷款申请的评估及子公司业绩考核等。
(2)多元逻辑模型(Logit模型)。其采用一系列财务比率变量来预测公司破产或违约的概率,然后根据银行、投资者的风险偏好程度设定风险警界线,以此对分析对象进行风险定位和决策。Logit模型建立在累计概率函数的基础上,不需要自变量服从多元正态分布和两组间协方差相等的条件。Logit模型判别方法先根据多元线性判定模型确定企业破产的Z值,然后推导出企业破产的条件概率。其判别规则是:如果概率大于0.5,表明企业破产的概率比较大;如果概率低于0.5,可以判定企业为财务正常。
(3)多元概率比回归模型(Probit回归模型)。其假定企业破产的概率为p,并假设企业样本服从标准正态分布,其概率函数的p分位数可以用财务指标线性解释。其计算方法是先确定企业样本的极大似然函数,通过求似然函数的极大值得到参数a、b,然后利用公式,求出企业破产的概率;其判别规则与Logit模型判别规则相同。
(4)联合预测模型。联合预测模型是运用企业模型来模拟企业的运作过程,动态地描述财务正常企业和财务困境企业的特征,然后根据不同特征和判别规则,对企业样本进行分类。这一模型运作的关键是准确模拟企业的运作过程,因此,它要求有一个基本的理论框架,通过这一框架来有效模拟企业的运作过程,从而能够有效反映和识别不同企业的行为特征、财务特征,并据此区分企业样本。
2018已经下架了没有程序可以共享了可以找官方客服或者是分支索取
图元存盘,,,,,到另一工程中,,,,图元提取。
建筑模型设计与建筑模型制造的区别如下:建筑模型设计是建筑工程,建筑模型制造是机械工程。建筑模型是根据开发商在设计院有建筑设计师设计好的图纸做出来的。建筑模型制造是将建筑模型设计付诸实践的桥梁。它体现了...
隧道围岩分级的距离判别分析模型及应用——隧道围岩的分级是隧道工程中的一项重要研究工作。将距离判别分析方法应用于隧道围岩分级问题中,建立隧道围岩分级的距离判别分析模型,选用岩石等级、风化程度、岩体弹性纵波波速、岩体结构、地质构造影响程度、节理裂...
针对城市道路交通状态影响因素多、判别难的特点,在分析K-均值聚类算法和概率神经网络(PNN)的基础上,利用多源检测信息的互补性,提出一种基于快速全局聚类分析的概率神经网络集成模型,通过聚类提高集成网络间的差异度,同时利用主成分分析(PCA)优化概率神经网络结构,仿真实验表明该模型与传统的集成方法Bagging相比,能够利用更简单的网络结构,快速有效地识别出城市道路交通状态,为交通预警和诱导策略的制定提供数据依据。
关于膨胀土的判别,国内外尚不统一。
原公路路基设计规范(JTJ 013—95)除根据野外地质特征外,把主要黏土矿物成分、大于0.002 mm的黏粒含量、自由膨胀率和胀缩总率作为膨胀土判别及分类的依据。
分类 |
主要黏土矿物成分 |
大于0.002mm的黏粒含量 |
自由膨胀率 |
胀缩总率 |
强膨胀土 |
蒙脱石 伊利石 |
>50% |
>90% |
>4% |
中等膨胀土 |
蒙脱石 伊利石 |
35%~50% |
65%~90% |
2%~4% |
弱膨胀土 |
蒙脱石 伊利石 高岭石 |
<35% |
40%~65% |
0.7%~2.0% |
铁路上将自由膨胀率、蒙脱石含量和阳离子交换量作为膨胀土判别和分类的依据。
膨胀土中离子交换吸附作用是黏土矿物的一种重要物理化学性质,测定膨胀土的阳离子交换性能可以定性地判别组成土的主要黏土矿物类型,从而也能评价土的亲水性、膨胀性和强度等重要性质的综合指标。
《铁路工程特殊岩土勘察规程》(TB 10038--2001),根据膨胀土的自由膨胀率、蒙脱石含量及阳离子交换量将膨胀土的膨胀潜势分为三级。
关于膨胀土的判别,国内外尚不统一。
原公路路基设计规范(JTJ 013—95)除根据野外地质特征外,把主要黏土矿物成分、大于0.002 mm的黏粒含量、自由膨胀率和胀缩总率作为膨胀土判别及分类的依据。
分类 |
主要黏土矿物成分 |
大于0.002mm的黏粒含量 |
自由膨胀率 |
胀缩总率 |
强膨胀土 |
蒙脱石 伊利石 |
>50% |
>90% |
>4% |
中等膨胀土 |
蒙脱石 伊利石 |
35%~50% |
65%~90% |
2%~4% |
弱膨胀土 |
蒙脱石 伊利石 高岭石 |
<35% |
40%~65% |
0.7%~2.0% |
铁路上将自由膨胀率、蒙脱石含量和阳离子交换量作为膨胀土判别和分类的依据。
膨胀土中离子交换吸附作用是黏土矿物的一种重要物理化学性质,测定膨胀土的阳离子交换性能可以定性地判别组成土的主要黏土矿物类型,从而也能评价土的亲水性、膨胀性和强度等重要性质的综合指标。
关于膨胀土的判别,国内外尚不统一。
原公路路基设计规范(JTJ 013—95)除根据野外地质特征外,把主要黏土矿物成分、大于0.002 mm的黏粒含量、自由膨胀率和胀缩总率作为膨胀土判别及分类的依据。
分类 |
主要黏土矿物成分 |
大于0.002mm的黏粒含量 |
自由膨胀率 |
胀缩总率 |
强膨胀土 |
蒙脱石 伊利石 |
>50% |
>90% |
>4% |
中等膨胀土 |
蒙脱石 伊利石 |
35%~50% |
65%~90% |
2%~4% |
弱膨胀土 |
蒙脱石 伊利石 高岭石 |
<35% |
40%~65% |
0.7%~2.0% |
铁路上将自由膨胀率、蒙脱石含量和阳离子交换量作为膨胀土判别和分类的依据。
膨胀土中离子交换吸附作用是黏土矿物的一种重要物理化学性质,测定膨胀土的阳离子交换性能可以定性地判别组成土的主要黏土矿物类型,从而也能评价土的亲水性、膨胀性和强度等重要性质的综合指标。