精华内容
下载资源
问答
  • 定性分析与定量分析的区别

    万次阅读 2018-05-26 18:49:11
    先不说风险,到底什么是定性分析,什么是定量分析,他们区别是什么呢? 我在网上搜了搜,有的说的很专业,晦涩难懂,我选择了一个通俗的解释:定性判断趋势,定量决定细节。比如:1. 2x=4 定性:x>0 定量:x=22. ...

    项目管理知识中,项目风险管理章节提到“定性风险分析”与“定量风险分析”。先不说风险,到底什么是定性分析,什么是定量分析,他们区别是什么呢? 我在网上搜了搜,有的说的很专业,晦涩难懂,我选择了一个通俗的解释:

    定性判断趋势,定量决定细节。

    比如:
    1. 2x=4
    定性:x>0 定量:x=2

    2. 英国脱欧
    定性:英镑将会贬值 定量:英镑汇率从9.3下降到8.8

    3. A攻打B
    定性:从综合实力来看A能赢
    定量:A要打赢B需要xxx兵力,以及xx战略方针

    具体问题的分析方法是,先定性分析趋势(概率,可能性),再定量解决问题。

    以上。


    作者:阿朱
    链接:https://www.zhihu.com/question/19603466/answer/120766677
    来源:知乎
    著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。



    展开全文
  • 使用htseq-count进行定量分析 1 htseq-count的输入文件 输入为sam格式的文件,如果是paired-end数据必须按照reads名称排序(sort by name)。官方推荐了msort,不过我用起来感觉不是很方便(也可能是使用方法不当)...

    使用htseq-count进行定量分析

    1 htseq-count的输入文件

    输入为sam格式的文件,如果是paired-end数据必须按照reads名称排序(sort by name)。官方推荐了msort,不过我用起来感觉不是很方便(也可能是使用方法不当),于是我采用了samtools先对bam文件(tophat2 的输出结果为bam)排序,再转换为sam。

    命令:

    samtools sort -n file.bam #sort bam by name
    
    samtools view -h bamfile.bam>samfile.sam
    

    2 htseq-count的使用和参数

    Usage:htseq-count [options] <sam_file> <gff_file>

    对两个软件的结果进行合并

    ##合并htdeq生成的count文件到matrix.count

    cd MATRIX/htseqperllneif(MATRIX/htseq perl -lne 'if (ARGV=~/(.*).count/){print “KaTeX parse error: Undefined control sequence: \t at position 2: 1\̲t̲"}’ *.count | grep -v "” >matrix.count

    ##合并featureCounts生成的count文件到matrix_2.count

    cd MATRIX/featureCountsforiinseq1518;docutf1,7SRR20382MATRIX/featureCountsfor i in `seq 15 18`;docut -f 1,7 SRR20382{i}.feature.count | grep -v “^#” > SRR20382i.matrixsedi1dSRR20382{i}.matrixsed -i '1d' SRR20382{i}.matrixdoneperl -lne ‘if ($ARGV=~/(.*).matrix/){print “KaTeX parse error: Undefined control sequence: \t at position 2: 1\̲t̲_”}’ *.matrix > matrix_2.count

    统计一下两个软件的计数之和

    #统计featureCounts

    perl -alne ‘$sum += $F[2]; END {print $sum}’ matrix.count

    #结果是5882943

    #统计htseq-count,结果是786338

    2人点赞
    日记本

    作者:小白要变大神
    链接:https://www.jianshu.com/p/e825827d74cc
    来源:简书
    著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。

    $header= “Gene”;

    a. 根据BAM文件中的NH标签,reads被比对到参考基因组的多个位置上(alignment_not_unique,比对位置不单一);

    b. 根本无法被比对上(not_aligned);

    c. 其比对质量低于用户指定的阈值(too_low_aQual);

    d. 比对上的区域与多个基因重叠(ambigous);

    e. 比对上的区域没有与任何基因重叠(no_feature)。

    可以用Linux命令join将不同样品的count.txt合并成一个表格:

    join counts1.txt counts2.txt >count_table.txt

    最后,在进行差异表达分析前,需要去掉最后5行,下面这条命令能去掉最后5行:

    head -n -5 count_table.txt > genecounts.txt

    https://www.jianshu.com/p/1505fa220ce4

    转录组学习六(reads计数与标准化)

    脚本合并各个表达量的文件生成为表达矩阵
    #!/usr/bin/perl -w

    $header= “Gene”;
    foreach $i ( 0…@ARGV-1){

    ARGV[ARGV[i]=~/(.?)_(.?).txt/;

    $ARGV[$i]=~/(.*?)_matrix\.count/;
    $header.="\t$1";
    
    open IN,"$ARGV[$i]" or die "$!";
    while(<IN>){
        chomp;
        @line=split;
        $hash{$line[0]}[$i]=$line[1];
    }
    

