大数据背景下信用评级方法及评级体系构建

本书首先从传统定性数据判别方法数量化Ⅱ类存在“弓形效应”为切入点展开研究；其次检验“弓形效应”产生的影响，在此基础上进行修正并提出新的判别分析法：“二阶段法”，并将“二阶段法”应用于个人信用评级；再次，传统方法只适用于定性或定量数据判别，为实现对混合型大数据判别，对“二阶段法”作进一步的拓展，提出了“三阶段法”；然后将拓展后的“三阶段法”应用于我国公司信用评级，对财务和非财务指标进行判别，解决传统判别分析法只能对财务指标进行判别的问题，提高了判别准确率；最后对我国信用评级质量检验与管理、评级机构监管角度进行了解析，为我国建立完善公司信用评级体系提供理论及实证依据。

赵雪艳，日本南山大学统计学博士，硕士研究生导师，中国统计教育学会会员，日本计算机统计学会会员，长期从事数理统计方法及应用、大数据分析、数据挖掘与处理研究，主持和参加国家社科基金3项，省级项目4项，在《统计研究》《日本计算机统计学会》等发表论文数篇。

第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 研究方法
1.4 研究思路
1.5 创新点
第2章 信用评级概述
2.1 信用评级含义和分类
2.2 信用评级的方法体系及程序
2.3 信用评级时效性
第3章 判别分析方法及弓形效应
3.1 判别分析
3.2 数量化Ⅱ类
3.3 对应分析弓形效应及修正
第4章 数量化Ⅱ类弓形效应存在性检验
4.1 模拟数据生成
4.2 弓形效应的检验
4.3 研究结论
第5章 定性数据判别——二阶段法
5.1 二阶段法的理论基础
5.2 模拟数据研究（1）：M3与数量化Ⅱ类判别性能比较
5.3 模拟数据研究（2）：M3与其他二阶段法、PCV的比较
5.4 模拟数据研究（3）：PCV再现视角下五种模型的判别性能比较
5.5 模拟数据研究（4）：说明变量间相关较低
5.6 模拟数据研究（5）：说明变量间相关性高与相关性低混合
5.7 模拟数据研究（6）：等频度和等间隔分类判别性能比较
5.8 二阶段法在个人信用评级中的应用
5.9 研究结论
第6章 主成分绩效评价法
6.1 绩效评价研究
6.2 主成分评价法与相对业绩
6.3 理论分析与假说
6.4 绩效评价实证分析
6.5 结论与建议
第7章 混合型数据判别——三阶段法
7.1 三阶段法的数据结构
7.2 三阶段法的分析步骤
7.3 三阶段法的模拟数据研究
第8章 三阶段法与Logistics回归在公司信用评级中的应用
8.1 公司信用评级研究背景
8.2 数据来源及变量选取
8.3 描述性统计分析
8.4 三阶段法的判别分析——模型：QDM1
8.5 Logistics回归的实证分析
8.6 三阶段法与Logistics回归判别性能比较
第9章 我国信用评级质量检验与管理
9.1 信用评级结果的质量检验
9.2 信用评级管理
第10章 我国信用评级机构监管
10.1 债券市场发展现状
10.2 评级监管主体和主要监管规章
10.3 信用评级市场的准入、市场化评价和退出
10.4 利益冲突监管制度
10.5 信息披露监管
10.6 公司治理和内控制度
10.7 法律责任
参考文献