基于数据挖掘的银行信贷风险管理研究

发布时间：2021-07-11 03:35

　　随着银行各种业务的开展和推广,银行的不良贷款率也呈逐年增长趋势,这不仅影响了银行的快速健康发展,甚至导致银行负债规模不断扩大。为应对银行的不良贷款率,自2014年以来,国内各大金融机构开始转变发展策略,丰富金融信贷业务体系,但银行的信贷风险问题一直未得到根本解决,因此必须辅以一定的管理措施控制银行的信贷风险。本文从风险管理定义、信贷风险类型与防范、风险预测评估与评级等方面深入分析国有商业银行所面临的各类风险及其产生的原因,特别是研究了银行信贷业务违约风险的管理问题,并对信贷违约风险的评估与预警进行探索,针对运用数据挖掘技术强化银行信贷风险管理与防范提出了相关理论和解决方案,并基于相关理论设计和实现了信贷风险管理系统,并从实际信贷案例样本出发对该系统进行测试,测试结果表明所实现的系统在功能和性能上均能取得较好效果。本文所提出基于数据挖掘的银行信贷风险管理技术以及所实现的信贷风险管理系统,能有效解决当前商业银行信贷风险管控所面临的问题,改善银行信贷投放质量,优化商业银行信贷项目流程,提高银行资产质量,能对各银行信贷风险管理起到借鉴作用。 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：65 页

【学位级别】：硕士

【部分图文】：

E-R图设计

图 4-2 数据库结构Fig.4-2 Database structure中表名称 Sys_Driver_Manager，定义为设备归属表表 4-3 设备归属表数据类型 名称 备注Char(4) 消息代码 检索条 Char(4) 计算机代码 检索条Char(4) POS代码 检索条 Number(6) 起始时间 交易时

图 5-3 财务数据导入界面Fig.5-3 Interface of financial data input5.2.3 信贷业务管理实现1.贷款申请开展信贷业务时，贷款申请是必不可少的业务环节，对照上述业务流程，功能流程如图 5-4。

【参考文献】：
期刊论文
[1]大数据时代下数据质量的挑战[J]. 宗威,吴锋.  西安交通大学学报(社会科学版). 2013(05)
[2]“大数据”技术及其在电力行业中的应用[J]. 孙柏林.  电气时代. 2013(08)
[3]刍议大数据时代的数据挖掘与精细管理[J]. 曹莉.  经营管理者. 2013(18)
[4]基于大数据的线上线下电商用户数据挖掘研究[J]. 徐国虎,孙凌,许芳.  中南民族大学学报(自然科学版). 2013(02)
[5]数据仓库在电力营销系统中的应用[J]. 高倩颖,金玉.  中国高新技术企业. 2013(14)
[6]关于商业银行信贷风险防范策略分析[J]. 王惠芳.  现代商业. 2013(12)
[7]电力大数据面临的机遇与挑战[J]. 闫龙川,李雅西,李斌臣,赵子岩.  电力信息化. 2013(04)
[8]大数据环境下技术创新管理方法研究[J]. 朱东华,张嶷,汪雪锋,李兵,黄颖,马晶,许幸荣,杨超,朱福进.  科学学与科学技术管理. 2013(04)
[9]互联网金融背景下商业银行竞争策略研究[J]. 冯娟娟.  现代金融. 2013(04)
[10]智能电网大数据处理技术现状与挑战[J]. 宋亚奇,周国亮,朱永利.  电网技术. 2013(04)

硕士论文
[1]数据挖掘在农村商业银行信贷管理中的应用[D]. 汤希.湖南大学 2013
[2]互联网金融时代的商业银行发展模式研究[D]. 降磊.西南交通大学 2013
[3]数据挖掘技术在银行信用卡业务中的应用研究[D]. 杨小军.西安电子科技大学 2011
[4]基于数据挖掘的企业信用评价研究[D]. 施晨曦.南京大学 2011



本文编号：3277253