田志友[1]2002年在《基于智能技术的客户信用评级方法与应用研究》文中提出从工商企业角度，研究赊销客户信用评级的方法与应用问题。首先通过总结销售人员经验，并借鉴银行等专业机构资信评级所采用的评价指标，建立适合工商企业应用的客户信用评级指标体系；然后对比常用多指标综合评价方法的优缺点和适用范围，确定采用神经网络模型中的模糊Hamming网络作为客户信用评级的主要工具。为克服该网络实用中的不足，综合运用主成份分析(PCA)、聚类分析和模糊C-均值(FCM)等方法，为该网络提供初始训练样本，并采用遗传算法对该网络关键参数组合进行寻优。最后以国内某制药集团57份客户信用评分结果为例，进行应用分析，给出每个客户的信用等级和对该等级的隶属度，作为企业审查客户信用水平、确定信用限额的依据。
魏柏楠[2]2014年在《中小企业信用评估》文中进行了进一步梳理近年来，信用评级的重要性日趋明显，同西方发达国家相比，信用评级在我国的发展相对落后。在市场经济迅猛发展的今天，建立针对我国中小企业的信用评级体系，是立足于为商业银行提供科学的决策支持，提高中小企业信用评级有效性的关键所在。一直以来，商业银行针对我国中小企业的信用评级有着诸多不足，现行的评级体系不能正确的评价中小企业的信用等级。商业银行目前执行的企业信用评级指标体系，从评级方法、评级指标的选择以及指标的权重看，评级时更看中偿债能力和获利能力，而没有注重发展能力和创新能力。由于这样的评级指标体系用来评价中小企业信用等级时在一定程度上存在着不适用、不公平的问题，没有全面反映出中小企业的发展状况和发展前景，因此也就不能全面的反映出中小企业的信用状况。由于这一体系的评价结果——企业信用等级是决定是否发放贷款的重要因素之一，评级体系的不适用、不全面在很大程度上对中小企业的融资造成了一定的障碍。第一部分是绪论。包括研究背景、研究意义、研究内容和研究方法。笔者简要描述了中小企业的发展背景、存在的问题和目前中小企业信用评估的发展情况，研究中小企业信用评估具有融资、采购、生产、销售、服务的重大意义，因此本文具有很强的研究价值。第二部分是文献综述，主要通过阅读文献对中小企业信用评估的基本理论进行总结，包括信用和信用评估的概念、信用评估的方法、中小企业的划分和特点。第叁部分是对我国中小企业信用评估现状的着重分析，首先我国的信用评估在政策辅助、数据挖掘技术的应用和财务与非财务指标相结合的应用方面具有较高的先进性，但与此同时也存在着突出的问题，这些问题都严重影响了企业信用评估的发展。第四部分是以兴业银行为背景研究中小企业信用评估的发展情况，包括信用评估的原则，使用的方法，管理的流程，通过兴业银行中小企业信用评估的实施情况可以大概反映出我国商业银行目前发展的阶段，且兴业银行的中小企业信用评估发展较先进，能够为我国其他商业银行起到借鉴作用。第五部分是结合兴业银行目前企业信用评估的现状总结突出问题并进行分析，问题主要集中在管理和方法两个方面，因此在进行体系改革时，不仅仅针对方法要结合我国中小企业特点重新设计，在内部管理方面也需要加强管理，防止内部存在漏洞影响企业信用评估发挥作用。第六部分为论文结论。本文以兴业银行为背景研究中小企业信用评估具有深远的意义，笔者认为我国的中小企业信用评估对解决中小企业贷款融资难题有重大意义，同时通过改善兴业银行企业信用评估体系，相信也会对我国其他银行有所启发。
李拓[3]2015年在《国外商业银行信用评级及限额管理研究》文中认为银行对应的客户一般分为96类,国内对于其中的95类都有研究和信用风险模型,只有一类没有成熟的研究和模型,因为这一类的方法论和其他95类都不相同,本研究就针对这一类客户。对于开展国际业务的国内银行而言,国外商业银行同业客户是最特殊、最重要的一类客户。国外银行与国内银行具有互为客户、联系紧密、业务品种多样、交易量巨大、一旦发生风险波及广泛等显着特点。