合作教师:彭一杰
研究内容:金融作为现代经济的核心,在乡村振兴多元投入格局中具有基础地位和支撑杠杆作用,其风险治理水平直接影响着新时期农业农村高质量发展的稳定性。十八大以来,中央政府多次强调防范化解重大风险,尤其是金融风险,并相继颁布了系列治理措施。近些年,农村金融产品与服务的创新步伐不断加快,农村金融改革创新进程中的潜在风险问题值得高度重视。作为农地“三权分置”制度框架下我国农村金融改革的重要创新,农地经营权抵押融资在解决农户贷款抵押难、担保难问题,盘活农村存量资产、活跃农村经济方面发挥了显著作用。与此同时,不容忽视的是,因受限于土地产权交易市场发展滞后、农业经营主体信用体系不完善、抵押物价值不稳定以及风险管理体系不健全等多重因素,农地经营权抵押贷款业务开展面临着风险与收益不对等的困境。前期试点地区的部分银行或信用社农地经营权抵押贷款供给存在规模收缩或基本停滞现象。在此背景下,系统开展农地经营权抵押融资风险评估,尤其是农地抵押贷款业务的核心风险——信用风险评价研究,对于破解农地经营权抵押贷款症结、提高农地金融市场有效性具有重要现实意义。梳理已有研究看,已有研究集中于农地抵押贷款风险分类、引致因素及防控措施的定性分析,仅有少量学者对农地抵押贷款的风险因素进行了识别和评价,另有个别研究运用Logistic回归分析农地抵押贷款信用风险影响因素并预测违约概率,同时依据CreditRisk+模型,对信用风险衡量进行了研究。然而,已有研究存在两方面的不足:一是农地抵押贷款信用风险的关键参数估计方法存在不足,运用Logistic回归预测违约概率往往存在“信用得分很高,但违约率较高”的悖论;二是现有的个体信用风险研究大多只是得出个体信用评分,尚不能实现在估算出金融消费者的信用得分基础上,进一步计算出贷与不贷的临界值。而这个临界值才是真正可以为金融机构提供贷款决策参考的依据。
研究目标:
(1)利用机器学习相关方法(如随机森林、深度森林等)优化信用风险的关键参数估计,以提高信用得分评价有效性;
(2)可以在信用评分基础上,估算出贷与不贷的临界值(可以用系统仿真进行模拟)。
课题要求:
(1)具有金融风险相关的研究基础
(2)会运用机器学习、系统仿真相关方法
参考文献:
[1]吕德宏,张无坷.农地经营权抵押贷款信用风险影响因素及其衡量研究——基于CreditRisk+模型的估计,华中农业大学学报(社会科学版),2018(4):137-147.
[2] Milad Malekipirbazari, Vural Aksakalli. Risk assessment in social lending via random forests. Expert Systems with Application,2015,42:4621-4631.
[3] X. Ma, J. Sha, D. Wang, Y. Yu, Q. Yang, X. Niu, Study on A Prediction of P2P Network Loan Default Based on the Machine Learning LightGBM and XGboost Algorithms according to Different High Dimensional Data Cleaning, Electronic Commerce Research and Applications (2018), doi: https://doi.org/10.1016/j.elerap.2018.08.002