第一章 绪论
1.1 研究背景
商业银行作为金融体系的重要组成部分，肩负着聚集与分流国内社会资金的重大责任，在整个国民经济体系中承担着货币资源配置的角色。当下，商业银行的传统盈利模式逐渐下降，信贷资产质量承压明显，盘活资产负债表中的存量资产已然迫在眉睫。
资产证券化是自上世纪以来金融史上的一次重大创新，促进了欧美资本主义国家金融业的快速发展。随着国内经济水平的提高，商业银行在经历长期快速发展后越显疲累，信贷资产证券化由此开始出现。信贷资产证券化类别众多、存在方式多变，因此海内外众多学者都难以对其定义进行统一，但就其主要内容而言，通常指银行等金融机构将部分流动性较差的资产脱离资产负债表，打包形成资产池，进而分层定价出售给投资者，以此提高商业银行经营管理过程中的风险承受力。从内涵上来看，资产证券化可在保持银行原贷款总数不变的基础上，将流动性较差的存量资产重新组合评级，并打包出售给第三方，可有效增加商业银行的资产活力。
1.1 研究背景
商业银行作为金融体系的重要组成部分，肩负着聚集与分流国内社会资金的重大责任，在整个国民经济体系中承担着货币资源配置的角色。当下，商业银行的传统盈利模式逐渐下降，信贷资产质量承压明显，盘活资产负债表中的存量资产已然迫在眉睫。
资产证券化是自上世纪以来金融史上的一次重大创新，促进了欧美资本主义国家金融业的快速发展。随着国内经济水平的提高，商业银行在经历长期快速发展后越显疲累，信贷资产证券化由此开始出现。信贷资产证券化类别众多、存在方式多变，因此海内外众多学者都难以对其定义进行统一，但就其主要内容而言，通常指银行等金融机构将部分流动性较差的资产脱离资产负债表，打包形成资产池，进而分层定价出售给投资者，以此提高商业银行经营管理过程中的风险承受力。从内涵上来看，资产证券化可在保持银行原贷款总数不变的基础上，将流动性较差的存量资产重新组合评级，并打包出售给第三方，可有效增加商业银行的资产活力。
在我国经济结构调整、利率市场化改革加快推进的背景下，社会资金储备量已不能满足实体经济的发展，商业银行业务转型压力巨大。作为降低商业银行经营管理压力的创新方式之一，信贷资产证券化备受期待。然而，我国在信贷资产证券化进程的推进上难以让人满意。自 2012 年试点重启以来，信贷资产支持证券的增长并不顺利，2013 年和 2016 年均遭遇发展瓶颈期，2016 年度发行量仅为 3868 亿元，同 2015 年比较倒退将近 5%。本文发现，国内信贷资产证券化业止步不前，甚至一部分被市场看好的商业银行在试点重启后进程依旧缓慢，并没有第一时间发行信贷资产证券。与此同时，一些已经开展了此项业务的小规模银行，在尝试发行一单信贷资产支持证券化之后出现浅尝辄止的现象。基于国内金融市场实际发展情况，找出信贷资产证券化的关键影响因素，加快我国金融市场中信贷资产证券化业务的进程刻不容缓。
..........................
2.1.1 信息系统与不可分辨关系
传统粗糙集的基本思想是利用关系数据库进行属性分类形成相应的决策规则，通过对不可分辨关系的分类以及求取粗糙近似从而实现知识发现。数据集合为粗糙集信息系统的基本构成，通过聚集论域对象与对应的属性值生成一个完整的知识系统。每一个属性均有一族属性值域与之对应，一但确定某一对象的属性值，则便可全面描述该对象。
粗糙集模型中分类知识集在集合里是不可或缺的。集合在粗糙集理论中的定义与可获得的知识及对论域中元素的理解有关，换言之，通过论域中元素的可用信息“看到”了论域中的元素。因此，由同样知识描述的两个元素是不可分辨的。
传统粗糙集模型简单易接受，但应用条件过于严格，在完备离散型信息系统的处理上具有独特优势。随着实际问题复杂程度的提升，经典粗糙模型在不完备区间值信息系统处理上遇到了很大的阻碍。因此，粗糙集理论通常会与其他方法杂糅，取长补短，从而形成了容差关系、多粒度、优势关系、决策等多种粗糙集扩展粗糙模型[60-67]。本文重点选取容差关系、多粒度粗糙集进行详细阐述。
我国商业银行信贷资产证券化业务的开展是多舛的，这就导致商业银行采集到的数据是不完备的，且存在各种噪音，使得粗糙集模型处理得来的知识分类误差较大且决策参考价值不高。同时，由于信贷资产证券化业务数据是区间型的，跨度较大加上缺失值较多，传统基于等价关系的粗糙集模型已无法对信贷资产证券化影响因素进行有效地分析决策。对此，众多学者将基于完备信息系统的传统粗糙集进行模型扩展，以使粗糙集能够处理不完备区间值信息系统，从而打破经典粗糙集处理含有缺失值信息系统的局限性。
..........................
