Presentation

Presentation Notes

Tasks

你先开始找文献，先从知网的中文核心期刊看起，慢慢从他们的英文参考文献中了解相关英文文献的关键词，然后再逐渐找些英文文献，这样文献的框架就搭起来了。本科论文首先得过文献综述观。建议你找几篇《经济研究》、《金融研究》上和这个主题大致相关（不一定有那么绝对相关的论文，大致相关就行），精度文献综述部分，看看他们的文献综述怎么写的。不过，期刊上论文的文献综述因版面有限，是浓缩过的，学位论文的文献综述篇幅要更长些。但从期刊文献综述起码能看出来文献综述应该怎么写。

分类，前人用过什么样的指标（别人没用过），有没有显著的影响

什么样的模型，原始数据 or 主成分（模型不一样/对象不一样）

看摘要、数据、模型、结论

link

thesis archive 经济研究 金融研究

journals

1. Journal of Finance
2. Journal of Financial and Quantitative Analysis
3. Journal of Financial Economics
4. Review of Financial Studies
5. Journal of Banking and Finance

Try

微观指标

我国金融机构和非金融机构之间存在很大的监管差异，违约因素差别较大，历史上我国在金融机构出现风险时往往会接管，如安邦、包商等。因此我们在数据中排除掉保险、银行类的金融机构

城投？

公司

• 公司性质
• 大股东占比
• 是否上市
• 公司治理 ：持有基金占比

经营

• 营收亏损
• 客户集中度：应收/应付
• 质押：标准券

财务

• Altman Z 指标
• 现金短债比

评级

评级很多是违约风险很大时候连续几天内下调，所以从后往前看评级对违约很显著，但是调整成评级前一个月的评级就很差，说明评级绝对值准建立在违约风险已经很大的前提下

评级下调会有假阳性

中观指标

行业与行业政策

行业 = 行业 行业政策 = 行业 × 时间

违约量少。与其说是行业景气循还，不如说是行业政策导致融资环境变化

流动性

成交金额

地理

省/市

地理上的传染尚不明晰，看似地理上的传染更多是因为股权、担保的关系，可能城投债违约后显现出来

风险传染

• 大股东
• 地区
• 应收应付
• 宏观经济

宏观指标

宏观政策对违约，更多是以稳为主，认为违约是一种正常现象，但不希望大规模的集中违约，影响实体经济，如恒大是“少数企业”的激进，但去年 12 月超预期降准释放流动性，且房贷政策有所放松。

波动性

上证历史波动率

财政政策

政府支出/GDP

货币政策

SHIBOR 利率

疫情

时间

贸易战

时间 2018-2020

回归结果

result Accuracy: 0.99 Error rate: 0.01 Precision: 0.86 Recall: 0.72 f1_score: 0.78

Try Machine Learning

visualize

numbers

准确率（Accuracy）= (tp+tn)/(tp+fp+fn+tn) 精确率（Precision）= tp/(tp+fp)，即阳性的样本中有几个是预测正确的。 召回率（Recall）= tp/(tp+fn)，即事实为真的样本中有几个是预测正确的。 F1 = 2 / ( (1/ Precision) + (1/ Recall) )，即精确率与召回率的调和平均数。

ROC & AUC

设定任意阈值，得到的 TP ratio 和 RP ratio 。随后不断更改阈值，得到 ROC 曲线。 一般来说，如果ROC是光滑的，那么基本可以判断没有太大的 overfitting，AUC面积越大一般认为模型越好。