中国银行监管机构明确要求每家开展国际业务的中国商业银行在满足巴塞尔监管协议要求时,必须建立对国外银行的内部评级模型并据此进行限额管理,不能简单参考或使用外部评级公司(例如穆迪、标普、惠誉)的评级结果。由于国外商业银行同业客户相关模型和方法论与一般公司类客户不同,导致国内银行对于其他所有公司类客户都已实施内部评级和限额管理,唯独对于国外商业银行客户没有完整的研究和方法论,整体研究水平仍然比较落后,评级结果和限额管理难以真正用于业务发展和风险管理。因此,无论是监管规定还是实际业务,都对建立国外商业银行评级和限额管理模型提出了急迫的需求。基于此,本研究具有重要的理论价值和现实意义。本论文参考国外研究,对国外商业银行信用评级和限额管理模型进行深入研究,最终目标是为开展国际业务的中国商业银行设计出既能够满足监管基本要求,又具备可操作性、可实施性的内部评级和限额管理模型。主体部分包括以下内容：1.从信用评级和限额管理两个方面回顾了国内外学者的研究成果；阐述国内外商业银行在评级和限额管理方面的实践；分析了中国商业银行评级和限额管理工作的开展情况,为本文评级模型和限额管理的研究做好理论准备;2.国外银行数据的收集和财务报表的统一性分析是国内研究的一大难点,国内很多类似的研究止步于此：以模拟违约替代实际违约建立真实标尺在此前的国内研究中也鲜有涉及,实际业务敞口数据与设定限额的拟合也需要长期积累；本人从国别和金融机构评级必备的模型出发,按照统一币种单位、统一财务比率、统一会计准则、统一监管要求对数据进行加工并进行独创性的分析和比较,为信用评级和限额管理的研究做好数据准备；3.在建立国外商业银行评级的宏观风险评估指标方面,采用BP神经网络的方法建立国别风险评估模型,在建立国外商业银行评级的微观风险评估指标方面,采用单变量分析所有采集数据的实际表现;之后融合宏观和微观指标,通过计量工具建立评级模型,并对评级模型进行双重检验,最后通过引入银行评级结果和违约概率运用资本分配法建立限额管理模型。4.在总结分析提出主要结论后,从制度体制、技术水平、资源投入和应用效果四个方面分析制约因素,并针对性提出建议,为我国商业银行评级和限额管理工作指明进一步研究的方向。本论文的主要结论包括叁个方面：(1)在对国外银行评级进行支持的宏观国别风险评估方面,本文采用的BP神经网络模型能够准确、完整地反映各种复杂的、极端值突出的、有历史违约惯性的宏观因素对国别风险的影响,通过计算机自学习过程,解决以往回归模型无法解决的问题；(2)在建立国外商业银行评级模型方面,广泛收集的数据和模拟违约的提出克服了以往模型缺少数据支撑的弊端。运用结构稳定、方法严谨的计量模型取得较好的表现,从检验和实证来看,模型真实地反映了国内银行风险判断和偏好；(3)在设定国外银行限额方面,本文结合评级结果和违约概率并采用经济资本法确定的限额,结合不同产品的特性设计额度扣减和管理模型,满足监管要求和业务实际需要。
杨顺华[4]2011年在《中小企业债权融资中的盈余管理研究》文中研究说明中小企业已经成为国民经济的重要组成部分,是国民经济发展的重要推动力量。由于中小企业自身资金实力弱、经营风险大、抵押品不足、又缺乏良好的信用记录和信息透明度,中小企业很难从信贷市场获得足够的间接融资。中小企业盈余管理在一定程度上缓解了中小企业融资难问题。同时中小企业盈余管理的不规范又加剧了银行信贷风险。因此科学地把握中小企业盈余管理现状,揭示其成因和主要影响因素,探寻规范中小企业盈余管理的措施,力求将中小企业盈余管理控制在一个“满意”的范围,防范盈余管理造成的信贷风险,实现盈余管理的双赢效应,对提高中小企业会计信息质量,加快中小企业和信贷市场的健康发展,实现资源的有效配置,具有十分重要的理论和实际意义。本文从盈余管理的基础理论和相关文献研究入手,分析了盈余管理的内涵及其基本理论；运用盈余频率分布模型对选取的200家已从银行获得贷款的样本中小企业进行了实证研究,并通过对样本企业和银行进行问卷调查,对中小企业盈余管理动机、现状、手段、影响因素以及成因等问题展开了详细的分析；运用博弈理论对中小企业盈余管理动机进行了静态和动态的博弈分析；运用典型案例分析了中小企业盈余管理对企业信用评级的影响以及从银行的视角分析了对中小企业盈余管理造成的信贷风险防范机制；最后提出了规范中小企业债权融资盈余管理的对策建议。