    }
    print"$header\n";
    foreach $gene_id(sort keys %hash){
    foreach KaTeX parse error: Expected '}', got 'EOF' at end of input: …){ if(!hash{KaTeX parse error: Expected 'EOF', got '}' at position 8: gene_id}̲[i]){
    KaTeX parse error: Expected '}', got 'EOF' at end of input: hash{gene_id}[$i]=0;
    }
    }
    print KaTeX parse error: Undefined control sequence: \t at position 10: gene_id,"\̲t̲",join("\t",@{hash{$gene_id}}),"\n";
    }

    #######mer###########
    #!/usr/bin/perl -w

    $header= “Gene”;
    foreach $i ( 0…@ARGV-1){

    ARGV[ARGV[i]=~/(.?)_(.?).txt/;

    $ARGV[$i]=~/(.*?)\.count/;
    $header.="\t$1";
    
    open IN,"$ARGV[$i]" or die "$!";
    while(<IN>){
        chomp;
        @line=split;
        $hash{$line[0]}[$i]=$line[1];
    }
    

    }
    print"$header\n";
    foreach $gene_id(sort keys %hash){
    foreach KaTeX parse error: Expected '}', got 'EOF' at end of input: …){ if(!hash{KaTeX parse error: Expected 'EOF', got '}' at position 8: gene_id}̲[i]){
    KaTeX parse error: Expected '}', got 'EOF' at end of input: hash{gene_id}[$i]=0;
    }
    }
    print KaTeX parse error: Undefined control sequence: \t at position 10: gene_id,"\̲t̲",join("\t",@{hash{KaTeX parse error: Expected 'EOF', got '}' at position 8: gene_id}̲}),"\n"; } (rna… perl mer *count >all.count.txt
    (rna) yyp@DESKTOP-LRUCLJJ:~/matrix$ ls

    最后,在进行差异表达分析前,需要去掉最后5行,下面这条命令能去掉最后5行:
    (rna) yyp@DESKTOP-LRUCLJJ:~/matrix$ grep ‘^__’ all.count.txt
    __alignment_not_unique 2407969 2419048 2359297 2123522 2389968 2265187 2213226 2532037 2380651 2253132 2269441 2217031
    __ambiguous 1162921 1160223 1111645 1102786 1174202 1118690 1024091 1133445 1103689 1119704 1119096 919571
    __no_feature 4047642 3975183 3946051 3223550 3505544 3358935 3749379 4236812 3835282 3613171 3651791 3030466
    __not_aligned 556790 568679 541768 524706 540886 524106 493054 538982 523323 567468 495821 407848
    __too_low_aQual 717432 728273 708858 658527 675372 658585 621377 641606 638831 707608 613489 531437
    (rna) yyp@DESKTOP-LRUCLJJ:~/matrix$
    (rna)

    yyp@DESKTOP-LRUCLJJ:~/matrix$ grep -v ‘^__’ all.count.txt>all.count
    (rna) yyp@DESKTOP-LRUCLJJ:~/matrix$ wc -l all*

    ###python代码

    HTSeq-count输出结果是一个个独立的文件,后续分析需要把多个文件合并成一个行为基因名,列为样本名,中间为count的行列式文件。

    import sys
    mydict = {}
    for file in sys.argv[1:]:
    for line in open(file,‘r’):
    key, value = line.strip().split(’\t’)
    if(key in mydict.keys()):
    mydict[key] = mydict[key] + ‘\t’ + value
    else:
    mydict[key] = value
    for key, value in mydict.items():
    print(key + ‘\t’ + value )
    python count_table.py SRR358995*.txt > final.txt
    more final.txt

    展开全文
  • 六种可定量分析的代码味道

    万次阅读 多人点赞 2014-02-06 00:22:23
    国内外学者已经陆续提出了一些代码味道自动识别方法,其中有一类方法是基于软件度量和统计量的,可以通过定量分析和计算来探测代码中是否存在这些代码味道,而且很多商业和开源的代码分析和优化工具也使用了其中一些...

           Sunny近年主要从事软件度量、设计模式、代码分析和优化、双向工程、代码自动重构等领域的研究工作,部分研究心得和研究成果也将通过本博客发布,我的研究宗旨是:软件工程研究应该为应用服务,不能脱离工程实践空谈理论大笑,因此,Sunny非常希望能够得到大家的意见和建议(特别是一线开发人员),包括代码自动生成、正向工程、逆向工程、代码缺陷和味道自动分析、代码自动重构、软件度量和质量、设计模式推荐、设计模式探测、设计模式标注、设计模式验证等领域。奋斗

           传统的代码味道(Bad Smells in Code)识别主要依赖开发人员的经验,这将导致代码味道识别效率低,且容易漏掉很多代码味道。因此,设计和开发自动化的代码味道识别工具已成为软件工程研究的一个分支。国内外学者已经陆续提出了一些代码味道自动识别方法,其中有一类方法是基于软件度量和统计量的,可以通过定量分析和计算来探测代码中是否存在这些代码味道,而且很多商业和开源的代码分析和优化工具也使用了其中一些方法,例如iPlasma、inFusion、PMD、Checkstyle、JDeodorant等中,本文将介绍六种可定量分析的代码味道,并介绍在一些常用的工具中它们的实现情况。【工具介绍参见:七款代码味道识别工具【简介】

