基于SVM-KNN的商業(yè)銀行信用風(fēng)險模型研究.pdf

1、隨著經(jīng)濟(jì)全球化和金融自由化的發(fā)展，商業(yè)銀行信用風(fēng)險管理的重要性和迫切性日益體現(xiàn)了出來，這也使得對信用風(fēng)險的研究在近年來成為了國內(nèi)外金融研究的一個重點。與傳統(tǒng)的風(fēng)險管理手段不同，現(xiàn)代的信用風(fēng)險管理強調(diào)運用有效的模型來識別、衡量和監(jiān)測風(fēng)險，重視定量分析與定性分析的結(jié)合，這就使得信用風(fēng)險的管理越來越客觀、高效。在這樣的背景下，本文將一種支持向量機與k-最近鄰居判別法相結(jié)合的方法應(yīng)用到了我國商業(yè)銀行信用風(fēng)險管理中，構(gòu)建并實現(xiàn)了一個簡單的風(fēng)險評估

2、模型。 本文首先簡要介紹了現(xiàn)代商業(yè)銀行信用風(fēng)險管理的一般理論和方法，包括信用風(fēng)險管理的目標(biāo)、組成要素以及信用風(fēng)險分析的統(tǒng)計方法和非統(tǒng)計的方法。接著介紹了統(tǒng)計學(xué)習(xí)理論中的支持向量機和k-最近鄰居判別法的基本原理，它們各自的應(yīng)用現(xiàn)狀以及在信用評估上應(yīng)用的思路和適用性。之后探討了一個SVM-KNN的組合算法，將其引入到信用風(fēng)險管理領(lǐng)域，構(gòu)建了利用這個算法的一個信用評估模型和具體步驟，并用Matlab軟件編程實現(xiàn)?；谶@個模型，本文進(jìn)行

3、了實證分析，其中應(yīng)用了主成分分析法來選擇合適的輸入指標(biāo)，調(diào)用了一些參數(shù)選擇方法，模型運行后得出的結(jié)論證明，SVM-KNN組合模型在信用分析上的分類能力要比單獨運行SVM、k-NN都要好，而且探討了訓(xùn)練樣本占總樣本數(shù)的比例對測試結(jié)果的影響，分析了兩類錯誤發(fā)生的概率。最后對未來的研究進(jìn)行了展望。 本文綜合了信用風(fēng)險管理、機器學(xué)習(xí)技術(shù)、統(tǒng)計分析方法和財務(wù)管理等方面的相關(guān)內(nèi)容，采用了理論研究和實證研究并重的研究方法。由本文理論分析和實證