2.2多粒度粗糙模型及其扩展
商业银行信贷资产证券化关键影响因素的研究是一个不完备区间值信息系统的决策过程，容差关系的提出使得粗糙集不仅能够处理完备的信息系统，更能处理大数据背景下的不完备区间值信息系统。但是，上述粗糙集模型仅仅对等价关系进行了相关拓展，依然无法从多个视角对信息系统进行处理。而商业银行信贷资产证券化业务涉及到宏观经济维度，市场监管维度、银行个体维度等多个维度因素的考察，要实现对影响因素的有效分析必须从多个维度和多个层次进行分析建模。因此，传统粗糙集模型无法有效地对信贷资产证券化关键影响因素进行建模分析。
1.2 研究目标
目前，商业银行完全依靠“存款”这一融资方式已无法维持银行本身的日常经营和保证我国经济持久稳定的发展。过度放贷加快了商业银行资产的大量外流，银行所需周转资金捉襟见肘，导致商业银行经营压力激增。因此，沉寂许久的中国金融市场迫切需要适度的金融创新，为动力不足的市场环境注入新的活力。商业银行积极响应我国市场政策，加快信贷资产证券化业务的发展进度，可以在短时间内盘活表内的存量资产和加快资金的周转速度，进一步地，达到增强国内银行经营管理的竞争力及推动其快速发展的目标。从多维度视角综合考虑信贷资产证券化影响因素，构建影响因素指标体系，并将客观的商业银行财务数据输入改进后的粗糙集模型进行关键影响因素的选择是当前实现这一目标最直接有效的方式。而由于商业银行财务数据层次类别较多、值域分布较广、冗余信息偏多，同时现有信贷资产证券化影响因素分析模型的构建多依赖于理论论述和主观假设检验，所得结果包含太多主观性，无法直接通过数据本身客观的构建影响因素指标体系。
目前，商业银行完全依靠“存款”这一融资方式已无法维持银行本身的日常经营和保证我国经济持久稳定的发展。过度放贷加快了商业银行资产的大量外流，银行所需周转资金捉襟见肘，导致商业银行经营压力激增。因此，沉寂许久的中国金融市场迫切需要适度的金融创新，为动力不足的市场环境注入新的活力。商业银行积极响应我国市场政策，加快信贷资产证券化业务的发展进度，可以在短时间内盘活表内的存量资产和加快资金的周转速度，进一步地，达到增强国内银行经营管理的竞争力及推动其快速发展的目标。从多维度视角综合考虑信贷资产证券化影响因素，构建影响因素指标体系，并将客观的商业银行财务数据输入改进后的粗糙集模型进行关键影响因素的选择是当前实现这一目标最直接有效的方式。而由于商业银行财务数据层次类别较多、值域分布较广、冗余信息偏多，同时现有信贷资产证券化影响因素分析模型的构建多依赖于理论论述和主观假设检验，所得结果包含太多主观性，无法直接通过数据本身客观的构建影响因素指标体系。
本文结合国内信贷资产证券化业务的实际发展水平，综合现有影响因素研究成果，对已有影响因素研究方法进行优劣分析，并予以学习借鉴，充实下文影响因素指标体系构建的理论基础。鉴于商业银行数据质量低下和线性模型主观性过强等不足，对影响信贷资产证券化各方面因素进行全面分析，以构建科学、多维度、灵活性强的信贷资产证券化关键影响因素指标体系。此外，引入优化后的粗糙集模型，提出信贷资产证券化关键影响因素研究方法的新思路。紧接着，通过数据预处理、属性约简和决策规则获取等一系列处理步骤，筛选出信贷资产证券化的关键影响因素，给金融市场决策提供理论依据，让信贷资产证券化业务在金融业中发挥出更大的作用。
.........................
第二章 粗糙集理论概述
2.1 基本概念.........................
第二章 粗糙集理论概述
2.1.1 信息系统与不可分辨关系
传统粗糙集的基本思想是利用关系数据库进行属性分类形成相应的决策规则，通过对不可分辨关系的分类以及求取粗糙近似从而实现知识发现。数据集合为粗糙集信息系统的基本构成，通过聚集论域对象与对应的属性值生成一个完整的知识系统。每一个属性均有一族属性值域与之对应，一但确定某一对象的属性值，则便可全面描述该对象。
粗糙集模型中分类知识集在集合里是不可或缺的。集合在粗糙集理论中的定义与可获得的知识及对论域中元素的理解有关，换言之，通过论域中元素的可用信息“看到”了论域中的元素。因此，由同样知识描述的两个元素是不可分辨的。
传统粗糙集模型简单易接受，但应用条件过于严格，在完备离散型信息系统的处理上具有独特优势。随着实际问题复杂程度的提升，经典粗糙模型在不完备区间值信息系统处理上遇到了很大的阻碍。因此，粗糙集理论通常会与其他方法杂糅，取长补短，从而形成了容差关系、多粒度、优势关系、决策等多种粗糙集扩展粗糙模型[60-67]。本文重点选取容差关系、多粒度粗糙集进行详细阐述。
我国商业银行信贷资产证券化业务的开展是多舛的，这就导致商业银行采集到的数据是不完备的，且存在各种噪音，使得粗糙集模型处理得来的知识分类误差较大且决策参考价值不高。同时，由于信贷资产证券化业务数据是区间型的，跨度较大加上缺失值较多，传统基于等价关系的粗糙集模型已无法对信贷资产证券化影响因素进行有效地分析决策。对此，众多学者将基于完备信息系统的传统粗糙集进行模型扩展，以使粗糙集能够处理不完备区间值信息系统，从而打破经典粗糙集处理含有缺失值信息系统的局限性。
..........................
