[发明专利]一种综合高效的信用评级指标赋权方法

说明书

本发明公开了一种综合高效的信用评级指标赋权方法，涉及多元统计分析技术领域，该方法基于最大信息系数和信息敏感性为信用评级指标赋权：计算一个信用评级指标的最大信息系数占全部信用评级指标最大信息系数和的比值作为第一层权重；计算每个指标的信息敏感性，每个指标的信息敏感性占所有指标信息敏感性和的比值作为第二层权重；两层权重相乘，并进行归一化处理，作为信用指标的赋权。本发明的信用评级指标赋权方法最终权重既能够反应指标对违约与否的识别能力，又可以反映指标信用违约综合风险能力，克服现有研究赋权的不足。

技术领域

本发明涉及多元统计分析技术领域，具体地说是一种综合高效的信用评级指标赋权方法。

背景技术

对信用评级指标赋权是常用的信用风险评价方法，现有研究在对信用评级指标赋权时，不考虑对违约状态的影响程度，或仅考虑对违约状态的影响程度，由于赋权不够精准而导致信用评级不够准确。

发明内容

本发明的技术任务是针对以上不足之处，提供一种综合高效的信用评级指标赋权方法，最终权重既能够反应指标对违约与否的识别能力，又可以反映指标信用违约综合风险能力，克服现有研究赋权的不足。

本发明解决其技术问题所采用的技术方案是：

一种综合高效的信用评级指标赋权方法，基于最大信息系数和信息敏感性为信用评级指标赋权：

计算一个信用评级指标的最大信息系数占全部信用评级指标最大信息系数和的比值作为第一层权重；

计算每个指标的信息敏感性，每个指标的信息敏感性占所有指标信息敏感性和的比值作为第二层权重；

两层权重相乘，并进行归一化处理，作为信用指标的赋权。

信用评级指标赋权即指确定评级指标的权重。最大信息系数用于衡量评价指标的相关程度，系数越大，蕴含得信用风险价值越大；信息敏感性用于衡量评价指标信用违约综合能力，敏感性越大，信用违约综合风险能力越大。

将最大信息系数与信息敏感性相乘，并归一处理，作为指标的赋权，实现了两种赋权方法的取长补短，也克服了现有研究对信用评级指标赋权时，不考虑对违约状态影响程度或仅考虑对违约状态的影响程度的不足。

优选的，所述计算每个指标的信息敏感性，利用主成分分析，得到主成分矩阵，每个主成分乘以对应的方差贡献率，再横向对指标相加，以此得到每个指标的信息敏感性。

优选的，所述第二层权重的计算过程如下：

S1、对信用评级指标标准化处理，目的是使得指标不受量纲和单位的影响；

S2、计算信用评级指标的相关系数矩阵；

S3、计算相关系数矩阵的特征值，即表示主成分解释信用评级指标信息的相对大小，特征值越大表示主成分所含信用风险信息越多；

S4、计算主成分的方差贡献率，方差贡献率是主成分解释全部信用评级指标数据总变异的比例。主成分的方差贡献率越大，表示该主成分蕴含的信用风险信息越多；

S5、计算累计方差贡献率，保留主成分；

S6、计算相关系数矩阵的特征向量；

S7、计算主成分受信用评级指标大小变化影响的敏感性；

S8、计算信用评级指标蕴含的信用风险信息；

S9、计算信用评级指标的信息敏感性，其能够反映信用评级指标识别信用违约风险能力的大小；

S10、计算信息敏感性贡献率。

优选的，对信用评级指标进行标准化处理：