信用评分卡在 微小企业贷款风险控制中的应用
　　日 17:03　银行家　
　　同所有信贷业务一样，信用风险也是微小企业贷款面临的最主要风险。随着微小企业信贷业务的快速发展，客户群体的不断扩大，银行对于客户个人信用水平的把握变得越来越难。如何科学、快速地识别个人客户信用风险，成为微小贷款业务持续、健康发展的重要前提。信用评分模型能够有效识别个人信用风险，这在国外成熟信贷市场上已经有着广泛的应用。 信用评分是指根据银行客户的各种历史信用数据，利用信用评分卡模型，得到不同等级的信用分值，根据客户的信用分值，分析客户按时还款的概率，并据此决定是否给予授信以及授信的额度和利率。 本文结合微小贷款业务的实践，提出符合现阶段实际业务的信用评分卡模型，探讨评分卡模型在微小贷款业务中的适用性及开发路径。 信用评分卡在微小企业贷款业务中的适用性分析 针对个人客户 目前，大多数银行将信用评分卡用于评估个人贷款业务以及信用卡业务的客户信用状况。微小企业贷款业务与个人贷款业务在某些方面具有相似性：笔数多，单笔金额小，交易成本高。其一，微小贷款业务的贷款额度往往由几千元到几十万元不等，而个人贷款业务的额度也基本在这个范围之内。其二，微小贷款业务主要针对个人客户，虽然被称作微小企业，但事实上这些企业基本上都是以家庭为单位的，家庭开支与企业开支经常混淆，家庭成员的其他收入也可以作为清还债务的来源之一。其三，除了经营性现金流之外，企业主个人的还款意愿也是贷款偿还的关键因素。由于以上这些相似性，广泛运用于个人贷款业务中的信用评分卡业务也可以运用于微小企业贷款业务中。
客户信息易于掌握 信用评分卡模型主要为银行信用风险，尤其是个人信用风险的控制提供了一个客观、准确的评估和控制机制。以数据统计分析为基础的数据挖掘技术，通过收集和分析客户的大量行为、信用和背景记录，归纳总结出“好客户”和“坏客户”的背景特征，包括：年龄、收入、性别、住房条件、婚姻状况、职业、教育状况等不同属性，并能准确计算出不同属性值的客户群所具有的消费能力、还款概率，从而建立起能有效分辨“好客户”、“坏客户”的数学模型。用于信用评分的这些客户信息，在客户的贷款申请表中都可以获得，对每个属性进行评分之后再配以相应的权重，就可以得出客户信用状况的综合评分。 完善的全国个人信用征信系统 2006年8月，个人信用信息基础数据库实现了全国正式联网运行。该数据库采集、保存、整理个人信用信息，信息涵盖个人基本信息、结算账户开立信息、银行信贷信息和来自银行系统以外的住房公积金缴存信息等，基本实现了为城市和部分农村每一个有经济活动的个人建立一套信用档案的目标。 2002年人民银行初步建成“银行信贷登记咨询系统”，主要从商业银行等金融机构采集企业的基本信息、主要财务指标，以及在金融机构的借款、担保等信贷信息，全国各商业银行可与该数据库联网查询。在该系统多年运行基础上，2005年人民银行启动全国统一的企业信用信息基础数据库建设，日该数据库实现所有商业银行和有条件的农村信用社全国联网运行。与此同时，人民银行加快推进小企业信用体系建设，截至2009年10月底，全国采集、更新未与银行发生信贷关系的中小企业信息195.7万户，提供查询中小企业信用信息档案354万多次，其中商业银行查询227.6万次。8.1万余户中小企业获得贷款13413亿元，还有15.9户中小企业由此取得了银行授信意向。 征信系统个人数据库和企业信用信息数据库全国联网，意味着全国1116万家企业、5.33亿自然人的信用记录可以较为容易地查询到，这为银行运用信用评分法提供了足够的数据支持。 