     

    (1) 重复代码 (Duplicated Code)

           重复代码是指相同的代码结构出现在多个地方。

           发现重复代码可以通过度量一个系统中重复代码行数所占百分比来实现。探测重复代码最大的问题在于存在多种不同的重复类型。完全相同的代码探测起来很容易,已存在不少技术。但是有一些重复代码存在重命名、使用别名等情况,导致探测技术需要对程序代码进行语义分析,例如,重命名局部变量等,这些探测方法需要更多的计算时间去检测各种可能的重命名。还有一些重复代码存在一些细微的修改或者中间混合了少量的其他代码,这导致探测的难度变大,可以引入相似度计算等技术。还有一种更复杂的重复代码,功能相同,结构不同,这种重复代码的检测需要深入分析程序代码的语义,寻找功能相同或相似的结构片段,无疑将导致探测过程更加复杂,探测难度加大,也需要更多的探测时间。

           在工具iPlasma和inFusion中,探测重复代码的策略是使用一组关于代码重复的度量指标,考虑到重复片段的长度和两段重复代码之间的距离。Checkstyle的实现非常简单,它简单统计程序源代码中的连续重复行数,设定的阈值为12,也就是说当有12行代码重复时则认为存在重复代码,重复代码的扫描可以跨方法甚至跨类。在PMD中,当一个代码片段重复至少一次且其中包含至少25个标记(tokens)时,则认为出现了重复代码坏味道。

     

    (2) 依恋情节 (Feature Envy)

           依恋情节是指一个方法对另一个类的兴趣比对它所在类的兴趣还大。因为它与其他类之间具有更高的耦合度,故这个方法放在了错误的位置。

           依恋情节代码味道的探测可以通过度量一个方法对属于其他类中的方法(或数据)的耦合程度来实现。

           2006年,Lanza和Marinescu提出了如下方法来探测依恋情节:

           (1) 一个类中的方法直接使用了另一个类中的一些属性,可以通过访问外部数据个数(Access to Foreign Data, ATFD)来度量;

           (2) 一个类中的方法使用另一个类中的属性比使用自己本身的属性多得多,可以通过局部属性访问值(Locality of Attribute Accesses, LAA)来度量;

           (3) 一个类中所使用的“外部”属性属于少数几个其他类,可以通过使用外部数据提供者数(Foreign Data Providers, FDP)来度量。

           他们通过如下条件来探测依恋情节:

    FDP ≤ FEW ATFD> FEW LAA < 1/3

           此处,Lanza和Marinescu设定FEW的值为5。

           iPlasma和inFusion采用了上述规则来识别依恋情节。在JDeodorant工具中,该问题转成了一个寻找Move Method(搬移方法)重构时机问题:它试图去寻找那些一旦搬移到另一个类中就很少使用外部(其他类中的)资源的方法。

    Object-Oriented Metrics in Practice

     

    (3) 万能类/上帝类(God Class)

           万能类通常也认为是一种设计缺陷,它指的在系统中集多种功能于一身的类,它试图成为整个系统的中心。一个万能类承担了太多的职责,而只将很少的功能委托给其他不重要的类,并且万能类还需要从其他类那里获取数据。

           与依恋情节相同,2006年,Lanza和Marinescu还提出了一种通过计算三种度量指标来探测万能类的方法,这三种度量指标如下:

           (1) 加权方法计数(Weighted Method Count, WMC): 一个类中所有方法的统计复杂度的和。

           (2) 类内聚的紧密度(Tight Class Cohesion, TCC):通过访问相同的属性而直接发生联系的方法个数。

           (3) 访问外部数据个数(Access to Foreign Data, ATFD):对于一个给定的类,它所访问的外部类的个数,它可以直接访问这些外部类的属性,也可以通过访问器方法(Accessor Method)访问这些属性。

           在Lanza和Marinescu的方法中,当一个类满足如下条件时它就是一个万能类:

    WMC ≥ VERY_HIGHATFD > FEW TCC < 1/3

           在此,Lanza和Marinescu设定VERY_HIGH的值为47,FEW的值为5,在他们的Object-Oriented Metrics in Practice一书中详细描述了这两个值是怎么获得的。

           iPlasma和inFusion采用了上述规则来识别万能类。JDeodorant通过其他类来判断一个类是否是万能类,并提出了Extract Class(提取类)的重构时机识别方法,这种探测方法与一个类本身的规模没有直接关系。

     

     (4) 过大类(Large Class)

