导读:本文包含了不良贷款预测论文开题报告文献综述及选题提纲参考文献，主要关键词:不良贷款,不良债权,回收率,影响因素
不良贷款预测论文文献综述
但勇[1]（2019）在《不良贷款回收率的预测模型在确定金融不良债权资产商业性转让对价中的适用性分析》一文中研究指出本文通过文献回顾了单户处置企业的不良贷款回收率预测模型和打包处置企业的不良贷款回收率预测模型的建立。鉴于在金融不良债权资产商业性转让前所获取资料、信息条件的限制与局限性,论证了相关因素回归分析法在估算金融不良债权资产价值的适用性及相对优势,通过实际将上述预测模型应用到金融不良债权资产商业性转让对价的确定中,实证结果表明:预测估算结果达到了较高的精度,同时提出操作应用该模型的建议。(本文来源于《市场周刊》期刊2019年06期）
张润驰,杜亚斌,薛立国,徐源浩,孙明明[2]（2017）在《央行微观调查数据适合作为不良贷款率的预测指标吗——基于MIDAS模型的研究》一文中研究指出相比于传统宏观经济指标,央行的微观调查数据是否更加适合作为我国商业银行不良贷款率的预测指标?本文首先提出了利用微观调查数据进行预测的相关理论,接着基于适合解决混频数据预测问题的MIDAS模型进行了实证研究。研究发现:央行微观指标在平均样本外预测误差等多个方面均优于传统的宏观指标,同时人民币名义有效汇率指数、基金及理财投资意愿比例、房价过高难以接受比例等指标尤其适合作为预测指标。本文的结论是:央行的微观调查数据更加适合作为不良贷款率的预测指标。(本文来源于《当代经济科学》期刊2017年03期）
王瑞臻,林婧[3]（2017）在《基于干预ARIMA模型的大型商业银行不良贷款预测》一文中研究指出文章通过分析2008~2017年大型商业银行不良贷款季度余额的变化趋势,运用ARIMA模型进行拟合。同时研究外部因素对大型商业银行不良贷款增加趋势的干预和控制作用,引入干预分析模型,最后对大型商业银行不良贷款进行了短期的预测。(本文来源于《现代经济信息》期刊2017年08期）
王婷婷,邓雅文[4]（2017）在《中国农业银行不良贷款率变化趋势预测研究》一文中研究指出文章通过农业银行2003年~2015年年报不良贷款率数据,对其进行深入分析,建立灰色预测模型,并对未来5年不良贷款率进行预测。预测结果为:2016年至2020年不良贷款率呈下降趋势,2020年降至0.35%。文章最后为中国农业银行控制不良贷款率,提出建设性建议。(本文来源于《中国集体经济》期刊2017年05期）
秦慧群,钟茜[5]（2013）在《基于回归分析模型的不良贷款的预测与关联度分析》一文中研究指出不良贷款问题是当今银行的一个热点问题,如何预测和控制不良贷款是银行领导非常关心的问题。本文通过深发展银行近年不良贷款的相关数据,以"利息收入、资本充足率、总资产、贷款总额、存款总额、存贷比"为影响不良贷款的因素,建立多元回归分析模型来控制不良贷款的发生金额,应用MATLAB进行残差分析,并结合灰度预测中关联度的概念,得出影响不良贷款的各个因素的关联度并进行了分析。(本文来源于《时代金融》期刊2013年06期）
王博,唐跃,陈浩,温琪,陈敏[6]（2011）在《我国不良贷款回收率的影响因素和预测模型》一文中研究指出利用中国资产管理公司的不良贷款数据库,对影响我国不良贷款回收率的因素:风险暴露规模、地区、行业、担保方式、五级分类、逾期时间等,进行了统计分析;在此基础上,建立了单户处置企业的不良贷款回收率预测模型,并且利用模型的各个影响因素对回收率的贡献程度进行了测算以单户预测模型为基础,结合打包处置的处置策略,利用十折交叉验证和组合预测的思想,建立了打包处置的回收率预测模型.实证结果表明:无论是单户预测模型还是打包预测模型,预测结果均达到了较高的精度.(本文来源于《系统工程理论与实践》期刊2011年05期）