信用评分卡运用存在的困难 构建信用评分卡模型，一个关键因素就是市场的成熟度和累积的数据的完备性。以美国为代表的西方发达国家，个人信贷业务开展的时间较早，期间经过了历次经济周期波动的考验，已经累积了不同经济周期和市场环境下的历史数据，基于这些宝贵数据形成的统计模型具有相当可靠的准确性和预见性。而我国微小企业贷款业务开展不过四五年的时间，期间并没有经历过类似西方经济危机的大规模经济波动，因此数据在时间覆盖上不够全面。 除此之外，目前开展微小贷款的主体还是中小商业银行，其中以城市商业银行居多，资金实力有限，没有能力建造完善的数据中心，数据散乱不完整，分散在各个支行网点，且没有统一的视图。即使有统一的客户信息管理系统，也运行缓慢，无法进行数据处理，调出数据经常需要很漫长的时间。 因此，要建立信用评分卡模型，银行首先需要建立完善的客户信息管理系统，并确保系统中的数据完整、准确。 信用评分卡模型的开发 信用评分模型的开发流程包括模型的总体构想、选择合适的样本空间、确定预测变量、制订模型、评估和检验模型效果、实施模型、检测模型的表现等七个步骤。 定义开发目标、方法及业务问题 开发目标。(1)减少人为影响，提高信贷政策的执行力度。(2)用定量的方法反映客户的风险级别。(3)缩短审批时间，提高贷款发放速度。(4)实现审批流程自动化，减少人工成本。
模型建立方法。按模型的实证化程度划分，模型的建立方法可分为三种类型：第一类是统计型，即采用统计方法从历史数据中推演出来的模型，主要采用多元线性回归分析、逻辑回归分析等线性分析技术和最近邻方法、神经网络模型等非线性分析技术，通过科学、严密的分析流程而建立。第二类是专家型，即由专家判断和机构经验形成的模型，主要依靠信用评分人员的经验判断，形成简单的信用评分体系，一般遵循5C原则：品行(Character)、偿还能力(Capacity)、资本(Capital)、抵押(Collateral)与环境(Condition)。第三类是混合型，即由统计方法和经验判断结合运用形成的模型。
在历史数据完备性不足的情况下，对于开展微小贷款业务的商业银行来说，在应用初期采用混合型的评分卡模型可能是比较好的选择。即在统计模型的基础上，结合模型变量之外的制度、经验因素进行综合评估，以综合确定是否给予授信以及授信的额度和利率。这里的统计模型是指在分析历史数据的基础上形成的评分卡模型，而制度、经验因素的结合则体现在两个方面：一是在模型评分指标之外设置相关的制度规定和经验因子，这些因子我们可以划分为两类：一类是“硬政策”因子，它是评分模型变量之外的基于制度规定和经验的一些条件，包括“自动通过硬政策”和“自动拒绝硬政策”。另一类是“筛选政策”因子，同样是评分模型变量之外的基于制度规定和经验的一些条件，包括“低分筛选政策”和“高分筛选政策”。二是在模型变量和制度、经验因素判断之后，被拒绝或存在较大不确定性的贷款，在评分卡应用初期，采用转人工审批的方式。 确定数据来源，选取数据样本 数据来源。微小贷款客户信息系统数据库和其他相关业务系统。 样本总数量。选取某地区两三年间的所有贷款申请人(包括“好客户”、“坏客户”及被拒绝的申请客户)。比如说，选取确定地区2007年1月至2009年6月的所有申请人，总数13万人。 抽取、整理数据，建立数据集合 数据质量的好坏是决定建立的模型能否成功的关键因素。