           过大类是指一个类试图去做太多事情,这些类通常包含大量的成员变量和方法。

           类规模的度量方法有很多种,最传统的方式是度量源代码行数,如NLOC(Number of Lines Of Code)或者度量一个类中的属性数和方法数。像NLOC这种简单的度量指标可以表示一个类的规模,但是并不能判断一个类是否承担了多项职责,例如有些GUI类,对于一些复杂的界面,GUI类确实会比较大,但是这些代码基本上都是自动生成的,我们不应该认为它们存在过大类这一坏味道。

           PMD和Checkstyle等工具使用简单的NLOC作为过大类的探测策略。前者设定的源代码行数的阈值为1000,后者的阈值为2000。

     

    (5) 过长方法 (Long Method)

           过长方法是指那些很长的方法。由于太长,导致难于理解、改变和扩展。也可以指一个方法承担了太多职责,使之成为一个类,甚至一个子系统的中心方法。

           度量过长方法看起来是一件很容易的事情,但是事实并非如此,依赖于一些简单的度量方式(例如源代码行数NLOC)可能会带来一些错误的结果,例如:有一些类的初始化方法(如构造函数)可能会比较长,由于它们的圈复杂度一般比较低,理解和修改较为容易,因此通常没有必要去重构那些长的初始化方法。Mäntylä建议使用圈复杂度(Cyclomatic Complexity)和Halstead度量(Halstead Measures)去识别过长方法,因为它们可以度量操作数和操作符的个数,并且提供了一些重要的有关方法复杂性的信息。根据Mäntylä的建议,最好的度量过长方法的度量指标应该是由源代码行数(NLOC)、圈复杂度和Halstead度量组合而成的一个多项式度量指标。

           Checkstyle和PMD等工具探测过长方法用的是最简单的源代码行数(NLOC),但是使用了不同的阈值,例如PMD的阈值为100而Checkstyle的阈值是150。JDeodorant使用了切片技术来判断一个类是否满足Extract Method(提取方法)重构时机。

     

    (6) 过长参数列表 (Long Parameter List)

           过长参数列表是指一个方法的参数列表太长以致难以理解。

           过长参数列表的探测可以通过统计每个方法中参数的个数来实现。 探测过长参数列表的要点在于参数个数阈值的设定。例如,在PMD中默认的阈值数量为10,而在Checkstyle中为7。

     

    【作者:刘伟  http://blog.csdn.net/lovelion】 

    展开全文
  • 风险贷款的定量分析

    千次阅读 2013-05-26 21:22:12
    信用风险存在于一切信用活动中,不仅银行信用有信用风险,国家信用、商业信用、消费信用以及民间信用都存在信用风险,对贷款人来说,贷款风险最主要的是信用风险,但贷款风险除了信用风险之外,还有利率风险、流动性...
    风险贷款

    贷款风险通常是对贷款人而言的。从贷款人角度来考察,贷款风险是指贷款人在经营贷款业务过程中面临的各种损失发生的可能性。贷款风险与信用风险是既有联系又有区别的两个概念。信用风险存在于一切信用活动中,不仅银行信用有信用风险,国家信用商业信用消费信用以及民间信用都存在信用风险对贷款人来说,贷款风险最主要的是信用风险,但贷款风险除了信用风险之外,还有利率风险流动性风险、通货膨胀风险等。贷款风险与风险贷款也是有区别的。人们常说的风险贷款实际上有两种含义:一种是指不良贷款,亦即非正常贷款或有问题贷款,贷款本息的回收已经发生困难甚至根本不可能收回;另一种是指高风险贷款,如科技贷款,这种贷款本息回收的不确定性很大,贷款人在承担了较大的贷款风险的同时,有可能取得较大收益。


     

    风险量度

    贷款风险主要是指贷款本息按期收回的可能性,从这个意义上说,贷款风险是可以度量的,贷款风险具有可测性,人们可以通过综合考察一些因素,在贷款发放之前或之后,测算出贷款本息按期收回的概率。所谓贷款风险度就是指衡量贷款风险程度大小的尺度,贷款风险度是一个可以测算出来的具体的量化指标,它通常大于零小于1,贷款风险度越大,说明贷款本息按期收回的可能性越小,反之,贷款风险度越小,说明贷款本息按期收回的可能性越大。

    贷款风险度作为衡量贷款风险程度大小的一把客观的“尺子”,可以应用于贷款审、贷、查全过程。它既可以用来决定一笔贷款贷与不贷,也可以用来检查某一家银行或某一个信货员所管辖的全部贷款的质量高低,还可以用来检查某一个借款企业、企业集团或行业贷款风险程度的大小。贷款风险度如果运用得当,既可以制约“以贷谋私”,提高贷款的决策水平,又能使信贷结构调整落到实处,也便于银行内部对信贷管理工作进行考核和奖惩。

