再见，本科

ErnestDong · Apr 15, 2022 · 9c620f6 · 9c620f6
1 parent c212a46
commit 9c620f6
Show file tree

Hide file tree

Showing 14 changed files with 118 additions and 84 deletions.
diff --git a/chap/chap1.tex b/chap/chap1.tex
@@ -10,15 +10,17 @@ \section{我国信用债违约回顾}
 	\caption{近年来部分影响较大的违约事件}
 	\centering
 	\begin{tabular}{lccc}
-		债券名称         & 违约日期   & 原因               & 影响                   \\ \hline
-		11超日债         & 2014-03-05 & 过度扩张资金链断裂 & 打破刚兑的开始         \\
-		11天威MTN2       & 2015-04-21 & 经营亏损资不抵债   & 打破国企刚兑           \\
-		14波鸿CP001      & 2015-04-12 & “技术性”违约       & 首例“技术性违约”       \\
-		15五洋债         & 2018-08-16 & 欺诈发行           & 首例公司债券欺诈发行案 \\
-		16民生投资PPN001 & 2019-01-29 & “技术性”违约       & AAA 债券违约第一例     \\
-		20永煤SCP003     & 2020-11-26 & 逃废债             & 河南全省融资环境恶化   \\
-		15天安人寿       & 2020-12-29 & 股东抽血           & 金融机构破刚兑付       \\
-		17幸福基业MTN001 & 2021-02-27 & 过度扩张遇宏观调控 & 地产债违约潮的开始     \\
+		\toprule
+		债券名称         & 违约日期       & 原因        & 影响          \\ \midrule
+		11超日债        & 2014-03-05 & 过度扩张资金链断裂 & 打破刚兑的开始     \\
+		11天威MTN2     & 2015-04-21 & 经营亏损资不抵债  & 打破国企刚兑      \\
+		14波鸿CP001    & 2015-04-12 & “技术性”违约   & 首例“技术性违约”   \\
+		15五洋债        & 2018-08-16 & 欺诈发行      & 首例公司债券欺诈发行案 \\
+		16民生投资PPN001 & 2019-01-29 & “技术性”违约   & AAA 债券违约第一例 \\
+		20永煤SCP003   & 2020-11-26 & 逃废债       & 河南全省融资环境恶化  \\
+		15天安人寿       & 2020-12-29 & 股东抽血      & 金融机构破刚兑付    \\
+		17幸福基业MTN001 & 2021-02-27 & 过度扩张遇宏观调控 & 地产债违约潮的开始   \\
+		\bottomrule
 	\end{tabular}
 	\label{tab:defaults_in_history}
 \end{table}

diff --git a/chap/chap2.tex b/chap/chap2.tex
@@ -37,7 +37,7 @@ \subsection{评级指标}
 如图\ref{fig:rating}所示，新发行债券有一半为最高评级 AAA 。
 \begin{figure}[ht]
 	\centering
-	\includegraphics[width=0.9\linewidth]{./data/rating_from_2014.png}
+	\includegraphics[width=0.7\linewidth]{./data/rating_from_2014.png}
 	\caption{\label{fig:rating}信用债发行评级统计}
 \end{figure}
 

diff --git a/chap/chap4.tex b/chap/chap4.tex
@@ -19,12 +19,13 @@ \section{基准模型回归结果}
 我国宏观政策很多是以稳为主的逆周期调节。因此大多数属逆周期的宏观政策对违约的解释力较低。
 但是波动率显著，说明稳定的经济可以降低违约事件的发生，侧面显示出经济以稳为主的重要性。
 \begin{figure}[ht]
-	\centering
 	\includegraphics[width=0.9\linewidth]{./data/渤海银行.png}
-	\caption{标记处为渤海租赁预测点}
+	\caption{预测违约概率分布}
 	\label{fig:bhyh}
+	\qquad \small{注：将6000余家企业按预测违约概率排序，标记处为渤海租赁预测点}
 \end{figure}
 