陈暮紫,马宇超,王博,陈浩,唐跃[7]（2009）在《非极端回收不良贷款的回收率预测研究》一文中研究指出本文依托Loss Metric数据库,对非极端回收不良贷款的回收率预测模型进行了研究。文章通过对非极端回收不良贷款的回收率进行Beta-正态变换和Logit变换,结合影响不良贷款回收率的众多因素,进行了从简单到复杂、从单笔贷款债务人到多笔贷款债务人的逐级建模,并剖析了影响回收率的各个因素。实证结果表明,单笔贷款债务人的回收率模型可作为多笔贷款债务人回收率预测的基准;从单笔贷款债务人模型中可以更直观的分析各个不同的变量对回收率的影响。(本文来源于《中国管理科学》期刊2009年05期）
刘瑀[8]（2006）在《灰色预测方法在主要商业银行不良贷款预测中的应用》一文中研究指出一、不良贷款的现状及其影响不良贷款可以界定为银行投放贷款后形成的信贷资产中不符合安全性、流动性、盈利性原则,处于逾期、呆滞或呆账状态,而使银行资产风险加大并面临资本损失的那部分贷款,按照人民银行实行的贷款五级分类:正常、关注、次级、可疑和损失,在这五类贷(本文来源于《金融经济》期刊2006年10期）
钮键军[9]（2004）在《中行、建行改制模式无法克隆》一文中研究指出对于正在改制中的中国银行（中行）和中国建设银行（建行）的经营前景，标准普尔在其《２００５年中国银行业展望》中的评价是正面和积极的。年初，中国政府向中行和建行注资，标普亚洲董事总经理顾国麟认为这是２００４年中国银行史上最重大的事件。它不仅表明了中国政府(本文来源于《财经时报》期刊2004-12-06）
姜灵敏[10]（2003）在《Markov链在预测不良贷款中的应用》一文中研究指出为了提高分析和预测不良贷款的准确性,本文提出了一种利用Markov链定量分析和预测不良贷款的方法,以利于商业银行信贷管理人员对信贷风险实施定量管理。(本文来源于《广东财经职业学院学报》期刊2003年05期）
不良贷款预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
相比于传统宏观经济指标,央行的微观调查数据是否更加适合作为我国商业银行不良贷款率的预测指标?本文首先提出了利用微观调查数据进行预测的相关理论,接着基于适合解决混频数据预测问题的MIDAS模型进行了实证研究。研究发现:央行微观指标在平均样本外预测误差等多个方面均优于传统的宏观指标,同时人民币名义有效汇率指数、基金及理财投资意愿比例、房价过高难以接受比例等指标尤其适合作为预测指标。本文的结论是:央行的微观调查数据更加适合作为不良贷款率的预测指标。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
不良贷款预测论文参考文献
[1].但勇.不良贷款回收率的预测模型在确定金融不良债权资产商业性转让对价中的适用性分析[J].市场周刊.2019
[2].张润驰,杜亚斌,薛立国,徐源浩,孙明明.央行微观调查数据适合作为不良贷款率的预测指标吗——基于MIDAS模型的研究[J].当代经济科学.2017
[3].王瑞臻,林婧.基于干预ARIMA模型的大型商业银行不良贷款预测[J].现代经济信息.2017
[4].王婷婷,邓雅文.中国农业银行不良贷款率变化趋势预测研究[J].中国集体经济.2017
[5].秦慧群,钟茜.基于回归分析模型的不良贷款的预测与关联度分析[J].时代金融.2013
[6].王博,唐跃,陈浩,温琪,陈敏.我国不良贷款回收率的影响因素和预测模型[J].系统工程理论与实践.2011
[7].陈暮紫,马宇超,王博,陈浩,唐跃.非极端回收不良贷款的回收率预测研究[J].中国管理科学.2009
[8].刘瑀.灰色预测方法在主要商业银行不良贷款预测中的应用[J].金融经济.2006
[9].钮键军.中行、建行改制模式无法克隆[N].财经时报.2004
[10].姜灵敏.Markov链在预测不良贷款中的应用[J].广东财经职业学院学报.2003