    贷款风险度的测算是个比较复杂的问题,中国银行也只是在近几年才开始实施贷款风险度管理。具体来说,中国农业银行深圳市分行率先在国内实行贷款风险度管理,它们从1991年下半年开始试行以贷款风险度为核心的“贷款资产风险管理系统”。中国工商银行1994年初制定下发了《中国工商银行资产风险管理办法》(试行),并在系统内试行,工商银行资产风险管理也遵循了量化管理的原则,其所谓的贷款风险含量实际上就是贷款风险度。中国人民建设银行在1994年8月8日印发了《中国人民建设银行贷款风险管理试点办法》,决定首先在建设银行湖北省分行和宁波市分行进行贷款风险管理试点,该办法对贷款风险度的测算作了详细规定。下面人们就以《中国人民建设银行贷款风险管理试点办法》的规定为主,说明贷款风险度的测算。

    要测算贷款风险度,就必须先分析影响贷款风险的因素。影响贷款风险的因素尽管复杂多变,但主要因素有四个,即贷款对象、贷款方式、贷款期限和贷款形态。贷款风险的量度必须是上述四个因素对贷款风险影响程度的综合。

    贷款对象是影响贷款风险或者说是保证贷款安全的重要因素,贷款对象对贷款风险的影响程度与企业或项目的信用等级有着十分密切的关系,因此,人们可以把贷款对象对贷款风险的影响程度称之为贷款对象信用等级变换系数,简称“变换系数”。根据贷款对象信用等级的不同,贷款对象信用等级变换系数可列成表,见下表所示。

    贷款对象信用等级
    变换系数(%)
    AAA级
    30
    AA级
    50
    A级
    70
    BBB级
    90

    贷款方式是影响贷款风险或者说是保证贷款安全的基本因素,所以人们可以把贷款方式对贷款风险的影响程度称之为贷款方式基础系数,简称“基础系数”。贷款方式大致可以划分为三大类23种,三大类是信用贷款、保证贷款、抵押和质押贷款,保证贷款根据保证人不同又可划分为7 种,抵押和质押贷款根据抵押物和质物的不同又可划分为15种。贷款方式不同,贷款风险差别很大。贷款方式基础系数越小,说明贷款越安全。贷款方式基础系数与《巴塞尔协议》的贷款风险权数或权重的性质和规定差不多,其具体规定可列表,见下表所示:

    贷款一旦发放出去,就会形成贷款资产,人们把贷款资产的占用形态称之为贷款形态,贷款形态对贷款风险的影响程度称之为贷款形态换算系数,简称“形态系数”。贷款形态包括正常贷款和不良贷款,其中不良贷款又进一步划分为逾期贷款、呆滞贷款和呆帐贷款。贷款形态不同,对贷款风险的影响程度也不同。

     

    基本情况

    在对贷款对象、贷款方式、贷款期限和贷款形态对贷款风险的影响程度分别加以量化之后,人们就可以计算贷款风险度。具体分两种情况:

    1、审批或检查某一笔贷款

    贷款风险度=贷款对象信用等级变换系数×贷款方式基础系数×贷款期限换算系数×贷款形态换算系数

    审批贷款即决定某一笔贷款贷与不贷时,可将这笔贷款视同正常贷款,即贷款形态换算系数为100%。

    2、综合考核某家银行全部贷款的质量

    贷款风险度=贷款风险总额÷贷款余额

    其中,某一笔贷款的贷款风险额等于该笔贷款的贷款金额与该笔贷款的贷款风险度的乘积,即:

    贷款风险额=贷款金额×贷款风险度

    亦即:贷款风险额=贷款金额×贷款对象信用等级变换系数×贷款方式

    基础系数×贷款期限换算系数×贷款形态换算系数

    贷款风险总额即为全部贷款中的每笔贷款的贷款风险额之和;贷款余额为某一时点银行的贷款总额。

    可以用同样的方法计算某个信贷员所管辖的全部企业的贷款风险度,也可以计算某个借款企业或某类借款人全部贷款的贷款风险度。

    尽管贷款风险度是个非常有用的工具,但对中国银行来讲,它毕竟还是一个新生事物,实践中也暴露出许多不完善的地方,因此中国银行一方面必须完善贷款风险度的计算办法,使贷款风险度能比较精确地反映贷款风险程度的大小,另一方面要严格按贷款风险度进行信贷管理。

     

    管理策略

    由于贷款人面临的贷款风险种类较大,每一种贷款风险都有可能有多种管理办法,贷款风险管理因而很复杂。单就贷款的信用风险而言,就需要贷款人和借款双方共同努力,贷款人只有在贷款有把握收回时才贷,借款人只有在将来能偿还贷款时才借。下面仅从贷款人角度,阐述贷款信用风险的回避、分散、转嫁、控制和补偿策略。

    1、贷款风险的回避策略

    回避就是不予贷款。回避不能一概而论,因为贷款是银行运用资金的主要途径,也是银行利润的主要来源,不贷款的银行是不存在的。对贷款人来说,切实可行而且不得不进行的回避是指对风险较大的借款申请人不予贷款,通俗他说就是不该贷的不贷。为此,贷款人必须对借款申请人进行信用分析,根据信用分析的结果来决定是否回避,换句话说,信用分析是回避的前提,只有在信用分析基础上进行的回避才不致于是盲目的,才是必要的。