研究认为,中小企业债权融资盈余管理是中小企业以取得银行贷款或为避免违反债务条款为目的,灵活运用会计准则提供的会计选择权利,采用最有利于企业债权融资的做法,通过会计准则所允许的会计调账使得企业满足银行的借款要求,从而获取较大的边际利益；运用盈余频率分布模型对样本企业的实证研究,发现我国中小企业为避免亏损以符合银行融资条件确实存在盈余管理行为,并且发现在盈余管理频率方面,进行盈余管理并达到避免报告亏损目的的亏损公司呈逐年上升趋势。研究表明严格的信贷政策促生了中小企业盈余管理动机,反映了中小企业资金短缺和税负较重的现实。要实现中小企业和银行之间的低效的一般性博弈向高效的双赢性博弈的转变,需将盈余管理控制在一个合理的范围。中小企业盈余管理提升了企业融资效率,同时也为银行防范信贷风险增加了难度。为此本文从国家、企业和银行多方面入手,提出了规范中小企业盈余管理的对策建议,即从国家层面应健全相关法律法规,降低中小企业实际税负；从企业层面应加强中小企业诚信工程建设,加强会计职业道德,建立良好的诚信道德机制；从银行层面应加大信贷支持力度,建立与中小企业贷款业务相适应的信贷文化,加强信贷人员业务培训,完善信贷稽查激励约束机制,加强外部监督。本文创新之处主要表现在以下几个方面：(1)基于信贷配给理论、信息不对称理论和债务契约理论,提出了中小企业债权融资盈余管理双赢效应观点,进一步丰富和发展了中小企业盈余管理研究。(2)运用盈余频率分布模型,对江苏省债权融资中非上市中小企业盈余管理进行实证研究,发现我国债权融资中的中小企业为符合债权融资条件,确实存在盈余管理行为,进一步拓展了盈余管理的研究领域。(3)以博弈论作为经济分析工具,通过建立静态和动态博弈模型,从一个全新的角度分析了实现盈余管理双赢性效应的根本在于规范中小企业盈余管理,进一步扩大了盈余管理的研究方法和视野。
李宇嘉[5]2004年在《数据仓库及其在商业银行信用风险内部评级中的应用研究》文中研究指明《巴塞尔新资本协议》内部评级法的实施对商业银行信用风险内部评级体系提出了最低要求，其目的是要求商业银行对信用风险进行有效细分和精确测算。这一目的的实现本质上是对银行内部信息系统的要求，即在信用风险管理工程化的趋势下，银行要凭借其内部信息系统强大的数据储存功能，通过建立评级模型和采用数据分析技术，实现客户信用评级的有效细分。这就为数据仓库(datawarehouse)的应用提供了契机。 数据仓库是支持管理决策过程的、面向主题的、集成的、随时间变化的、持久的数据集合。数据仓库所具有的海量数据储存功能、联机分析处理技术及数据挖掘(data mining)技术等这些强大的信息处理功能使数据仓库及其技术在信用风险内部评级方面的应用具有可行性。数据仓库及其技术在信用风险内部评级中应用的途径有很多：银行数据仓库的建立为内部评级提供了功能完善的基础数据平台；分类挖掘技术的应用可实现客户信用级别的有效细分；关联规则挖掘技术和时间序列分析在客户违约概率测算模型中得到应用。 银行怎样建立数据仓库?本文从内部评级的需求分析入手，先建立银行数据仓库的整体实施框架；然后从数据的处理、数据模型的建立、数据粒度的选择、数据集市等方面详细阐述；最后介绍了在建立数据仓库过程中银行应该注意的问题。客户信用评级是内部评级最重要的任务，在数据仓库建立的基础上，本文就神经网络分类挖掘技术在客户信用评级中的应用进行了举例分析。