+
 \section{机器学习验证与比较}
 违约实际上并非线性的因素叠加，包含了非线性的因素，如华夏幸福违约，既存在过度扩张导致现金流承压，又存在重要股东拒绝为其扩张买单，最终资金链断裂。虽然可以通过加入交互项刻画这种“同时发生”的作用，但会发生“维度灾难”，可用数据变得稀疏。
 机器学习适合于提取其中非线性因素。但违约样本是偏态分布的，违约债只占约 1\%，通过神经网络等方式的机器学习极有可能会欠拟合或过拟合，使机器判断有误。
@@ -35,7 +36,7 @@ \section{机器学习验证与比较}
 
 \begin{figure}[ht]
 	\centering
-	\includegraphics[width=.9\linewidth]{./data/decision_tree.png}
+	\includegraphics[width=\linewidth]{./data/decision_tree.png}
 	\caption{\label{fig:decision_tree}决策树}
 \end{figure}
 
@@ -47,21 +48,25 @@ \section{机器学习验证与比较}
 	\caption{\label{tab:acc}不同模型的比较}
 	\centering
 	\begin{tabular}{lrrrrr}
+		\toprule
 		                   & accuracy & error rate & precision & recall & \(F_1\) \\
-		\hline
+		\midrule
 		全部预测不违约            & 0.99     & 0.01       & -         & 0      & -       \\
 		Logistic(全样本)      & 0.99     & 0.01       & 0.86      & 0.72   & 0.78    \\
 		Decision Tree(测试集) & 0.99     & 0.01       & 0.93      & 0.73   & 0.82    \\
 		Random Forest(测试集) & 0.99     & 0.01       & 0.85      & 0.70   & 0.76    \\
+		\bottomrule
 	\end{tabular}
 \end{table}
 
 表\ref{tab:acc}中准确率 accuracy 为预测正确的概率，精确率 precision 为预测违约的样本中确实违约的概率，召回率 recall 为事实违约样本中预测正确的概率。精确率和召回率是两个不同方面的分类器评价指标，他们的调和平均 \(F_1\) > 0.5 则说明该分类器是有效的。表\ref{tab:acc}中准确率与全部预测不违约的 0.99 相同，这是由于样本分布偏态造成的。但 \(F_1\) 值均高于 0.5 ，证明本文使用的三个分类器都有一定的价值。且决策树算法相对优于其他算法。
-决策树优于 Logit 模型算法在于其包含了非线形因素分枝。
-而随机森林可能存在一定的训练集上的过拟合，因而表现出的性能较决策树更低。
-如图\ref{fig:roc}所示，ROC 曲线的含义是设定任意阈值，得到的真阳性率和假阳性率。随后不断更改阈值，得到 ROC 曲线。AUC 定义为 ROC 曲线下的阈值，AUC面积越大一般认为模型拟合越好。可以看出在训练集上随机森林模型可能存在一定的过拟合，导致 AUC 达到 0.99 ，而 Logit 模型在训练集上表现不佳。
-\begin{figure}[ht]
+
+\begin{figure}[H]
 	\centering
-	\includegraphics[width=.9\linewidth]{./data/roc.png}
+	\includegraphics[width=.7\linewidth]{./data/roc.png}
 	\caption{\label{fig:roc}ROC曲线与AUC值}
 \end{figure}
+
+决策树优于 Logit 模型算法在于其包含了非线形因素分枝。
+而随机森林可能存在一定的训练集上的过拟合，因而表现出的性能较决策树更低。
+如图\ref{fig:roc}所示，ROC 曲线的含义是设定任意阈值，得到的真阳性率和假阳性率。随后不断更改阈值，得到 ROC 曲线。AUC 定义为 ROC 曲线下的阈值，AUC面积越大一般认为模型拟合越好。可以看出在训练集上随机森林模型可能存在一定的过拟合，导致 AUC 达到 0.99 ，而 Logit 模型在训练集上表现不佳。
diff --git a/chap/chap5.tex b/chap/chap5.tex
@@ -18,7 +18,7 @@ \chapter{稳健性检验}
 
