2017年第7期(总第456期)
金融理论与实践
大数据思维下的利率定价研究——以机器学习为视角的实证分析北漂族
孙存一，龚六堂
铜牌小车手
（北京大学光华管理学院，北京100871）
摘要：利率市场化有利于完善金融市场，但也使金融借贷面临更大的不确定性，利率定价过高或
八旗满洲氏族通谱过低都会带来负面影响，从而给银行带来金融风险。大数据带来了新的思维方式，基于实际所采集到的商业银行数据，采用机器学习组合算法模型，构建既代表最新技术水平、又可实际落地的利率定价模型。研究表明，大数据可以最大限度地把握利率定价规律，对相当时期的利率变动能够精准地预测，符合新时期利率定价需求。关键词：利率市场化；利率定价；大数据；机器学习文章编号：1003-4625（2017）07-0001-05中图分类号：F830.49文献标识码：A
收稿日期：2017-04-29
《国家中长期教育改革和发展规划纲要》基金项目：本文为国家科技支撑项目“村镇金融服务关键技术及系统研发与示范”（2014BAL07B03）。
作者简介：孙存一（1979—），男，山东青岛人，博士后，研究方向：大数据通用算法，金融财税行业算法；龚六堂（1970—），男，湖北监利人，教授、博导，研究方向：宏观经济学，动态经济学，公共财政以及中国经济相关问题。
大数据思维下的利率定价研究
——以机器学习为视角的实证分析
一、文献回顾
利率市场化是经济发展的必然性，但也使金融市场面临更大的不确定性，如何在不确定的环境下进行贷款或利率定价是难点。与贷款定价相关的研究很多，比较有代表性的有:Black &Scholes （1973）， Merton （1974）[1]
，他们提出了期权定价理论和期权定价模型(B-S Model)，后来该理论成为著名的KMV 信
用风险模型的基础。Fraser （1996）[2]
等人则提出了由简单到复杂的几个商业贷款定价模型，包括简单模型(Naive Model)、净资金回报模型(Return on Net Funds Employed)、关系定价法(Relationship Pricing)、最小利差定价法(Minimum Spread)、业绩定价法(Per-formance Pricing)等。Wilbert O Bascom （1997）以边际分析的方法，从市场供求关系出发分别分析了银行作为贷款价格制定者和价格接受者时的均衡贷款价格。Xavier Freixas &Jean-Charles Rochet（1997）从微观经济学角度分析了风险对银行－企业关系从法拉第筒
而对价格的影响。吉晓辉等（1999）[3]
从机制入手讨论贷款定价，认为组成定价机制的主要有内部资金转移定价系统、贷款市场价格分析系统和贷款定价程序三大环节。Michael K Ong(2000)运用RAROC 原理，给出了一个贷款定价器，通过输入基本利差，反复试算，得到符合股东要求的资本回报率，确定合理
芳纶头盔的贷款价格。Anthony Saunders （2000）讨论了与贷
款定价关系密切的贷款信用风险衡量问题，并引入了风险调整后的资本收益率模型（RAROC ），还专门讨论了贷款组合风险和贷款集中风险问题。邱军
（2001）[4]
针对中国目前缺乏信用等级的违约率和回收率的统计资料现状，将中国现行的贷款风险分类引入贷款
定价并进行了实证分析，通过对贷款风险分类的历史数据的拟合得到转移矩阵，进而推导出
违约概率。陈丽霞等（2002）[5]
在分析现有贷款定价模式的基础上提出“动态风险定价法”，该方法将影响贷款价格的多个因素放在同一模型中加以确认和
计量。王化锋等（2002）[6]
提出贷款价格由核心价格、风险附加价格和可折让价格三部分组成，并建立了贷款定价数学模型，同时利用决策树辅助贷款定价决策。Timothy W Koch &MacDonald （2003）对商业贷款的客户营利性分析和消费者贷款的评估进行了专门介绍等。当前主流的观点是现代商业银行利率定价必须以风险为核心，如何区分和度量商业银行的风险，巴塞尔银行监管委员会（2003）在《巴塞尔新资本协议》中对银行的风险分类、方法、计量等进行了建议，诸如信用风险高级计量模型、Credit Metrics 模型、KMV 模型以及判别分析、神经网络、决策树等前沿方法，逐渐成了世界各地银行信用评级、贷款定
1
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议