袁建良[6]2008年在《开发性金融信用风险度量研究》文中认为信用风险度量技术和方法在过去的几十年里,由于受到社会环境的变迁和各种经济因素的影响而发生了显着的变化。特别是20世纪90年代以来,在全球范围内,所有机构都面临着不断增加的信用风险,信用风险的度量研究已经成为今后若干年内风险研究领域最具挑战性的课题。对信用风险进行及时准确地度量,同时建立起具有早期预警和后期绩效评估等功能的风险管理机制,不仅在微观上有利于银行实现自身经营的安全性和赢利性,而且在宏观上有利于整个金融体系的稳定和经济健康、持续地发展。以国家开发银行为代表的开发性金融机构在我国经济和社会发展中居于举足轻重的地位,关系着国民经济命脉和经济安全。随着政策性银行商业化改革逐步提上日程,不断提高信用风险度量水平是开发性金融机构实现持续发展的必然要求。因此,深入研究适合我国经济和金融环境的开发性金融机构信用风险度量技术和方法具有十分重要的理论和现实意义。本文在学习借鉴国外银行业先进的、科学的信用风险度量技术和方法的基础上,结合我国的实际情况,围绕以国家开发银行为代表的开发性金融机构信用风险度量的技术和方法开展了五个方面的研究:一是对国内外信用风险度量技术、模型和方法的进行了比较分析;二是深入分析了开发性金融的基本原理和运行机理,从多个角度对开发性金融信用风险的成因进行了讨论;叁是对政府信用风险评价体系的等级设置、指标筛选以及权重确定进行了深入的讨论;四是运用信息和数据处理技术深入分析了各项定性和定量因素对政策性银行信用风险的影响程度;五是从制度平台层面分析了信用风险量化管理体系建立过程中存在的主要难点。本文的主要创新之处:(1)总结出了开发性金融机构信用风险的叁大特征:长期大额、高度集中、特殊风险主体;(2)提出了完善开发性金融信用风险度量体系和方法的基本思路:即根据风险主体特征将现有的公司类信贷资产划分为无政府组织增信的公司类资产和政府组织增信下的公司类资产并采用不同的信用风险度量方法。对于政府组织增信下的公司类资产,宜以打分卡为主,结合债项评级的信用风险度量方法为主,但是重点应放在对指标选取和权重确定的完善和修正上,不断提高方法的敏感性和有效性;而对于无政府组织增信的公司类资产,则可以在适用打分卡评级的基础上,研究使用统计模型建立PD、LGD的判别预测模型。(3)设计了以政府信用评级指标体系和地区信用评级指标相结合的政府信用风险评价体系,并选取了30个样本进行了实证研究,从而建立和完善了政府组织增信下的公司类资产信用风险度量方法。(4)根据各项因素对信用等级和资产质量分类等级的影响程度筛选出最显着的定量因素,进而利用其结果分别建立了基于Logistic模型的PD预测模型和基于多元线性判别分析模型和Logistic回归模型,以贷款到期的风险等级为被解释变量的判别分析模型,检验结果表明上述模型具有一定的稳定性和适用性。(5)提出了开发性金融信用风险量化管理体系的基本框架和包括风险评级模块结构和风险等级评定流程在内的核心基础架构,同时提出了信用风险量化管理体系的工作重点和制度保障措施。
衣家莹[7]2015年在《商业银行信用评级系统的设计与实现》文中认为商业银行(Commercial Bank)是由辖内农民、农村工商户、企业法人和其他经济组织共同入股组成的股份制的地方性金融机构。通过建立银行信用评级系统用于发现贷款的风险是商业银行在规范业务过程中采取的最主要的技术手段。银行信用评级系统将科学化、标准化、规范化的管理原则进行开发,精准地处理多种类型的商业银行信息评级业务,实现商业行信用评级系统业务流程规范化、日常办公自动化、客户营销精准化,并依托完善的大数据和商业智能技术,实现信用评价体系、风险防控体系、科学决策体系的建立与优化。银行信用评级系统由四个子平台构成:数据管理平台、信用评估平台、综合分析平台和系统管理平台,通过建立这四个彼此独立又相互联系的平台,实现银行信用评级业务处理的规范化。这四个平台通过获取大量的与银行信用评级业务相关的数据,进行抽取、转换、装载,进而进行数据挖掘,为银行的信用评级业务提供智能化支持。