X公司房地产信托项目非系统性风险预测研究

作     者：马苏婷 

作者单位：南京大学 

学位级别：硕士

导师姓名：朱华桂

授予年度：2020年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1204[管理学-公共管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 120405[管理学-土地资源管理] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：房地产信托项目 非系统性风险 机器学习 风险预测 

摘      要：房地产信托项目非系统性风险评估具有重要的政策与现实意义,现有文献多使用专家评分法或层析分析法判断项目非系统性风险,主观性较大,且评审效率较低。本文探求并比较机器学习模型对房地产信托项目非系统性风险的预测能力,以期得到项目非系统性风险预测模型,排除风险评估的主观因素影响,提高项目风险评估效率。本文收集X公司实际房地产信托项目数据,提取特征变量,得到预测结果并与实际风险评估结果进行比较,结果发现Logistic岭回归模型是最优的项目非系统性风险预测模型。本文行文结构安排如下:首先从实际风险与政策要求两个维度阐述了房地产信托项目风险评估的重要性,并对相关文献进行梳理,介绍文章的研究意义。其次简要介绍了房地产信托项目的发展历程、发展现状与项目特征。随后对房地产信托项目进行风险识别,选定可控的非系统性风险为研究对象,基于WBS-RBS法梳理非系统性风险构成;结合使用文献研究法与案例分析法,识别项目各类非系统性风险的特征变量。再依据选择的特征变量收集项目数据并进行预处理得到样本数据。分别选用机器学习中的LR模型、BP神经网络与支持向量机等模型分别构建项目非系统性风险二分类预测模型,选择预测准确率、F值、AUC与综合成本对比较预测模型,发现Logistic岭回归模型是当前最优的项目非系统性风险预测模型,依据Logistic岭回归模型结果针对性地提出风险控制意见。