基于決策樹的類別非平衡銀行信貸風(fēng)險預(yù)警建模研究.pdf

1、長期以來，金融市場的一個重要特征就是信貸風(fēng)險的廣泛存在，信貸風(fēng)險作為一個全球性的問題，早已和銀行體系融為一體，是銀行業(yè)經(jīng)營過程中不可回避的現(xiàn)實。隨著社會經(jīng)濟的不斷發(fā)展，經(jīng)濟體制改革的不斷深入，破產(chǎn)企業(yè)的數(shù)量正在逐年增加，從而嚴(yán)重導(dǎo)致了銀行信貸資產(chǎn)數(shù)目的不斷擴大，由信貸而形成的不良資產(chǎn)數(shù)額以及所占的比例與全球各國相比都處于較差的水平，由此可以看出我國銀行信貸風(fēng)險對于全國的經(jīng)濟發(fā)展已經(jīng)形成了一個巨大隱患。因此，如何通過建立銀行信貸風(fēng)險預(yù)警機

2、制來降低信貸風(fēng)險、提高信貸資產(chǎn)的質(zhì)量是當(dāng)前一個非常迫切的問題。
　　本文在查閱、分析了大量銀行信貸風(fēng)險的發(fā)生、形成、危害以及處理等相關(guān)文獻的基礎(chǔ)上，對當(dāng)前銀行信貸風(fēng)險管理中的預(yù)警管理所存在的問題進行全面分析，以期通過更科學(xué)以及更具有現(xiàn)實應(yīng)用意義的研究方法來對銀行信貸風(fēng)險預(yù)警進行研究，并使研究成果在實際應(yīng)用上有所提高。在處理方法上，主要是在財務(wù)分析理論、類別非平衡分析理論以及預(yù)警決策理論的基礎(chǔ)上采用人工智能方法，數(shù)據(jù)挖掘技術(shù)以及其它

3、相關(guān)科學(xué)的研究方法，對銀行信貸風(fēng)險預(yù)警的理論和方法體系進行研究。
　　首先，在參考與分析了前人以1∶1的平衡度來選取正負(fù)類樣本數(shù)量的基礎(chǔ)上，本文以1∶3的比例來收集ST和非ST公司的樣本數(shù)量，以一種類別非平衡的角度來研究該問題，更加符合實際性與合理性。
　　然后，采用類別非平衡數(shù)據(jù)分類處理方法中較為經(jīng)典的決策樹(DecisionTree)算法、SMOTE采樣方法、差異采樣率重采樣技術(shù)(DSRA)及Bagging技術(shù)相結(jié)合構(gòu)造

4、了DSB-ID3模型，并將DSB-ID3模型與單決策樹ID3模型、基于過采樣的決策樹ID3模型(OS-ID3)以及基于過欠雙重采樣的決策樹ID3模型(OUS-ID3)進行比較，分析其優(yōu)劣勢。
　　最后，在實證研究過程中選取上市公司ST企業(yè)138家，非ST企業(yè)414家，并選取7個顯著性財務(wù)指標(biāo)，通過相關(guān)預(yù)處理得到實驗初始數(shù)據(jù)。經(jīng)過實證數(shù)據(jù)結(jié)果分析得出，DSB-ID3模型得到的G均值和F均值以及總的準(zhǔn)確率都是最高的，且穩(wěn)定性也是最好的