    2、贷款风险的分散策略

    分散策略是贷款人管理贷款信用风险的一种常用而且有效的策略。贷款分散化分散了贷款风险,最终能达到降低贷款风险的目的。贷款越分散,根据概论中独立事件的乘法法则,所有贷款同时成为呆帐的概率就越小,而且贷款越分散,每一笔贷款的金额就越小,即使某一笔贷款成为呆帐,对贷款人冲击不大,相反,如果贷款非常集中,某一笔大额贷款的损失都有可能使贷款人倒闭。

    3、贷款风险的转嫁策略

    贷款风险的转嫁策略是指贷款人以某种特定的方式将贷款信用风险转嫁给他人承担的一种策略。风险转嫁策略在风险管理中运用得相当广泛,它包括保险转嫁和非保险转嫁两种方式。

    1)贷款风险的保险转嫁策略

    贷款人通过直接或间接投保的方式,将贷款风险转嫁给承保人承担,这种通过保险公司开办贷款保险转嫁风险的方式对贷款人来说是非常有效的。但所有贷款都由保险公司进行保险是不现实的,一是因为保险公司没有全面承保贷款风险的能力,二是因为银行从来都是而且应该是贷款风险的管理者和保险者。但是这并不等于说贷款风险的保险转嫁就不可能。

    从国内外实践来看,贷款风险的保险转嫁途径有两条;一是对有些贷款的风险可由借款人或贷款人以向保险人投保的方式转嫁给保险人,如出口信贷大都有出口信用保险机构提供的出口信用保险作支持,国际信贷中的国家风险特别是其中的政治风险也可以由保险人承保;二是借款人将其在生产经营过程中面临的各种可保风险都向保险公司投保,从而使贷款人面临的贷款风险间接地转嫁给保险公司,因为贷款风险是借款人面临的风险转嫁而来的。贷款人可以要求借款人投保,或以投保作为先决条件,特别是借款人的财产(包括抵押财产和非抵押财产)更应在保险公司投保财产保险。

    2)贷款风险的非保险转嫁策略

    贷款风险的非保险转嫁主要是将贷款风险转嫁给除保险人之外的第三人,通常是指贷款人以保证贷款的方式发放贷款。所谓保证贷款,是指按《中华人民共和国担保法》规定的保证方式以第三人承诺在借款人不能偿还贷款时,按约定承担一般保证责任连带责任而发放的贷款。保证贷款的回收多了保证人这一道安全保障,而且保证人通常都是信用较好的单位或个人,所以保证贷款的安全性比信用贷款要高。但由于保证人通常是以其信誉为借款人提供保证的,当借款人不能履行债务时,一旦保证人也不能或不愿履行保证责任,对贷款人来说等于是贷款风险没有转嫁出去,所以保证贷款的安全性较抵押贷款和质押贷款要低。

    这些年来,保证贷款(过去人们通常将保证贷款称为担保贷款信用担保贷款)在中国银行贷款中所占的比重越来越高,但保证贷款的安全性并不很高,保证贷款存在很多问题,如草率保证,“人情保证”,“连环保证”;保证人无代偿债务能力或有代偿债务能力而不愿履行保证义务,甚至连三岁娃娃也成了保证人,等等。所以,需要花大力气提高保证贷款的有效性和安全性。


    4、贷款风险的控制策略

    贷款风险的控制策略是指贷款人在贷前、贷时和贷后采取相应措施,防止或减少贷款信用风险损失的策略。从这个意义上说,风险控制包括了风险分散和风险转嫁。除了风险分散和风险转嫁之外,贷款信用风险的控制还有其他许多措施,其中主要有以下几种:

    1)建立健全审贷分离制度,提高贷款决策水平

    2)推广抵押贷款和质押贷款,提高抵押贷款和质押贷款的有效性和安全性

    3)加强贷后检查工作,积极清收不良贷款

    5、贷款风险的补偿策略

    对贷款人来说,贷款信用风险只可能减少,不可能消除,贷款人必须承担一定的风险损失。所谓风险补偿,就是指贷款人以自身的财力来承担未来可能发生的保险损失的一种策略。风险补偿有两种方式:一种是自担风险,即贷款人在风险损失发生时,将损失直接摊入成本或冲减资本金;另一种是自保风险,即贷款人根据对一定时期风险损失的测算,通过建立贷款呆帐准备金以补偿贷款呆帐损失。

     

     

    现状

    商业银行的主要职能和业务是信贷,即直接向社会提供资金融通服务。由信贷的性质所决定,信贷行为的发生和终结之间必然存在一个时间间隔,贷出货币与清偿行为始终有时间差。正是在这段时间内,或者借贷的资金可能由于各种因素的制约,不能发挥原来期待的效用,不能正常周转和有效增值,使资金的清偿能力相应受到影响;或者借贷人在主观意愿上无意于偿还贷款致使借贷风险发生。
    1、 商业银行资产质量恶化,不良贷款比重较高
    2、国有商业银行信用风险暴露尚不充分,且面临的风险有加大的趋势