在确定了数据来源之后，由于所采集的数据资料来源广泛，数据量大，抽取所耗时间较长，就需要在大量的原始数据基础上，根据业务的需求、数据结构、性质及内在逻辑性，对大量的数据进行归纳分类、合并、分组。即不同来源的数据对同一个概念有不同的表示方法，在集成多个数据来源时，需要消除数据结构上的这种差异。此外，对于相似或重复记录，需要检测并且合并这些记录，最终建立数据集合(或数据仓库)。 分析数据、选择变量 数据经过整理之后进行数据分析，找出数据内在的关联性，并经过对样本变量的调整，选择具有较强预测能力的变量。 如果是连续型变量，就是要寻找合适的分界点，将所有变量分为几个区间以使其具有最强的预测能力。例如，客户年龄是连续型变量，通过研究如何按年龄分组、每组分界点在哪里以达到最优的预测能力。如果是离散型变量，那么每个变量值都会有一定的预测能力，但是考虑到可能一些变量值有相似的预测能力，因此也要进行分组。 之后是选取变量，即从整个指标体系中选出最终量化模型所需要使用的一组解释变量，其过程大致为：用所有变量分别对违约记录进行单变量回归。找出对违约解释能力最强的单个变量，再将该变量与每单个剩余变量组合后再对违约记录进行双因素回归。找出对违约解释能力最强的两个变量，将这两个变量再与每单个剩余变量进行三因素回归。找出对违约解释能力最强的三个变量，不断重复以上过程直到所选择的变量个数达到预定的违约解释能力为止。一般来说，最后使用的解释变量个数不超过15个。 创建评分模型
通过前面的分组产生了最新的数据集合，就可以应用逻辑回归运算建立初始回归模型。在回归模型的基础上，运用概率与分数之间的转换算法把概率转换成分数进而得到初始评分卡。下一步要将初始评分卡进行拒绝推论。拒绝推论是指由于申请被拒的客户的数据没有输入评分系统内，导致样本的选取非随机，整体信用情况被改变，降低了信用评分模型的有效性。
因为信用评分模型是用来评价未来所有申请贷款的客户的信用，则样本必须能够代表所有的申请贷款的群体，而不仅只代表信用质量较好、通过审批的那部分客户的信用状况，所以样本必须包括历史上没有通过审批的客户，否则，样本空间本身就会出现系统性扭曲。
运用拒绝推论时，由于这部分被拒绝的客户信用表现是无法获得的，只能运用一定的统计手段进行推测。推测的方法有很多，可以通过信用评分卡对被拒绝的申请人打分，从而得出每个被拒绝的申请人如果被审批成为信用良好的客户的概率和信用不好的客户的概率，再按其权重放入模型样本中，这样能够减少样本的偏差，同时把拒绝样本的不确定性考虑在内。我们利用拒绝推论后产生的样本(包括通过和拒绝的)重新对每个变量进行分组，所用方法与初始分组相同。然后对第二次分组所形成的数据集合建立逻辑回归模型。最后在第二次回归模型的基础上，再通过转换算法把回归模型得到的概率转换成分数，从而得到最终得信用评分卡。 检验模型
模型建立之后，模型的预测能力、稳定性必须通过检验之后，才可以运用到实际业务中去。评分模型的检验方法和标准通常有：K-S指标、交换曲线、AR值、Gini数等。例如，K-S指标是用来衡量验证结果是否优于期望值，具体标准为：如果K-S大于40%，模型具有较好的预测功能，发展的模型具有成功的应用价值。K-S值越大，表示评分模型能够将“好客户”、“坏客户”区分开来的程度越大。 对模型进行监控和调整 在模型实施之后，要产生许多报表对模型的稳定性和有效性进行监测，如：稳定性监测报表，比较新申请人与开发样本客户的分数分布，对模型的有效性进行监控。特征分析报表，比较目前和模型建立期间的所有记分卡特征的分布，对模型的有效性进行监控。不良贷款数据分析报表，评估不同分值区间的不良贷款，并且与模型建立阶段的预测进行比较，监控客户贷款质量。
