《12篇银行征信评估文献》由会员分享，可在线阅读，更多相关《12篇银行征信评估文献（11页珍藏版）》请在金锄头文库上搜索。
1、虚假银行流水的危害及防控措施评语：指得流水证明造假，认为真实流水可有效验证其他资料的真实性内容：依靠银行流水还原小微企业真实经营状况的方法，即要求小微企业提供实际经营 使用的账户的流水，然后对企业经营性款项的流入、流出进行统计，估算出企业的销售收入， 经营成本等主要财务指标。问题是虚假流水多。2基于logistic回归模型的中小企业信用评分研究内容：评分系统采用统计显著的变量指标，再分配权重中小企业信用评分指标体系1（马九杰）财务指标地区经济环境企业主个人特征变量营运资金与总资产之比省份变量年龄资产负债比受教育程度销售利润率是否出资人总资产周转率职业经历个人 操守留存收益与总资产之比财务状况中
2、小企业信用评分指标体系2（糜仲春，主要生产性企业）财务指标体系非财务指标体系现金流流动负债比行业环境净资产总资产比企业经营管理水平息税前利润流动负债比经营者经验与素质总资产周转速度信用品质流动比率现金流贷款比信用评分模型的构造过程1样本数据初步分析2数据采集3样本分类（截面分析，划分为不 相关的类别，增强模型预测能力）4指标确定5分值设计（具体看英文，文献比较古老）评分模型：1判别分析2Logistic回归适合用于解释变量为定性指标的问题，需用极大似然估计为变量分配权重（需 要避免变量之间相关性）3分类树法：分割，再细分，判断叶子信用级别（非参数统计法）Cofman，1986,从指标之间相互联
3、系角度对比1和3方法4 k-近邻判别法（非参数法）：在目标的特征变量向量空间内定义一个测度（距离），只需考 虑与他距离近邻的K个人的好坏比例（既可以作为一个指标，也可以作为评价系统，存在“维 数祸根”问题）A K-Nearest Neighbor Classification for Assessing Consumer Credit Risk,1996神经网络的应用-基于神经网络和专家系统结合的企业信用评估研究，2002,厦大神经网络没有明显优于线性判别，适合处理非线性数据，非线性方法精度略优，稳健性不如线性方法保证评估指标的全面性和实用性:影响个人信用状况的因素是多种多样的，既要考虑其收入
4、、 资产等经济指标，又要考虑它的信用历史、基本情况等个性指标（定性指标采用某种量化的 方式，或者离散量化）统计判别方法：1完全分布2部分分布3分布无关假设评分模型的好坏关键在于指标的选取。中小企业数据不健全，不透明。主要从三个方面：企 业财务状况；企业特征；企业主个人特征（类似个人零售贷款）财务系列评分：杜邦财务分析体系和沃尔比重评分法（1）财务指标选取：1偿债能力：资产负债比、速动比率、现金流动负债比率2盈利能 力：净资产收益率和销售利润率3营运能力：应收账款周转率和存货周转率（中小 企业应该比大企业高）4成长与发展能力：销售收入增长率、净利润增长率、净资 产增长率（2）企业特征类变量：所处
5、地区、所处行业（3）企业主个人特征变量：是否出资人、本行业工作年限（企业主年龄、受教育程度越 高，违约可能性越强）表4-1变量及其定义变量_定义资产负债比总资产/总负债流动比率石.流动资产/流动负债现金流动负债比石.年经营活幼现金净流量，期末流动负债1净资产收益率孔序利润/平均股东权苗销修利润率七销吉利涧/销售收入净额！应收贱款周转率A销售收入/平均应收账款存货周转率乌产品销售成本，存黄平均余额销售收入增长率为（期末销售收入-期初销售收入）/期初销售收人净利润增长率互本年净利润增攵额/上年净利润净资产增长率习口（期末净资产-期初净资产）F期初净资产所处地区气东部-1：中百部=0所处行业与,非农