     

    贷款风险防控

    (一)强化贷前调查评估。与发放房地产等 不动产抵押贷款相比,应收账款质押贷款的贷前调查涉及面较广、调查任务繁重。商业银行不仅要调查贷款企业的生产经营和资信状况,还要核查应收账款债务人的 资信与实力;不仅要核实应收账款是否存在,审核应收账款能否转让和质押,还要审视合同价款是否正常与合理,以确保应收账款出质价格未被虚高;不仅要了解出 质人、应收账款债务人的资产负债状况,还要关注出质人对销售、资金回笼的管理措施以及应收账款债务人的债权管理水平。
    (二)选择合格的 应收账款。用于质押的应收账款必须满足一定的条件:应收账款项下的产品已发出并由购买方验收合格;购买方资金实力较强,无不良信用记录;购买方确认应收账 款的具体金额并承诺只向销售商在贷款银行的指定专用账户付款;应收账款的到期日早于贷款合同规定的还款日等。
    应当注意,下列应收账款不 能用于设立质押,需从应收账款总量中剔除:一是对冲账款,即贷款企业同时欠应收账款债务人的钱;二是账龄超过90天的应收账款;三是信用质量较差的应收账 款债务人的全部应收账款;四是有瑕疵的应收账款;五是法律法规明确规定不得(或限制)设立质押的应收账款,比如医院、学校、公园等带有公益性质的民事主体 基于公益而产生的收费权,政府土地储备中心的土地收益金等不宜质押。
    (三)合理确定贷款质押率。贷款质押率是指贷款额与质押物价值的比率。应收账款的贷款质押率通常取决于应收账款的质量,一般应为60%~80%。而应收账款质量又主要取决于应收账款债务人(欠款企业)的信用等级,债务人财务稳健、无不良信用记录,贷款质押率高,反之则低。同时,确定贷款质押率还要考虑应收账款的集中度,集中度越高,应收账款的质量越差、风险越大。对集中度较高的企业发放贷款时,质押率不得超过20%,即贷款额不能超过应收账款的20%。
    (四)在贷款合同、质押合同中约定严密的风险防范措施。需要约定的主要条款包括:一是出质人不得有转让、放弃权利等行为,否则贷款银行有权予以撤销或可 提前清偿债务及行使质权;二是出质人要书面通知应收账款债务人,并取得债务人向贷款银行的书面承诺函,表明:应收账款真实,债务人在出质期间不会有损害质 权的恶意行为,不得向出质人清偿,但可向贷款银行直接清偿,或予以提存,否则要承担赔偿责任;三是出质人怠于行使权利,致使质权受到或可能受到损害的,贷款银行有权代出质人行使,或贷款银行有权提前要求清偿债务或行使质权;四是明确提前清偿债务或行使质权的其他情形,如放弃权利、合同被解除、撤销或变更、 权利管理水平恶化和财务可能恶化等。
    (五)重视对应收账款的贷后管理。要及时设立应收账款质押专用账户,以加强对企业应收账款回笼资金的监督管理,防止回笼资金挪作他用。在主债务到期未获清偿的情况下,应尽快与出质人、应收账款债务人协商,尽早采取行动以实现质权。[1]

     

     

     

    http://baike.soso.com/v6446060.htm

    http://baike.baidu.com/view/1337485.htm

     

    个人认为 风险贷款因素:

    因素:贷款对象、贷款方式、贷款期限和贷款形态、信贷额度、到期时间、企业规模、信用级别、担保级别、交易规模、偿债能力

     

    展开全文
  • 市场调研中的定性/定量分析

    千次阅读 2013-08-02 10:11:06
    有了创业想法后,要验证是否可行,调研工作必须进行,通常包括下图5个...3. 定量分析 基于以上步骤,蹲点获取这些用户群的流量、价值信息。如:人数,消费量等。 4. 细分用户群 通过数据分析,进一步细化用户类型。
  • 每一个工具都有对应的主要分析任务,如动力学建模(kinetic modeling),参数化映射(parametric mapping),图像配准( image registration),三维渲染( 3D rendering )和模式分析( pattern analysis)。...
  • 新书推荐《广告数据定量分析:如何成为一位厉害的广告优化师》长按二维码了解及购买资深广告优化师和数据分析师撰写,宋星、吴俊等近10位专家推荐,快速提升广告优化师数据分析能力,总结SEM、移...
  • 对于企业而言,运用数据的同时,也需要了解数据背后的变化规律,做到心中有数,商业数据分析就是针对企业的这一需求。可以洞察数据背后的规律。基于商业数据分析的特点,企业可以借此来制定决策方案,并采取相应的...
  • 市场分析是对市场的定量和定性评估。 商业模式的研究在科学界引起了越来越多的关注。 从概念的角度来看,业务模型以简单的术语描述了公司为创造价值和将其价值商业化所做的工作,而业务流程模型则描述了如何在运营...
  • 商业数据分析--思路总结

