基于SVM的銀行信貸風(fēng)險評估模型研究.pdf

1、銀行風(fēng)險管理一直是國際國內(nèi)金融界關(guān)注的焦點,入世后,國內(nèi)銀行面臨著國內(nèi)外銀行的激烈競爭；國內(nèi)銀行由于信貸決策手段跟不上企業(yè)經(jīng)營與市場信息的快速變化,導(dǎo)致不良資產(chǎn)率高、信貸資產(chǎn)安全性差、不良貸款比重大、貸款損失嚴(yán)重,隱含著相當(dāng)大的危機。如何建立有效的企業(yè)信用評估體系和銀行信貸風(fēng)險評估模型,為銀行決策提供科學(xué)的量化決策依據(jù),全面降低不良貸款率,提高信貸資產(chǎn)質(zhì)量,是國內(nèi)銀行共同面臨的研究課題。因此,研究銀行信貸風(fēng)險評估具有重大現(xiàn)實意義。

2、 目前,國內(nèi)銀行大多采用定性與定量相結(jié)合的風(fēng)險量化模型對信貸風(fēng)險進行評估,由于銀行信貸風(fēng)險等級的劃分是一個多分類問題,這種建模技術(shù)直接影響信貸風(fēng)險預(yù)測精確度和模型評估能力。本文在深入研究了國內(nèi)外銀行信貸風(fēng)險評估采用的建模技術(shù)基礎(chǔ)上,針對BP神經(jīng)網(wǎng)絡(luò)在建立信貸風(fēng)險評估模型時存在的推廣能力差和預(yù)測時間長等缺點,同時考慮到支持向量機可以處理一些多分類問題,采用支持向量機方法建立銀行信貸風(fēng)險評估模型。然而,支持向量機在處理多分類問題時多采用基

3、于二值分類器的多分類器構(gòu)造算法,這種算法在提取樣本子集時僅考慮到二值分類而忽視與其他類之間聯(lián)系,造成了類間信息丟失,降低了分類精度。針對這一問題,本文提出了基于支持向量回歸機的多分類器構(gòu)造算法,該算法從決策函數(shù)入手把二值分類器擴展成三值分類器,增強了類間聯(lián)系,解決了信息丟失問題；通過引入支持向量回歸機代替三值分類器,解決了三值分類器存在的由于參數(shù)調(diào)整過多造成的計算代價大的問題。并采用中國銀行濱河支行提供的數(shù)據(jù),通過多組數(shù)據(jù)實驗,將實際情