基于SVM的銀行信貸風(fēng)險(xiǎn)評(píng)估模型研究.pdf

1、銀行風(fēng)險(xiǎn)管理一直是國(guó)際國(guó)內(nèi)金融界關(guān)注的焦點(diǎn),入世后,國(guó)內(nèi)銀行面臨著國(guó)內(nèi)外銀行的激烈競(jìng)爭(zhēng)；國(guó)內(nèi)銀行由于信貸決策手段跟不上企業(yè)經(jīng)營(yíng)與市場(chǎng)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(jī)。如何建立有效的企業(yè)信用評(píng)估體系和銀行信貸風(fēng)險(xiǎn)評(píng)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(guó)內(nèi)銀行共同面臨的研究課題。因此,研究銀行信貸風(fēng)險(xiǎn)評(píng)估具有重大現(xiàn)實(shí)意義。

2、 目前,國(guó)內(nèi)銀行大多采用定性與定量相結(jié)合的風(fēng)險(xiǎn)量化模型對(duì)信貸風(fēng)險(xiǎn)進(jìn)行評(píng)估,由于銀行信貸風(fēng)險(xiǎn)等級(jí)的劃分是一個(gè)多分類問題,這種建模技術(shù)直接影響信貸風(fēng)險(xiǎn)預(yù)測(cè)精確度和模型評(píng)估能力。本文在深入研究了國(guó)內(nèi)外銀行信貸風(fēng)險(xiǎn)評(píng)估采用的建模技術(shù)基礎(chǔ)上,針對(duì)BP神經(jīng)網(wǎng)絡(luò)在建立信貸風(fēng)險(xiǎn)評(píng)估模型時(shí)存在的推廣能力差和預(yù)測(cè)時(shí)間長(zhǎng)等缺點(diǎn),同時(shí)考慮到支持向量機(jī)可以處理一些多分類問題,采用支持向量機(jī)方法建立銀行信貸風(fēng)險(xiǎn)評(píng)估模型。然而,支持向量機(jī)在處理多分類問題時(shí)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(shí)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(duì)這一問題,本文提出了基于支持向量回歸機(jī)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(kuò)展成三值分類器,增強(qiáng)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(jī)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(jì)算代價(jià)大的問題。并采用中國(guó)銀行濱河支行提供的數(shù)據(jù),通過多組數(shù)據(jù)實(shí)驗(yàn),將實(shí)際情