 稳健性经验的部分结果如表
 \ref{tab:robust}
-所示，与表 \ref{tab:Logitresult} 相比基本一致，仅 SHIBOR 利率变为显著，且\(X_1\) 至 \(X_4\) 均显著，说明 \(Z\) 值中的其他成分均具有一定的预测能力，而非只是受到主营收入的影响导致显著，假设 H\ref{hyp:1}不成立。
+所示，与表 \ref{tab:Logitresult} 相比基本一致，且\(X_1\) 至 \(X_4\) 均显著，说明 \(Z\) 值中的其他成分均具有一定的预测能力，而非只是受到主营收入的影响导致显著，假设 H\ref{hyp:1}不成立。
 
 事实上，\(Z\) 值反应了公司的变现能力、获利能力和财务结构，因而 Altman 使用其来对企业的运行状况进行分析。
 公司的变现能力高意味着短期可以依靠出售资产回笼流动资金，避免流动性危机。典型的反例是土储集中在城郊地区的提前于行业倒下的泰禾地产，暴雷之后低价甩卖资产进一步恶化财务状况引发更多违约。

diff --git a/chap/desc_table.tex b/chap/desc_table.tex
@@ -1,10 +1,12 @@
+%!TEX root = ../thesis.tex
 全局性描述结果如表\ref{globaldesc}与表 \ref{virtual}\footnote{所有变量均为虚拟变量} 所示
 
