基于增量支持向量機的商業(yè)銀行信貸決策動態(tài)建模研究.pdf

1、作為國民經(jīng)濟的“總樞紐”，商業(yè)銀行發(fā)揮著諸多不可替代的重要作用。近些年來，鑒于對以信貸危機為核心的新金融危機的防范，商業(yè)銀行加強了風(fēng)險管理，尤其是信貸風(fēng)險管理。如何科學(xué)地進行信貸決策對商業(yè)銀行而言具有深遠(yuǎn)的意義。銀行信貸決策方面的建模研究己成為學(xué)術(shù)上的一個研究熱點。
　　 銀行信貸決策的過程其實也是銀行對貸款客戶的違約風(fēng)險進行評估或分類的過程。至今，國內(nèi)外研究學(xué)者們運用不同的金融工程理論和技術(shù)建立了不同的信貸風(fēng)險評估模型，來輔助

2、銀行進行信貸決策。然而，已有的研究都是基于一定時間段的樣本數(shù)據(jù)進行靜態(tài)建模的，缺乏動態(tài)更新機制。
　　 因此，本文以金融財務(wù)理論、人工智能理論和數(shù)理統(tǒng)計理論為基礎(chǔ)，采用定性分析、定量分析和交叉整合集成等研究方法，展開對商業(yè)銀行信貸決策的動態(tài)建模研究。
　　 首先，按照全面性、概括性、敏感性、可度量性、先驗性五個原則，從反映企業(yè)償債能力（包括短期償債能力和長期償債能力）、盈利能力、營運能力和發(fā)展能力四個方面選擇多個財務(wù)指標(biāo)

3、作為銀行信貸決策建模的備選指標(biāo)體系，并采用分支定界特征選擇方法來最終確定模型構(gòu)建的指標(biāo)體系。
　　 其次，融入概念漂移思想到銀行信貸決策建模中，基于分支定界特征選擇表示的動態(tài)時效企業(yè)財務(wù)數(shù)據(jù)，集成支持向量機、批增量學(xué)習(xí)和組合分類器，以增量SVM為核心，在每一數(shù)據(jù)動態(tài)增量階段構(gòu)建多個子SVM分類器，通過多分類器集成構(gòu)建數(shù)據(jù)增量階段的動態(tài)信貸決策模型，從而構(gòu)建面向商業(yè)銀行信貸決策概念漂移的分枝定界批增量支持向量機集成決策模型。

4、>　　 最后，在實證研究中分別構(gòu)建本文提出的模型與傳統(tǒng)的非增量SVM多分類器集成模型，從而進行比較分析。
　　 實證研究結(jié)果表明本文提出的模型能夠在時間推移過程中根據(jù)新增樣本的加入不斷動態(tài)調(diào)整增量模型，具有更好的預(yù)測能力，從而為以企業(yè)為對象的銀行信貸決策提供一種新的有效方法。具體地講，本文的研究在學(xué)術(shù)上可以為銀行信貸決策方法的理論研究提供新的思路，在實際上對推動社會經(jīng)濟發(fā)展起著重要的作用，協(xié)調(diào)了銀行和企業(yè)之間在貸款問題上長期存