尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 煤炭是电力、钢铁、水泥和化工四大工业的上游产业,再加之我国煤炭资源丰富,贫油少气的特性,煤炭产业在我国国民经济中占据着举足轻重的地位。近几年来,煤炭企业为了加快产能的扩张速度,大量地通过贷款和债券的方式举债,造成了较高的债务水平,... 展开 煤炭是电力、钢铁、水泥和化工四大工业的上游产业,再加之我国煤炭资源丰富,贫油少气的特性,煤炭产业在我国国民经济中占据着举足轻重的地位。近几年来,煤炭企业为了加快产能的扩张速度,大量地通过贷款和债券的方式举债,造成了较高的债务水平,从而增加了煤炭企业的偿债压力,进而导致了企业财务状况的不断恶化。除此之外,煤炭企业的生产经营模式粗放,煤炭产能严重过剩,煤炭价格不断下跌,下游需求低迷,销售困难,这些都使得煤炭企业的盈利能力变弱,资金链状况进一步恶化,从而导致银行贷款的不良率升高,债务风险增大,煤炭企业违约的数量和规模也随之增大。这为构建行之有效的煤炭发债企业信用风险预警模型的研究,提供了一定的数据支持。在此过程中,信用风险预警模型可以为投资者、评级机构以及监管机构等部门,及时地发现一家公司是否存在信用风险,提供了一个可以借鉴的地方,因此,它还具有一定的实际意义。 本文结合“双碳”目标的背景下,以国内外文献相关理论及研究作为基础,首先对我国煤炭行业的发展现状进行了描述性分析和信用风险的影响要素分析;然后在构建指标体系上,现有文献仅遵循金融类企业的构建原则,而本文在此基础之上添加了宏观经济指标,包括地区宏观经济水平、地区财政实力以及地区行业水平等;进而在删除存在共线性指标的基础上通过随机森林算法输出重要性排名前十的变量;最后,选取了137家煤炭行业发债企业作为研究样本,在对样本指标数据处理后,将2018年数据用于训练建立的因子分解机(factorizationmachine,简称FM)模型拟实现煤炭行业发债企业信用风险预警分析,进一步将2021年的数据用于测试模型并对各个煤炭企业的信用风险进行预测,从而找出存在信用风险的煤炭企业,通过混淆矩阵,测算精准度、召回率和准确率等统计指标来检验模型的性能。另外通过与常见分类模型的对比来验证因子分解机模型的性能。 通过实证分析得出了以下结论: (1)采用2018年指标数据(t-3)对FM模型进行训练,取得了较好的效果,再用2021年数据对模型进行测试,模型精确率达到97%,说明该模型能充分捕捉到指标数据中的少数类别数据,对煤炭企业是否存在信用风险有较好的预测能力,能在一定程度上找出发生违约的企业,也就是存在信用风险的企业,预警模型具有较好的准确性,说明该模型是有效的,选取的指标体系能反映煤炭企业的信用风险,能有效地预警煤炭企业的信用风险。 (2)通过与已有的分类模型进行比较分析,可以看出,本文所建立的预警模型对于煤炭企业的信用风险评估具有更加准确和稳定的分类效果,并且能够更好地识别出违约的样本,可以用于煤炭企业的信用风险预测。 (3)研究结果表明,根据债券市场发债企业的特征,构建预警指标体系,借助因子分解机模型,能够实现有效的预警,并对其它行业乃至整个信用债券市场建立信用风险预警模型具有一定的借鉴意义。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。