 \begin{table}[ht]
 	\caption{主要变量及其描述性统计 I }
 	\label{globaldesc}
 	\begin{tabular}{p{0.15\linewidth}p{0.1\linewidth}p{0.15\linewidth}p{0.15\linewidth}p{0.15\linewidth}p{0.15\linewidth}}
-		\textbf{变量名}    & \textbf{样本数} & \textbf{平均值} & \textbf{标准差} & \textbf{最小值} & \textbf{最大值} \\\hline
+		\toprule
+		\textbf{变量名}    & \textbf{样本数} & \textbf{平均值} & \textbf{标准差} & \textbf{最小值} & \textbf{最大值} \\ \midrule
 		\(Fiscal\)      & 6412         & 0.211069     & 0.04211      & 0.092627     & 0.286154     \\
 		\(Monetary\)    & 6412         & 3.117273     & 0.64046      & 1.885274     & 4.774387     \\
 		\(Volatility\)  & 6412         & 23.51951     & 4.769809     & 11.29499     & 41.50071     \\
@@ -16,32 +18,35 @@
 		\(Conversion\)  & 6412         & 0.021204     & 0.123949     & 0            & 0.99         \\
 		\(Assets\)      & 6412         & 1877755      & 9023818      & -3594115     & 5.64E+08     \\
 		\(Cash\)        & 6412         & 0.99765      & 37.29003     & 0            & 2982.515     \\
-		\(Z\)           & 6412         & 1.373761     & 3.01916      & -56.178      & 202.0643
+		\(Z\)           & 6412         & 1.373761     & 3.01916      & -56.178      & 202.0643     \\
+		\bottomrule
 	\end{tabular}
 \end{table}
 \begin{table}[ht]
 	\caption{主要变量及其描述性统计 II }
 	\label{virtual}
 	\begin{tabular}{p{0.3\linewidth}p{0.3\linewidth}p{0.3\linewidth}}
-		\textbf{变量名}        & \textbf{样本数} & \textbf{占比} \\\hline
-		\(R_0=Rating is AA\)       & 1127         & 0.175764    \\
-		\(R_1=Rating is A\)        & 5082         & 0.7925764   \\
-		\(R_2=Rating is B\)        & 78           & 0.012165    \\
-		\(R_3=Rating is C\)        & 125          & 0.019495    \\
+		\toprule
+		\textbf{变量名}              & \textbf{样本数} & \textbf{占比} \\ \midrule
+		\(R_0=Rating is AA\)      & 1127         & 0.175764    \\
+		\(R_1=Rating is A\)       & 5082         & 0.7925764   \\
+		\(R_2=Rating is B\)       & 78           & 0.012165    \\
+		\(R_3=Rating is C\)       & 125          & 0.019495    \\
 		\(E_0=Enterprise is\)民营企业 & 1146         & 0.178727    \\
 		\(E_1=Enterprise is\)国有企业 & 4938         & 0.770119    \\
 		\(E_2=Enterprise is\)外资企业 & 178          & 0.02776     \\
 		\(E_3=Enterprise is\)集体企业 & 126          & 0.019651    \\
-		\(Listed=1\)        & 1393         & 0.217249    \\
-		\(Estate=1\)        & 173          & 0.026981    \\
-		\(Y_1=Year is 2015\)       & 320          & 0.049906    \\
-		\(Y_2=Year is 2016\)       & 418          & 0.06519     \\
-		\(Y_3=Year is 2017\)       & 346          & 0.053961    \\
-		\(Y_4=Year is 2018\)       & 307          & 0.047879    \\
-		\(Y_5=Year is 2019\)       & 451          & 0.070337    \\
-		\(Y_6=Year is 2020\)       & 927          & 0.144573    \\
-		\(Y_7=Year is 2021\)       & 2767         & 0.431535    \\
-		\(Y_8=Year is 2022\)       & 674          & 0.105115    \\
-		\(default=1\)       & 173          & 0.026981    \\
+		\(Listed=1\)              & 1393         & 0.217249    \\
+		\(Estate=1\)              & 173          & 0.026981    \\
+		\(Y_1=Year is 2015\)      & 320          & 0.049906    \\
+		\(Y_2=Year is 2016\)      & 418          & 0.06519     \\
+		\(Y_3=Year is 2017\)      & 346          & 0.053961    \\
+		\(Y_4=Year is 2018\)      & 307          & 0.047879    \\
+		\(Y_5=Year is 2019\)      & 451          & 0.070337    \\
+		\(Y_6=Year is 2020\)      & 927          & 0.144573    \\
+		\(Y_7=Year is 2021\)      & 2767         & 0.431535    \\
+		\(Y_8=Year is 2022\)      & 674          & 0.105115    \\
+		\(default=1\)             & 173          & 0.026981    \\
+		\bottomrule
 	\end{tabular}\\
 \end{table}
diff --git a/chap/logit_table.tex b/chap/logit_table.tex
@@ -1,10 +1,11 @@
+%!TEX root = ../thesis.tex
 \begin{table}
-	\caption{Logit 模型回归结果\label{tab:Logitresult}}
 	\begin{center}
-		\begin{longtable}{lllll}
-			\hline
+		\caption{Logit 模型回归结果\label{tab:Logitresult}}
+		\begin{tabular}{lllll}
+			\toprule
 			                & Default I  & Default II & Default III & Default IIII \\
-			\hline
+			\midrule
 			\(Const\)       & -5.8949*** & -2.5416**  & -2.5158**   & -7.4246***   \\
 			\(R_1\)         & 0.2259     & 0.1437     & 0.1731      & 0.1555       \\
 			                & (0.6159)   & (0.7092)   & (0.7098)    & (0.7104)     \\
@@ -46,7 +47,8 @@
 			                &            &            &             & (0.4002)     \\