另外，经过一段时间之后，经济环境、市场情况和申请者、持卡者的结构会不断变化，信用评分卡的预测能力会逐渐减弱，同时，银行经营策略和信贷政策的改变也要求评分模型进行适时调整，所以，信用评分卡在建立后需要进行持续的监控，在应用一段时间(一般2～3年)后必须适当调整或重建。 结论 微小企业贷款业务中的信用风险一直都是银行最关注的问题，目前大多银行都采用人工审批的方式控制风险，审批的依据是审批政策、客户提供的资料，以及审批人员的个人经验进行审批判断。这种状况很难应对客户群体日益扩大的发展趋势，同时还存在审批决策容易受主观因素影响、审批结果不一致的问题。除此之外，目前很多银行纷纷涉足微小贷款业务，竞争日益激烈，只有高效、低成本的审批手段才能获得竞争优势，因此信用评分卡技术必将在微小企业贷款领域发挥重要作用。 (作者单位：特华博士后科研工作站)
　　中金在线声明：中金在线转载上述内容，不表明证实其描述，仅供投资者参考，并不构成投资建议。投资者据此操作，风险自担。
【收藏到&&】【】【】【
我来说两句
24小时热门文章
栏目最新文章
频道文章精选
赞助商链接
赞助商链接
---------------------------------------------------------------------------------------------
本站所有文章、数据仅供参考，使用前务请仔细阅读，风险自负
《中华人民共和国增值电信业务经营许可证》编号：闽 B2- 号
《电子公告服务许可证》编号：闽通信互联网 [2008]1 号
证券资讯提供:福建天信投资咨询顾问有限公司 [证书：ZX0151]
Copyright &
福建中金在线网络股份有限公司. All Right Reserved.1月宏观经济数据解读:信贷控制力度将逐步趋紧
11日，国家统计局公布了1月份各类价格指数。1月份，居民消费价格总水平同比上涨1.5%。CPI自2009年11月份走出“V”型后，3个月来是持续的张扬态势，分析其原因主要是节气因素所致，一面是去年元旦节的消费拉动，另一面是虎年春节的拉动。按此走势预计，2月份的CPI将继续走高，学者们估计是达到3%－4%，而我们预计可能保持在2.7%左右。
农村的消费价格是1.8%，高于城市0.4个百分点，其拉动力与中央在2009年实施的扩大农村消费政策有着很大的关系。1月份食品类价格同比上涨3.7%，预计2月份将再提高1个百分点。1月份的鲜菜价格上涨17.1%，粮食价格上涨9.8%，油脂价格下降1.9%，水产品价格上涨3.9%，鲜果价格上涨9.8%，鲜蛋价格上涨6.8%，调味品价格上涨3.0%。其中猪肉价格下降8.6%，猪肉价格在春节期间下降出乎市场预料，分析原因主要是2008年和2009年的投资养猪已经产生效应，生猪宰割期一般是12个月左右。但预计2月份的猪肉价格会上浮，农村的上涨幅度大于城市。
总体看，无论是蔬菜类价格上扬，还是蛋肉类食品的价格上扬，主要是受春节因素因影响，与通胀和供给关联度不大，市场不必大惊小怪。在2月份持续上扬过后，从3月份开始，物价将自然回落，保持在适中水平上。
现在大家普遍关心的通胀，有人把物价的张扬作为参看系数，实际上，只要供给保持均衡，消费不是由信贷转移所致，就不会产生由物价上涨引发的通胀。所以，目前中国的通胀压力是资产型通胀，也就是过度的信贷投放，导致、股票、金融市场和房地产连带的原材料价格的大幅上扬，乃至泛滥。