本论文的主要内容包括:需求建模主要采用用例(Use Case)驱动这一需求分析技术进行,通过对银行信用评级系统的外部使用者进行需求分析与用例建模,研究系统需求的获取、分析与验证的过程;体系架构设计通过研究计算分布、数据集中、高并发系统等体系架构设计方面的理论和方法,进行银行信用评级的体系架构的设计;数据库架构设计对银行信用评级系统的数据库架构模式进行分析,并采用相应的拆分规则解决系统数据安全及数据库效率问题;概要设计通过对并发控制、事务控制、程序流程图设计的基本思想的原则对银行信用评级系统进行设计;系统实现通过运用Java语言、以及spring3、ibatis等开源框架、SQLSERVER、weblogic实现银行信用评级系统;目前商业银行信用评级系统已经上线运行,已经取得了预期的效果,为减轻银行的信用风险提供了可靠的依据。
陈雄华[8]2002年在《基于神经网络和专家系统结合的企业信用评级研究》文中研究指明对银行客户的信用评价是否科学可靠、是否健全，关系着银行贷款的成败。因此，借助信用评价模型对企业的信用作出准确评价和客观判断，具有非常重要的实际意义和实用价值。 近年来，已有利用人工神经网络技术对企业失败、企业债券等级、银行客户信用等级进行判别的研究，与多元判别分析模型相比，其结果是令人鼓舞的。在国内，银行对客户的信用等级评定，还处在对企业的某些财务指标进行评价，而后加权平均确定的阶段上，因此迫切需要引入更为科学的方法来确定有效指标，并建立准确的定量模型来解决信用评估问题。针对这种需求，本课题根据我国商业银行的具体情况，利用人工智能技术和专家系统结合，研究我国商业银行的客户信用评估问题。 企业的信用等级的划分是一个十分复杂的问题，企业信用包含众多因素，需要考查企业财务数据定量化方面的原因，也要考查企业领导者素质、市场定位、技术更新水平、国家政策导向、产业规模等定性方面的原因。 因为神经网络适合处理定量的数据，而专家系统适合处理处理定性的数据，本课题我们用神经网络和专家系统分别对企业定量、定性两方面信用风险的成因进行研究，有机、科学地结合两者的的优点，最终得到企业信用等级的综合评价。 课题分为两个部分，本文集中用神经网络研究企业的财务比率对企业信用等级的影响。由于研究的企业涵盖面很广，有轻工业、重工业、贸易业、农业等行业，因此不能对所有的样本统一处理，我们按照企业行业和所有制的不同，并考虑样本数量上的要求，使用合理的方法将企业划分为不同的模式，同时，针对不同的模式建立相应的神经网络模型，实验结果表明划分模式的神经网络提高了信用评级的准确性。 我们还用c++Builder开发了一个人工智能企业信用等级评估的软件系统，用户可以方便地用本软件系统进行企业信用等级的评估。该软件为企业信用等级的评定提供了一个有力的辅助决策工具。
陈力[9]2017年在《银行信用评级中的不平衡分类问题研究》文中进行了进一步梳理信用评级是一项银行信用风险管理的重要内容,是一种银行评价客户信誉状况、归还贷款能力和未来前景的方法,是一个通过挖掘客户信息来指导业务的过程。在当前大数据时代的背景下,银行所能获得的客户信用数据越来越多,如何通过挖掘数据隐藏的信息从而判断客户信用等级是银行面临的至关重要的问题。在实际的银行信用数据集中,信用良好的客户往往比信用不良的客户多很多,这导致银行信用评级问题实质上是一种不平衡分类问题。在不平衡分类问题中,小类样本往往是关注的重点,如信用评级领域,银行更关注那些信用不良的客户。因此,如何有效地区分和识别小类样本是解决不平衡分类问题的关键。机器学习算法在处理不平衡分类问题时往往不能有效地识别小类样本,因此如何有效地解决不平衡分类问题是重点研究的工作。目前,不平衡分类问题主要从数据层面和算法层面进行研究。数据层面上主要采用重采样方法来平衡数据类别分布,如随机欠采样方法、ROSE方法、SMOTE方法等都是典型的重采样方法;算法层面上集成学习算法经常被用来解决不平衡分类问题。为了验证重采样方法和集成学习算法在处理不平衡分类问题时的有效性,本文采用四组分别来自于UCI数据库和KEEL数据库的不平衡率各不相同的数据集进行仿真实验,实验结果表明重采样方法和集成学习算法的确能够有效提升分类模型对小类样本的识别率。