 			\(Volatility\)  &            &            &             & 0.0670**     \\
 			                &            &            &             & (0.0335)     \\
-			\hline
-		\end{longtable}
+			\bottomrule
+		\end{tabular}
 	\end{center}
+    \qquad \small{注：括号中为异方差稳健标准误下的 Z 值；***，**，*分别表示回归系数在1\%、5\%和10\%的水平上显著，下同。}
 \end{table}
diff --git a/chap/robust_table.tex b/chap/robust_table.tex
@@ -1,33 +1,16 @@
-\begin{center}
+%!TEX root = ../thesis.tex
+\begin{table}
 	\captionof{table}{稳健性检验结果\label{tab:robust}}
-	\begin{longtable}{p{0.1\linewidth}p{0.18\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.12\linewidth}p{0.1\linewidth}}
-		\midrule
+	\begin{tabular}{p{0.1\linewidth}p{0.18\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.1\linewidth}p{0.12\linewidth}p{0.1\linewidth}}
+		\toprule
 		            & \textbf{coef} & \textbf{std err} & \textbf{z} & \textbf{P$> |$z$|$} & \textbf{[0.025} & \textbf{0.975]} \\
-		% \textbf{const}    & -3.8725       & 1.252            & -3.092     & 0.002               & -6.327          & -1.418          \\
-		% \textbf{评级\_A以上}  & -0.0382       & 0.318            & -0.120     & 0.904               & -0.661          & 0.585           \\
-		% \textbf{评级\_B}    & 1.4849        & 0.187            & 7.938      & 0.000               & 1.118           & 1.852           \\
-		% \textbf{评级\_C}    & 3.6740        & 0.228            & 16.102     & 0.000               & 3.227           & 4.121           \\
-		% \textbf{国有企业}     & -1.6422       & 0.398            & -4.128     & 0.000               & -2.422          & -0.862          \\
-		% \textbf{外资企业}     & -1.1744       & 0.467            & -2.514     & 0.012               & -2.090          & -0.259          \\
-		% % \textbf{民营企业}       & -0.7078       & 0.385            & -1.839     & 0.066               & -1.462          & 0.046           \\
-		% \textbf{集体企业}     & -1.2313       & 0.534            & -2.307     & 0.021               & -2.277          & -0.185          \\
-		% \textbf{上市企业}     & -0.1945       & 0.192            & -1.014     & 0.310               & -0.570          & 0.181           \\
-		% \textbf{持有基金占比}   & -0.0783       & 0.080            & -0.973     & 0.331               & -0.236          & 0.079           \\
-		% \textbf{大股东持股比例}  & -0.0013       & 0.003            & -0.508     & 0.611               & -0.006          & 0.004           \\
-		% \textbf{应付账款(万元)} & 1.409e-12     & 2.48e-12         & 0.567      & 0.570               & -3.46e-12       & 6.28e-12        \\
-		% \textbf{标准券折算率}   & -0.3647       & 0.651            & -0.560     & 0.575               & -1.640          & 0.911           \\
-		% \textbf{净资产(万元)}  & 9.314e-09     & 1.1e-08          & 0.847      & 0.397               & -1.22e-08       & 3.09e-08        \\
-		% \textbf{现金短债比}    & -0.1082       & 0.133            & -0.816     & 0.415               & -0.368          & 0.152           \\
-		% \textbf{流动性}      & -5.276e-11    & 6.63e-11         & -0.796     & 0.426               & -1.83e-10       & 7.72e-11        \\
-		% \textbf{政府支出/GDP} & 1.2248        & 2.087            & 0.587      & 0.557               & -2.866          & 5.315           \\
-		% \textbf{SHIBOR}   & 0.3573        & 0.190            & 1.881      & 0.060               & -0.015          & 0.730           \\
-		% \textbf{波动率}      & 0.0341        & 0.016            & 2.135      & 0.033               & 0.003           & 0.065           \\
-		% \textbf{房地产政策}    & 0.7415        & 0.411            & 1.805      & 0.071               & -0.064          & 1.547           \\
+		\midrule
 		\textbf{X1} & -0.0083***    & 0.003            & -3.009     & 0.003               & -0.014          & -0.003          \\
 		\textbf{X2} & -0.0037**     & 0.002            & -2.375     & 0.018               & -0.007          & -0.001          \\
 		\textbf{X3} & -0.0062*      & 0.004            & -1.638     & 0.091               & -0.014          & 0.001           \\
 		\textbf{X4} & -0.0064***    & 0.002            & -3.917     & 0.000               & -0.010          & -0.003          \\
 		\textbf{X5} & 0.0005        & 0.001            & 0.530      & 0.596               & -0.001          & 0.002           \\
 		\bottomrule
-	\end{longtable}
-\end{center}
+	\end{tabular}
+    \qquad \small{注：括号中为异方差稳健标准误下的 Z 值；***，**，*分别表示回归系数在1\%、5\%和10\%的水平上显著，下同。}
+\end{table}