关键词:
农地经营权抵押贷款
农户信用风险
风险识别
损失度量
机器学习
摘要:
在农户风险持续暴露背景下,立足中国土地产权管制与农村金融生态不完备情境,本文依据宁夏、重庆、四川三省份农地经营权抵押融资试点地区入户调查数据,运用机器学习方法识别农户信用风险,并验证了该方法与传统模型相比的有效性,在此基础上进一步采用CreditRisk+模型度量了农户信用风险损失.调查统计显示,农户农地经营权抵押贷款违约率较高,为10%,且以主动违约为主.研究发现,机器学习方法中的随机森林模型可有效识别信用风险关键因素和预测违约概率.进一步地,农户农地经营权抵押贷款信用风险损失和单笔贷款风险敞口较高,且在极端事件冲击下损失增幅明显.此外,现有风险控制框架下增加农户被动性违约动机的考察,有助于金融机构优化金融资本结构,完善风险控制策略.据此,提出加快金融科技发展、完善农村征信体系、创新风险预警工具等建议.