11日，中国人民银行公布了2010年1月金融统计数据报告，货币供应量增长25.98%。2010年1月末，广义货币供应量(M2)余额为62.51万亿元，同比增长25.98%，增幅比上年末低1.7个百分点；狭义货币供应量(M1)余额为22.96万亿元，同比增长38.96%，增幅比上年末高6.61个百分点；市场货币流通量(M0)余额为4.08万亿元，同比下降0.79%。当月净投放现金2512亿元，同比少投放4352亿元。由此看见，M1的信贷量持续加大，1月份的统计数字是1.39万亿元。1月份的信贷量之所以出现“井喷”，主要是2009年的信贷计划所致，学者们成为“翘尾因素”。 尽管2010年的货币政策仍然是宽松，但是紧缩的“管理通胀”措施已经出台，金融机构准备金调高0.5%，就此所能看到的绩效是银行票据被严格控住，股市也相继缩水。但由此并不说明就能控制住资产泡沫的继续放大。还要看楼市、信贷和企业指数等因素的变化情况。
11日，国家发改委也同时公布了2010年1月份全国70个大中城市房屋销售价格同比上涨9.5%的消息。从房屋类型看，经济适用住房销售价格同比上涨1.0%，环比上涨0.2%；普通商品住房销售价格同比上涨13.0%，环比上涨1.5%；高档商品住房销售价格同比上涨11.5%，环比上涨3.5%。普通住宅与商品格持续走高，一般理性购房者不会在高价时期买房，所以，预计90%都是投资、投机型购房者。典型的向海南，在统计的69个城市，海口房价猛窜到海口35.1%，长期处于70%以上的房屋空置率简直是天壤之别，财团爆炒加上地方政府协助，迫使有些所谓“压低房价政策”已经失灵。尽管国有四大银行在1月份紧缩个人信贷窗口，只能说遏制住了个人投资投机，而大财团的信贷投资投资始终在持续，有些可能还在继续“合作”。由此，2010年的信贷政策如何调整？关键不在于控制在多大的额度上，而是应该严格明确大额信贷的使用范畴。控制额度相反堵塞了生产企业的扩大再生产，而明确了信贷取向，是遏制住了投机与资产泡沫的膨胀，也就抑制住了通胀的发生。
早在1月8日，国家统计局公布了2009年第四季度全国企业景气指数为130.6，比上季度提高6.2点。工业企业景气指数为128.1，比上季度上升7.6点，39个工业大类企业景气指数自2008年以来首次全部位于景气区间。建筑业、批发和零售业、房地产业、信息传输计算机服务和软件业、住宿和餐饮业企业景气指数分别为140.5、141.4、133.6、153.5和121.6，分别比上季度提高6.0、5.4、7.3、1.7和6.5点。企业景气指数向好，说明整个经济正在一步步走入正常状态。再从海关总署宣布情况看，1月份中国进出口总值同比增长44.4%。其中，出口增长21%，进口增长85.5%。1月份中国贸易顺差141.6亿美元，同比减少63.8%。到2009年12月末，国家外汇储备余额为23992亿美元，同比增长23.28%。可以预计的是，随着国内经济和外贸形势的进一步好转，2010年双顺差格局仍将继续，外汇储备也会进一步增加，也会增大人民币的升值压力。</P
(本文来源：
网易声明：网易转载上述内容出于传递更多信息之目的，不表明证实其描述或赞同其观点。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
跟贴读取中...
