基于支持向量機(jī)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究.pdf

1、信用風(fēng)險(xiǎn)評(píng)估是商業(yè)銀行信貸風(fēng)險(xiǎn)管理中一項(xiàng)基礎(chǔ)性且關(guān)鍵性的工作，其目的在于分析商業(yè)銀行在貸款業(yè)務(wù)中可能面臨的信用風(fēng)險(xiǎn)，從而為貸款決策提供依據(jù)。20世紀(jì)80年代以來(lái)，隨著金融自由化、全球化進(jìn)程的不斷深入，金融市場(chǎng)波動(dòng)性明顯加劇，各國(guó)銀行和投資者面臨著越來(lái)越嚴(yán)峻的金融風(fēng)險(xiǎn)。世界銀行對(duì)全球銀行業(yè)危機(jī)的研究表明，導(dǎo)致銀行破產(chǎn)的主要原因是信用風(fēng)險(xiǎn)。從國(guó)內(nèi)看，我國(guó)加入世界貿(mào)易組織之后的近十年時(shí)間里，外資銀行大舉進(jìn)入中國(guó)，國(guó)內(nèi)商業(yè)銀行面臨的外在競(jìng)爭(zhēng)越來(lái)

2、越激烈，與此同時(shí)，新巴塞爾資本協(xié)議的實(shí)施也給國(guó)內(nèi)商業(yè)銀行帶來(lái)了斯的挑戰(zhàn)。隨著市場(chǎng)競(jìng)爭(zhēng)的日益激烈，商業(yè)銀行對(duì)信用風(fēng)險(xiǎn)量化和風(fēng)險(xiǎn)評(píng)估模型化的要求也日益突出。在這種情況下，研究和構(gòu)建更加科學(xué)、有效的信用風(fēng)險(xiǎn)評(píng)估方法意義十分重大。
　　 目前，國(guó)內(nèi)外學(xué)者在信用風(fēng)險(xiǎn)評(píng)估方面進(jìn)行了廣泛而深入的研究，設(shè)計(jì)了許多適應(yīng)特定金融環(huán)境的信用風(fēng)險(xiǎn)評(píng)估模型。本文首先對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的概念、成因、特征進(jìn)行了論述，并介紹了傳統(tǒng)和現(xiàn)代信用風(fēng)險(xiǎn)度量方法與模型，

3、在此基礎(chǔ)上，將人工智能領(lǐng)域的支持向量機(jī)技術(shù)應(yīng)用于我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估問(wèn)題。本文主要的工作有以下三方面：
　　 (1)針對(duì)傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)估二分類(lèi)問(wèn)題，在研究支持向量機(jī)參數(shù)優(yōu)化選擇問(wèn)題的基礎(chǔ)上，構(gòu)建基于改進(jìn)粒子群算法的最小二乘支持向量機(jī)模型，著重研究如何提高我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估問(wèn)題中的評(píng)估精度，通過(guò)與其他四種模型相比較，證實(shí)了本文構(gòu)造模型的有效性以及具有較高的分類(lèi)精度。
　　 (2)針對(duì)信用風(fēng)險(xiǎn)評(píng)估過(guò)程中普遍存在的

4、樣本數(shù)據(jù)非平衡性以及錯(cuò)分代價(jià)的差異性問(wèn)題，引入代價(jià)敏感學(xué)習(xí)方法，利用改進(jìn)粒子群算法對(duì)代價(jià)敏感支持向量機(jī)最優(yōu)參數(shù)進(jìn)行選擇，構(gòu)建基于改進(jìn)粒子群算法的代價(jià)敏感支持向量機(jī)模型。實(shí)證表明該模型在分類(lèi)準(zhǔn)確率、命中率、覆蓋率、提升率等方面都有較大的改善，并且能在保持分類(lèi)精度的情況下，降低信用風(fēng)險(xiǎn)評(píng)估過(guò)程中的錯(cuò)分類(lèi)代價(jià)。
　　 (3)針對(duì)貸款風(fēng)險(xiǎn)五級(jí)分類(lèi)問(wèn)題，在傳統(tǒng)最小二乘支持向量機(jī)的基礎(chǔ)上，利用一對(duì)一多分類(lèi)技術(shù)，將傳統(tǒng)的二分類(lèi)模型拓展到適合我