6、业士农业=0是否为出资人为3是-1； ?=0企业主从事本行.业或相关行:业的工作年限与q5 年以卜=0； 口0年=1, 1（广 15 年=2, 1520=3, 20年以上-43基于数据挖掘的商户风险评分方法和系统内容:反复抽样统计回归，不同类型欺诈分别建模，求加权评分AsessmenttU.S.Cotigrss)K表f如何利用信息技术控 制洗钱犯罪的报告.文中阐述了基于统计学和人工 智能技术的聚类方法在发掘SB在交易特征方面的应 用闷口 Da vid .HiiritLah和Matthew提出* -种数据挖掘 技术方案，用于解决在欺i乍交易识别中谁确定位和隐 私保护之间的矛盾，其中聚类方法是设计
7、方案的重要 组成部分t5JeHenry和Raphael描述了如何将FinCEN数 花库重组，使用链接分析方法在现金交易数据库中发现 和分析洗钱迹象的全过程园g Ta幅提出了一个基于金 融交易数据特征的交叉孤立点检测模型，同时给出了 优化的计算偏离度的近似算法，银行真实交易数据和 人造孤立点的混合数据表明，此模型在显著提高检出率 的同时能有效降低假阳性比率(氐Ise positive rate)气 Laurence和Ralph认为单纯依靠基于规则的检测 (Rule-bsed不足以检测洗钱或金融犯罪，进而提出综合运用基于个人历史行为轮廊及对等组 (peer group史行为轮廓检测可疑金融交易，以
8、及应 用链接分析(Link Analysis)及启发式规则(Heuristics) 等发现可疑金融交易的方法【-方面专注于相对完整及实翔化的可疑交易监测 系统的设计、开发，以期借助成功开发的系统完成特定 环境中的可疑金融交易识别任务，代表性的研究有：陈 云开等从逻辑层次结构.系统基本框架和系统基本流 程3个方面阐述的分布式异构计算环境下基于数据挖 掘技术的洗钱侦测系统叫汤俊设计的利用风险评估 工具及合规工作流程辅助工具从客户风险、交易风险 和综合风险3个方面对可疑金融交易进行分析和识别另 方面主要集中于对可疑金融交易识别过程中某个阶段所涉及的相关识别技术和方法的研究，并致 力于通过相应的改遂及
9、创新提高可疑金融交易识别的 效率和准确度nwo、这方面的研究经过近几年的发展， 已经由初期基于规则的识别技术逐步过渡到了基于人 工智能和数据挖掘的识别技术口前者的主要特点是根发展趋势：初期基于规则依靠阈值或者偏离度的识别技术，到了基于人工智能和数据挖掘的 识别技术。规则模型缺点：没有考虑交易主体的相关背景信息，的相关背景信息，比如主体所在的地域、主体的性质、 主体的规模以及主体之间的行业差异等，这会导致识 别技术与客观经挤形势的不适应，从而产生大量的误 报及虚报；：是这神被动的识别技术通常不具备较好 的自适应性，不能根据洗钱方式的变化进行自动调整， 这容易导致洗钱者在掌握阈值或偏离度之后，通过
10、调 整洗钱行为模式规避监管*因此，基于规则的可疑金融 交易识别技术在反洗钱技术发展的初期得到大量研究 和应用之后，目前仍然存在着发展的空间，但技术上需要进行相当程度的改进和创新口因此，基于人工智能和5基于行为模式识别的可疑金融交易监控体系的构建与完善：提炼：行为模式主要通过学习特点，判断依靠置信区间内容：本文从监管变迁角度分析了我国可疑交易报告制度发展的趋势，提出通过构建和 完善基于客户行为模式识别的交易监控体系是改变当前可疑交易报告制度监管与实施不利 局面的途径。所谓行为模式(behavior pattern)，即用户在内在和外在环境共同影响和作用下表现出来 的一种行为趋势和规律性特征。与传