网易通行证：
跟贴昵称修改后，论坛昵称也会变哦
网易通行证：
复制成功，按CTRL+V发送给好友、论坛或博客。 浏览器限制，请复制链接和标题给好友、论坛或博客。
网易财经48小时评论排行
评论4905条
评论2421条
评论2167条
评论1710条
评论1424条
网易财经推荐
网易公司版权所有消息人士：中国央行要求全年新增信贷控制在10万亿元人民币以内，最近已大幅调整合意贷款规模_数据分析_新浪财经_新浪网
&&& &&正文
消息人士：中国央行要求全年新增信贷控制在10万亿元人民币以内，最近已大幅调整合意贷款规模
　　汇通网12月11日讯――消息人士：中国央行要求全年新增信贷控制在10万亿元以内，最近已大幅调整合意贷款规模。
　　编辑：今心
&&|&&&&|&&&&|&&
您可通过新浪首页顶部 “”， 查看所有收藏过的文章。
请用微博账号，推荐效果更好！
看过本文的人还看过银行信贷应该集中管理还是分散投放——基于中国上市商业银行的分析--《中央财经大学学报》2014年10期
银行信贷应该集中管理还是分散投放——基于中国上市商业银行的分析
【摘要】：商业银行的信贷应该集中管理还是分散投放是一个需要回答的战略问题。笔者基于年中国16个上市商业银行的信贷投放的数据,通过建立面板模型从风险和收益两个角度研究商业银行信贷投放的行业分散程度对银行的影响。研究发现,在当前我国商业银行信贷分散的情形下,随着集中度增加银行的信贷资产风险将加大,同时银行的收益也会增加,即如果银行选择更高收益的策略就意味着要承担更高的风险,这与高风险高收益的认识相一致。信贷资产的不同风险状况跟信贷风险的边际收益贡献没有明显的关系,这与国外实证结论不一致,但是银行的经营能力决定了银行应该选择的分散程度,更强经营管理效率的银行可以选择更加分散的信贷投放。笔者建议我国商业银行可以在控制风险的情形下适度增加集中度。
【作者单位】：
【关键词】：
【基金】：
【分类号】：F832.4【正文快照】：
一、引言在当前众多研究人员诟病我国商业银行同质化严重时[1],民生银行通过发展中小企业信贷,包商银行通过发展小企业金融服务都获得了一定的成功,这些都是集中经营的成功案例,但资本市场的组合管理思想又要求投资不能过于集中[2]。商业银行应该专注于一个领域,精耕细作,还是
欢迎：、、)
支持CAJ、PDF文件格式，仅支持PDF格式
【参考文献】
中国期刊全文数据库
迟国泰;洪忠诚;赵志宏;;[J];管理学报;2007年04期
迟国泰;王化增;杨德;;[J];系统管理学报;2008年01期
洪忠诚;迟国泰;许文;;[J];系统管理学报;2009年03期
王菁;;[J];中国金融;2009年11期
【共引文献】
中国期刊全文数据库
孙传凤;[J];安徽商贸职业技术学院学报(社会科学版);2005年03期
赵连友;;[J];北京市经济管理干部学院学报;2011年03期
王静;张丹岚;;[J];东方企业文化;2011年12期
吴建华;张颖;;[J];工会论坛(山东省工会管理干部学院学报);2011年06期
长青;王晓燕;周艳明;;[J];工业技术经济;2010年09期
吴玉萍;;[J];管理学报;2011年02期
李灏铭;刘力其;;[J];财经界(学术版);2013年11期
张棋;;[J];金融论坛;2013年05期
薛超;李政;;[J];当代经济科学;2014年01期
吕文广;;[J];生产力研究;2009年11期
中国博士学位论文全文数据库
张北阳;[D];吉林大学;2011年
王飞;[D];中共中央党校;2011年
方建珍;[D];武汉理工大学;2011年
张智梅;[D];河海大学;2006年
李睿;[D];华东师范大学;2006年
许光磊;[D];中国政法大学;2007年
李兴法;[D];东北财经大学;2007年
白云芬;[D];上海交通大学;2008年
何嗣江;[D];浙江大学;2007年
何德好;[D];西南财经大学;2008年
【二级参考文献】
中国期刊全文数据库
沈沛龙,任若恩;[J];北京航空航天大学学报(社会科学版);2003年01期
潘冠中,邵斌;[J];财经研究;2004年10期
迟国泰,奚扬,姜大治,林建华;[J];大连理工大学学报;2002年06期