ROSE方法是一种人工合成数据的方法,将其权重系数进行改进之后与随机欠采样方法组合,得到随机混合采样(RHS,Random Hybrid Sampling)方法,之后采用经典的AdaBoost算法作为集成学习算法,这样就得到了RHSBoost(Random Hybrid Sampling Boosting)算法。该算法的基本思想是:首先通过随机欠采样方法来获得平衡的数据集,之后借助改进的ROSE方法来合成更多的人工数据,AdaBoost算法可以更改错误分类的小类样本权重,这样就可以达到增强分类器的目的。本文利用银行信用数据集进行实验,在采用决策树作为基分类算法的前提下,将RHSBoost算法与RUSBoost算法、SMOTEBoost算法、重采样方法和集成学习算法进行对比,证明了RHSBoost算法的可行性和优势。
王金东[10]2014年在《纺织行业信用风险评估系统构建与分析》文中提出近年来,受世界经济低迷影响,中国经济增速放缓,经济发展过程中面临的深层次矛盾开始显现,由此引发的集中性风险开始向银行传导,有效防范风险成为银行保证资产质量的重要手段,因此,建立一套完整有效的信用风险评估系统成为有效防范风险的关键。滨州市为纺织大市,拥有山东魏桥创业集团有限公司、愉悦家纺有限公司、山东滨州亚光毛巾有限公司等多家大型纺织企业,并形成集纺纱、织布、印染、针复织、织毯、服装、家纺为一体的完整产业链。纺织行业授信在当地金融机构全部授信中占有一定比重,以某国有银行滨州分行为例,截止到2014年6月末,纺织行业贷款余额占对公授信余额的11.37%。而且,近年纺织行业受棉花价格大幅波动、劳动力成本上升、人民币汇率、国际竞争等因素影响,企业发展面临多重挑战。因此,建立一套完整有效的纺织行业信用风险评估系统成为有效防范纺织行业信用风险的重要手段。首先,文章通过分析研究各国学者对信用、信用风险及风险评估系统的研究,了解基础概念含义。其次,文章介绍了滨州市纺织行业整体状况。主要了解滨州市纺织行业特征及目前面临的信用风险状况。再次,作为本文的重点,文章详细分析了信用风险评估系统构建的要素,包括行业准入机制、二维一体的评级体系、授信资产分类体系。最后,文章做出了总结与展望。通过对滨州市纺织行业信用风险状况研究,多角度分析滨州市纺织行业的整体状况,通过图文、数据等手段整体展现对纺织行业风险把控的手段与途径,在此基础上提出专门针对滨州市纺织行业的信用风险评估系统。
参考文献：
[1]. 基于智能技术的客户信用评级方法与应用研究[D]. 田志友. 河北工业大学. 2002
[2]. 中小企业信用评估[D]. 魏柏楠. 吉林大学. 2014
[3]. 国外商业银行信用评级及限额管理研究[D]. 李拓. 中国农业大学. 2015
[4]. 中小企业债权融资中的盈余管理研究[D]. 杨顺华. 江苏大学. 2011
[5]. 数据仓库及其在商业银行信用风险内部评级中的应用研究[D]. 李宇嘉. 湖南大学. 2004
[6]. 开发性金融信用风险度量研究[D]. 袁建良. 中南大学. 2008
[7]. 商业银行信用评级系统的设计与实现[D]. 衣家莹. 吉林大学. 2015
[8]. 基于神经网络和专家系统结合的企业信用评级研究[D]. 陈雄华. 厦门大学. 2002
[9]. 银行信用评级中的不平衡分类问题研究[D]. 陈力. 广东工业大学. 2017
[10]. 纺织行业信用风险评估系统构建与分析[D]. 王金东. 山东大学. 2014
标签：数学论文; 宏观经济管理与可持续发展论文; 信用风险论文; 银行论文; 商业银行论文; 银行风险论文; 企业信用评级论文; 信用评分模型论文; 债项评级论文; 银行信用论文; 中小企业融资论文; 中小企业贷款论文; 穆迪评级论文; 客户分类论文; 客户分析论文; 分类数据论文; 主体信用评级论文; 管理风险论文; 金融论文; 债券信用评级论文; 风险模型论文; 信用政策论文;