基于动态多层网络的企业信用风险研究

Modern credit risk is manifested as rapid contagion through the network, superposition, and dynamic evolution in the multi-layer network. This research intends to establish an enterprise dynamic multi-layer network credit risk theory and methodology system under the environment of big data. Firstly, we establish new methods and theories of defining enterprise network based on network sampling and network boundary search. Secondly, we study the contagion mechanism of the spread of credit risk in the static single-layer network, such as the equity network and the guarantee network, and further study the contagion mechanism of the spread, superposition and evolution in the dynamic multi-layer network. Finally, combined with the theory of complex networks, we construct a credit risk evaluation index system and credit risk structure model of multi-layer network. In the aspect of applied research, combined with web crawler and text analysis technology, the above methods and models are respectively applied to the simulation and empirical study of enterprise groups and local financing platforms. The purpose of this research is to fill the blank practice of credit rating in big data networks, improve the dynamic multi-layer complex network theory and credit risk theory, cultivate some talented people who are engaged in research and practice in relevant frontier fields, meet the urgent demands of network-relationship credit rating in our country's credit rating agencies, and lay the foundation for the formulation of relevant policies by the financial risk regulators.

现代信用风险表现为网络化的快速传染，并在多层网络中呈现出叠加和动态演变的特点。本项目拟在大数据环境下，建立基于动态多层网络的企业信用风险理论与方法论体系。首先，基于网络抽样和网络边界搜索方法，建立界定企业网络的新方法与新理论；其次，研究信用风险在以股权关系网、担保关系网为代表的静态单层网络中扩散的传染机制，并进一步研究其在动态多层网络中传播、叠加和演化的传染机制；最后，结合复杂网络理论，构建基于动态多层网络的企业信用风险评价指标体系以及信用风险结构模型。在应用研究方面，结合网络爬虫和文本分析技术，将上述方法与模型分别应用到企业集团、地方性融资平台的模拟和实证中。研究目的在于填补网络大数据信用评级的实践空白，完善动态多层复杂网络理论和信用风险理论，培养若干从事相关前沿领域研究与实践的优秀人才，满足我国信用评级机构网络关系信用评级的迫切需求，也为金融风险监管部门制定相关政策奠定基础。

随着新兴科技的兴起，网络数据、文本数据等非结构化数据以及机器学习等大数据技术，在信用风险理论研究和企业风险管理实践中，得到广泛深入的交叉融合应用。本课题在这种大背景下，基于复杂网络理论、机器学习、计量经济学和统计学等学科理论，通过理论推导、实证检验和案例分析相结合的研究方式，在担保网络、风险估计与预测、企业信息风险、诉讼风险、风险信息披露等多个细分领域得到了众多研究成果。首先将担保等网络关系刻画为有向连通图，以上市公司间、上市公司与非上市间担保关系、企业基本信息和融资情况为信息样本，构建担保网络和风险模型，分析网络聚集性特征、动态演变的因素、风险传导过程以及所产生的经济后果。其二，从全新的网络结构、图论视角对现有文献进行补充，实现了理论分析与案例研究相结合，静态模型与动态模型并重，微观数据与宏观数据同覆盖，财务数据与非财务数据交叉混合，探索了基于社交网络、文本信息等非结构化数据的企业风险分析技术和框架。其三，研究了社交网络对信贷的影响，评估了个人借款人的互联网行为对信用违约风险的预测能力。其四，进行了文本数据分析及其对债券风险管理的启示研究，探索了公司风险信息披露行为对债券风险溢价、流动性的影响及其作用机制。其五，从数字化转型、数据资产评估、信息中介、企业外部监督等多个角度展开研究，旨在探究企业数字化转型、数据要素与企业绩效间的关系及对企业决策行为的影响，为推动企业风险管理新发展格局提供理论依据和实证证据。其六，进行了基于面板数据的分位数回归分析和计量理论建模。课题在企业内外部环境等多个细分领域，在数字化转型、数据要素等多个前沿领域对企业信用风险管理进行系统的研究，深化了业界和学术界对大数据环境下信用风险管理的整体认知，有利于企业明确网络、文本等非结构化数据分析的有效性，也有利于监管部门了解企业网络关系的商业实质、预测信用风险的形成和传染，进而更好地实现对企业风险的整体管控。

内容获取失败，请点击重试