李晓华,黄荣坦;[J];桂林师范高等专科学校学报(综合版);2005年02期
姚京;袁子甲;李仲飞;;[J];数量经济技术经济研究;2005年12期
王辉,陈立文,杨艳芳;[J];数理统计与管理;2004年01期
王莉;[J];统计与信息论坛;2004年04期
郑锦亚,迟国泰;[J];中国管理科学;2001年01期
迟国泰,姜大治,奚扬,林建华;[J];中国管理科学;2002年06期
【相似文献】
中国期刊全文数据库
肖挺,邹晓琴;[J];经济师;2004年12期
秦林杰,安梅;[J];金融理论与实践;2005年01期
肖亚红;;[J];深圳信息职业技术学院学报;2007年01期
王聪;宋慧英;;[J];南方金融;2010年08期
彭晖南;;[J];合作经济与科技;2011年01期
黄建欢;曾爱婷;;[J];南方金融;2007年04期
仇永德;;[J];会计之友(下旬刊);2010年03期
宋春梅;;[J];科技创新导报;2009年11期
王晓枫;熊海芳;;[J];大连海事大学学报(社会科学版);2010年05期
陈倩;;[J];东方企业文化;2010年15期
中国重要会议论文全文数据库
李孝强;;[A];社会主义新农村建设与金融支持学术研讨会论文集[C];2006年
姚颐;刘志远;;[A];中国会计学会第六届理事会第二次会议暨2004年学术年会论文集（上）[C];2004年
戴志敏;;[A];2009年南昌大学中国中部经济发展研究中心学术年会暨“贯彻国务院《促进中部地区崛起规划》”研讨会论文集[C];2009年
孙兴全;;[A];第三届（2008）中国管理学年会论文集[C];2008年
冯帆;杨忠;;[A];2007年江苏省哲学社会科学界学术大会论文集（中）[C];2007年
李增泉;;[A];中国会计学会2005年学术年会论文集（下）[C];2005年
杜莉;温世华;;[A];国有经济论丛2001——“企业家与专家高层论坛：国企改革新思路学术研讨会”论文集[C];2001年
罗煜;;[A];中国制度经济学年会论文集[C];2006年
林宇川;;[A];中国地理学会百年庆典学术论文摘要集[C];2009年
刘江会;刘兴堂;;[A];上海市经济学会学术年刊（2010）[C];2010年
中国重要报纸全文数据库
谭浩俊;[N];中国证券报;2008年
傅苏颖;[N];证券日报;2008年
郭田勇;[N];中国城乡金融报;2010年
王珍;[N];第一财经日报;2007年
贾伟;[N];经济日报;2007年
陆非凡;[N];嘉兴日报;2010年
光大证券 陈岚静;[N];中国证券报;2006年
彭蕴亮;[N];上海证券报;2007年
韩婷婷;[N];第一财经日报;2010年
证券时报记者
韦小敏;[N];证券时报;2008年
中国博士学位论文全文数据库
李茁;[D];复旦大学;2010年
陈伟光;[D];华中科技大学;2006年
李松恭;[D];浙江大学;2010年
齐美东;[D];吉林大学;2006年
黄建欢;[D];暨南大学;2006年
魏强;[D];大连理工大学;2012年
许贵阳;[D];首都经济贸易大学;2012年
唐骁鹏;[D];山东大学;2007年
苏舟;[D];华东师范大学;2010年
马玖军;[D];哈尔滨工程大学;2006年
中国硕士学位论文全文数据库
陈祖达;[D];东南大学;2006年
段琳;[D];东南大学;2006年
兰公星;[D];浙江大学;2007年
刘继存;[D];湖南大学;2007年
钟翠娇;[D];暨南大学;2008年
罗茜;[D];西北大学;2013年
欧阳王;[D];湖南大学;2004年
侯晓华;[D];西北大学;2008年
王慧娟;[D];山西财经大学;2006年
解强;[D];青岛大学;2007年
&快捷付款方式
&订购知网充值卡
400-819-9993
《中国学术期刊（光盘版）》电子杂志社有限公司
同方知网数字出版技术股份有限公司
地址：北京清华大学 84-48信箱 知识超市公司
出版物经营许可证 新出发京批字第直0595号
订购热线：400-819-82499
服务热线：010--
在线咨询：
传真：010-
京公网安备74号