2.2多粒度粗糙模型及其扩展
商业银行信贷资产证券化关键影响因素的研究是一个不完备区间值信息系统的决策过程，容差关系的提出使得粗糙集不仅能够处理完备的信息系统，更能处理大数据背景下的不完备区间值信息系统。但是，上述粗糙集模型仅仅对等价关系进行了相关拓展，依然无法从多个视角对信息系统进行处理。而商业银行信贷资产证券化业务涉及到宏观经济维度，市场监管维度、银行个体维度等多个维度因素的考察，要实现对影响因素的有效分析必须从多个维度和多个层次进行分析建模。因此，传统粗糙集模型无法有效地对信贷资产证券化关键影响因素进行建模分析。
从粒计算的角度来说，单单只对不可分辨关系进行扩展的粗糙模型其对目标概念的逼近都是依靠单一的粒度关系来进行粗糙近似的表示。在处理多源分布式信息系统和高维信息系统时，目标概念的逼近和决策规则的生成都需基于多粒度空间，这就决定了多粒度粗糙集在处理问题时综合考虑了多空间决策在信息系统中的不可替代性。根据“求同存异”的融合策略，多粒度粗糙集衍生出乐观多粒度粗糙集；根据“求同排异”的融合策略，多粒度粗糙集衍生出悲观多粒度粗糙集。
.............................
.............................
3.1 基于可能度容差关系的多粒度决策粗糙集 .................................... 24
3.2 属性约简 ....................... 29
第四章 信贷资产证券化影响因素指标体系构建........................... 35
4.1 影响因素指标选择原则 .......................................... 35
4.2 影响因素指标体系构建思路 .............................. 36
第五章 基于粗糙集的信贷资产证券化影响因素研究实证分析 .............................. 47
5.1 决策信息表 ..................... 47
5.2 获取粗糙近似 .............................. 49
第五章 基于粗糙集的信贷资产证券化影响因素研究实证分析
5.1 决策信息表
与现有商业银行信贷资产证券化关键影响因素的研究方法相比，基于可能度容差关系的多粒度决策粗糙模型能够有效处理不完备区间值信息系统，新模型的容错能力更强，可通过属性约简直接获取信贷资产证券化关键影响因素，进而提取相应的决策准则，便于提高商业银行信贷资产证券化参与度；另一方面，新模型在不完备区间值信息系统的处理上也具有一定的优势，模型可根据不同的宏观经济条件来调整阈值，使得决策结果具有很强的灵活性，更能适应我国市场的需求，不同经济条件下筛选出信贷资产证券化的关键影响因素。因此，模型在很大程度上具有一定的时效性。
第六章 总结与展望
6.1 主要创新点
（1）融合可能度容差关系粗糙集和多粒度粗糙集的各自优势，提出新的属性相似度计算方法，完善不完备信息系统在缺失值处理方面的不足。在对经典容差关系粗糙集进行改进的基础上，从粒空间的角度引入多粒度粗糙集，使模型能够从多个粒度空间、多层次的角度处理不完备区间值信息系统。
（2）综合考虑商业银行开展信贷资产证券化业务的多维度影响因素，结合我国实际的经济情况，仅考虑银行个体单一维度的影响因素，重点从资产分析、经营管理和资本充足情况三个层次构建影响因素指标体系，实现对商业银行信贷资产证券化影响因素系统、全面地描述。进一步地，在影响因素指标选择完成的基础上，详细阐释各指标的计算方法及对信贷资产证券化业务开展的影响情况，为准确构建信贷资产证券化影响因素指标体系打下基础。
（3）文献研究已有商业银行信贷资产证券化影响因素分析方法，结合我国信贷资产证券化数据的特点，将基于可能度容差关系的多粒度粗糙决策方法，融合到商业银行信贷资产证券化影响因素的研究中，更快、更精确地找出关键影响因素指标。本文构建的新模型最大程度上保证了结果的客观、公正性。此外，通过粗糙集的属性约简算法，去除冗余的影响因素指标，获取关键影响因素，简化了信贷资产证券化影响因素研究的流程。并依据约简结果得出若干分类规则，从而为提高商业银行信贷资产证券化参与度提供有实际价值的参考。
参考文献（略）