    千次阅读 2020-12-11 21:03:24
    一、概念 什么是商业 B2B/B2C/B2B2C/C2B/B2VC 什么是商业运作供应链-产品/服务-销售渠道-(营销/风控)-用户-售后客服->财务表现+数据表现 商业运作组织有哪些? 前线(销售/渠道/业务)-中...什么是商业分析? 用数
  • 我们常说,办事情要“名正言顺”,而数据领域的名字则是格外的多,商业分析、数据分析、数据挖掘、算法模型……经常把大家绕晕,今天系统科普一下。商业分析VS 数据分析广义上...
  • 官方版软件,免费授权,安装即用;各位需要学习和进行荧光定量和简单数据分析的可自行下载学习;严禁用于商业用途;
  • ...从全球范围来看,采用商业地理数据进行商业选址及消费者地理细分在发达经济体已经非常普及。为更精准地服务不断升级的中国消费者,...麦肯锡的“解读中国”商业地理分析团队亦感受到来自客户方越来越强烈的需
  • 敏捷方法的六个“知识点” Reifer咨询顾问有限责任公司最近发布了一份基准管理报告,它比较了采用敏捷方法的软件开发项目和使用传统计划驱动方法软件开发项目...这份报告分析了100家组织1500个项目(其中有500个采用
  • 商业数据分析的根本目的就是要洞察数据背后的规律,基于此,企业可以制订决策、并采取相应措施和行动,进而达成想要的结果。这是商业数据分析的最大价值所在。 那么如何才能洞察数据背后的规律,以给企业的决策提供...
  • 影响我国商业银行效率的环境因素分析,冯立红,,根据面板数据分析,建立逐步回归模型,对影响商业银行效率的环境因素进行定量分析。研究结果表明:GDP增长率、通货膨胀率、股票市
  • 01引言我通常把数据理解为业务的另一个他,单纯的数字是没有灵魂的,而背后的业务却是鲜活的。商业数据分析的核心是洞察数据背后业务的规律,本质是数据赋能。我相信从事商业分析的小伙伴们都听说过...
  • 若应用场景为商业,部署过程将分析结果转换为对购买数据分析服务的客户有益的方案。若应用场景为科技领域,则将成果转换为设计方案或科技出版物。也就是说,部署过程基本上就是把数据分析得到的结果应用到实践中去。...
  • 商业分析的50个网站和分析方法

    千次阅读 2020-11-29 16:04:29
    商业分析的50个网站和分析方法 前言 今天看到一个内容,感觉还可以,干货多。 摘要 一个questmobile,一个买购网。用来看互联网的研报以及看行业龙头企业。 摘要 下次了解企业的时候,先用爱企查查公司的财务情况...
  • 来源:数据分析不是个事儿商业分析能力=商业理解+事实分析能力(主要依靠数据资源)。关于商业理解,千篇万律,已经讲了很多了。这里,想谈谈如何利用数据事实,分析商业问题,也就是如何练就“商业数据分析的思维...
  • 分析信用评级模型的基础上,充分考虑层次分析法在建立信用评级模型中的优势,进而...(2)鉴于商业银行信用评级无法完全量化,在商业银行评级的模型研究中使用层次分析法建立评级模型,以达到定量与定性分析相结合的目的。
  • 阐述需求来源以及调研分析情况 百度指数工具。定量的数据。发展趋势,是否与公司的战略冲突。环境政策:比如做内容的运营。 决策层看重的! 第二大块。 通过什么方式解决这个需求。 规划能力。类似...
  • 结论表明,商业模式研究的最新热点集中在商业模式的分析诊断和创新设计,并提出理论研究定量化、应用领域广泛化和市场研究信息化这三大未来的研究趋势.本文的研究思路和结论对商业模式的学术研究和企业界实践应用均有...
  • 八大商业模型应用分析

    万次阅读 2017-07-01 17:00:46
    最近看了一本关于职场实用逻辑学的书《非看不可的职场逻辑学》,本来是想学习逻辑学和心理学的结合应用技巧,没想到作者在附录中给出了一个惊喜——8个商业模型。作者木田知广给出的这些模型中我以前零零散散的在书...
  • 信贷风险其研究对象涉及企业、个人等组成的社会群体,影响因素具有定性、定量相 结合的特征。基于企业商业年龄,研究信贷风险状态的 Logistic回归模型和寿命分布的概率模型,并给出信贷风险控制的案例计算。结果表明,...
  • 欢迎关注天善智能,我们是专注于商业智能BI,人工智能AI,大数据分析与挖掘领域的垂直社区,学习,问答、求职一站式搞定! 对商业智能BI、大数据分析挖掘、机器学习,python,R等数据领域感兴趣的同学加微信:...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 10,758
精华内容 4,303
关键字:

商业定量分析