作者文章归档:王振中

王振中,高级模型工程师,毕业于北京师范大学数学科学学院应用数学专业,获理学硕士学位。具备扎实的数学、统计学和数据挖掘知识功底,在银行资产负债管理和压力测试方法上具有深厚的研究基础。深谙数值计算方法和随机模拟技术,曾参与过银监会集团客户风险预警数据挖掘项目和某商业银行流动性风险压力测试项目,并负责行业信贷风险评估工作。

《Logistic违约率模型最优样本配比与分界点的模拟分析》方法总结


      北航经管学院石哓军副教授的文章《Logistic违约率模型最优样本配比与分界点的模拟分析》里面详细描述了使用Logistic回归来构建违约率模型的过程。原来一直以为Logistic回归很简单,就是线性回归的推广,拿数据放入SPSS/MATLAB中算一下就成了,但是这样做确实忽略了其中的很多细节。
   在预测或回归的问题当中,数据集经常是这样的:
X1  X2  X3 …… Xn  Y
其中X1……Xn是备选指标,在...

Read more

[整理]金融机构住宅房屋贷款信用评分系统的构建研究


本文为台湾地区《住宅学报》 VOL.15-2 民国9512 P.65-90的文章,主要谈了一下个人住房抵押贷款申请评分卡的构建过程。原文在这里,现整理如下:

金融机构住宅房屋贷款信用评分系统的构建研究

庄瑞珠 陈穆贞

摘要:本研究主要分析住宅房屋贷款的授信风险,评估最能衡量借款人信用、偿债能力的预测变量,获取房贷授信风险评估因素并由其对信用状况的影响程度给予不同权重,利用似然比估计,确定回归估计系数的权重,建立较完整评估系统与风险量化的研究模型,借以评估授信条件,提高信用良好比例。研究表明:月付比例、贷款成数、过去信用状况、担保关系为影响贷款信用好坏的主要因素。本研究凭借回...

Read more

介绍《宏观压力测试方法的比较分析以及在芬兰的应用》


这几天趁着有时间,看了一些关于宏观经济压力测试的东西,以下这篇文章还是具有推广性的。作者在文章中介绍了宏观压力测试的最新进展,并利用芬兰国的数据对两种不同的模型进行了实证分析,以吻合芬兰90年代初期大萧条的情况。实证的结果表明:特定行业的违约率与主要的宏观经济因子(如GDP,利率和行业负债率)是存在显著关系的。同时也发现银行的贷款损失计提与这些宏观变量的滞后项有关系。当然利用这种关系就可以估计宏观经济环境的恶劣变化对其国内信贷组合的信用风险影响。作者在承认近些年宏观压力测试的巨大进展时,提出了三个将来需要关注的地方,也就是现在没有完美解决的问题:1.风险和风险度量的不可加性;2.压力测试...

Read more

Kandell和Spearman相关系数


 Kandell和Spearman表示的是非参数秩相关系数。
假设具有n个观测和m个变量的数据集可以表示成如下的形式:x[i,j],i=1,2,……,n(n>1);j=1,2,……m(m>1)
则可以定义:
1.秩
给定某个变量j,其所对应的n个数据x[1,j], x[2,j], . . . , x[n,j],可以按照某种次序排列起来,这个次序就是秩。一般地,在变量j中最小的数据具有秩1,次小的数据被认为它的秩为2,依次类推,最大的数据将对应秩n。如果某几个取值是相等的,则它们将给定平均的秩:若有k...

Read more

[提纲]商业银行利率风险度量模型与管理模式研究


博士学位论文:商业银行利率风险度量模型与管理模式研究

贺国生 西南财经大学 20054

一、研究商业银行利率风险度量与管理的历史演变

1.       阐述商业银行利率风险的产生及演变(利率本质、利率决定理论和受多种经济因素影响)

1)       商业银行面临的利率风险有四种:再定价风险、收益率曲线风险、基准风险及期权风险

(2)       影响:净利息收入,非利息收入(表外业务的收费性收入...

Read more

数学建模常用的十大算法集锦


       下面这篇文章本人早在2003年在北化第一次接触数学建模时就看到过了,文章当中的一些算法在后来的学习研究中也发挥了很大作用。我有一个感觉:不管是在平常的建模练习,还是在竞赛中,优化算法和模式识别算法用的是比较多了。想了解前者可以看看运筹学或优化理论方面的书,多在MATLAB上跑跑那些相关的命令;想了解后者可以看看模式识别或机器学习方面的书籍,这些在将来自动化和人工智能的学习当中都是基础。还有不要忘记了,除了人工神经网络可以做分类,现在慢慢在流行的支持向量机(SVM)算法也可以试试,邓乃扬的那本书详细讲到了它的数学基础...

Read more