11、统特征匹配法采用“if then ”判别模式不同，机器学习 等智能和数据分析技术可通过对一段时期的用户行为数据进行理解，掌握其行为模式规律与 趋势。，从模式识别角度看，只要存在与正常用户行为范式不同的地方，只要甄别特征变量 和甄别层次足够，就有很大把握发现所与众不同的异常交易，这是行为模式识别技术监控可 疑交易的机理。通过技术手段构建用户行为的规律与活动框架，从而掌握其交易的置信领域，并根据其 交易活动的延续以及同行交易活动随内外环境变化随时调整其参数，做到与时俱进，自适应、自调整的智能动态变化，有效克服了客观标准一刀切的弊端而将可疑交易报告(SuspiciousTransaction Rep
12、ort，STR)统一转变为可疑行为报告 (SuspiciousActivity Report,SAR)当前已成为欧美国家监管当局的共识。(一)数据分析的层次对客户行为模式识别的分析可按照以下四个层次进行：交易层：包括一系列的单独交易行为，如现金存取、电汇、支票等，一般能形成一个典 型的时间序列数据。账户层：系列交易都由特殊的个人或账户完成，可形成多个时间序列数据。组织层：客户行为主体往往归属一个公司或组织，其中包含多个账户和个人。链接层：客户金融交易行为往往牵涉到多个公司、组织和个人。所谓客户行为预期是根据客户开户背景资料、同行信息以及对客户一段时间交易行为模 式的观察，在业务细节各层面建立和
13、不断调节客户行为模式预期，预测客户未来活动的趋势， 建立客户交易行为概貌(profile)，包括交易金额、频率、对象、资金来源与流向归属等方面 的预期置信阈值，将实际发生行为与预期值比较，超出置信阈值的行为将触发报警。一般从两个方面来进行，即将其与自身过往历史行为模式比较以及与同行的所谓对比客 户组(peer group)的行为模式比较。判别时不以单条记录作为单位，而是分别以账号、开 户人、开户人所属组织以及相关联组织机构等多个层面对交易的各个特征属性进行比照，从 而发现客户异常。利用行为模式识别进行深度分析以及误报的排除。6穆迪评估软件产业的报告：(未完，准备进行全文细读)本文件不完全包括反
14、映在穆迪评级中的所有因素，但应使读者了解在对这个部门作评级时最 重要的应该考虑的定性问题和财务信息比例问题。个人观点：评级考虑了该产业的业务特点，要素的选择建立在行业研究基础上。主要收入来源是基于庞大已有客户群的每年维护费用和订购销售，许多公司将软件销售和售 后支持作为商业模式的一部分，但是这部分没有被包含进一般的评估模型中1规模2 商业轮廓(Business Profile)3 盈利能力(Profitability)4 杠杆率和规模(Leverage and Coverage)5 财政政策(Financial Policy)1规模：规模往往是一个在体现客户发展广度和业务整体深度的成功指标，它
15、也通常被 赋予代表规模经济。2商业轮廓(Business Profile) (25%)，为什么重要：商业轮廓因素提供了象征一家公 司在多样化测度上的质量强度以及我们对其市场占有率的评估，并合适的反应了公司现金流 的稳定性和持续性。整体的分高的公司在多样化和市场占有方面得分也高，若有较弱的得分 项可能会影响现金流的长期稳定性产品线的多样性有助于抵抗软件行业不断发展的趋势带来的消极影响，新产品更新淘汰 不断出现，只依赖于单一产品的软件公司风险会很大；地理多样性类似被看做积极因素，认 为反应了规模经济优势；终端市场的多样性也从积极的角度来看，因为它减轻在任何个别行 业或垂直市场的变化将显著影响盈利和现金流的风险。市场占有率对于信用评估很重要，因为它可以代表竞争成功的水平，客户关系的实力水 平和未来可能前景的水平。估计分支因素的信息通常来源于穆迪分析师根据财报给出信息的观察或估计表格中有级别分类明细3盈利能力是衡量当前经济成功和管理的有效性的一个指标。4杠杆和覆盖率度量是反应一个公司的财务灵活性和长期可行性的指标。财务灵活性是软件 公司适应不断变化的技术和趋势的关键。软件公司需要资源，投资于研究和开发，以
