基于模糊动态支持向量机集成方法的商业银行信用风险评估

发布时间：2017-08-12 13:23

  本文关键词：基于模糊动态支持向量机集成方法的商业银行信用风险评估

  更多相关文章： 商业银行 信用风险 模糊动态SVM集成 模型预测效果对比

【摘要】：商业银行信用风险已经成为目前我国金融风险最主要、最集中的一种表现形态,对整个经济运行有着极为重要的影响。信用风险评估作为风险管理的核心环节起着至关重要的特殊作用。在本文的研究中首先评述了可能会影响到风险大小的若干大类要素,以及每个大类中的具体指标信息,最终依据系统性、全面性、科学性、可获取性等原则选取了相应的指标并构建成体系,并且没有将每个来源个体孤立,而是考虑到了系统性的关联,构建成整体体系去分析研究。本文最终选取作为体系成员的16个指标,通过统计分析手段分归到4个有各自所属含义的因子中,就此也就完成了研究模型基本输入信息的工作。这个构建成的体系也是在一定程度上比较全面的去反映了预测企业的失信以及偿款及时与否的情况。本文的核心即为预测模型的研究。首先会评述在信用风险领域里面评估方法的发展历史以及各个阶段学者们采用方法的原理及优劣以及不断完善改进的过程。依据之前方法存在的缺陷,本文针对问题提出新的改进方法——模糊动态支持向量机集成模型。本文研究选取了SVM模型算法作为基础的支撑算法,根据它的一些缺陷作进一步的改善之后应用于我们的研究问题中去。考虑到现实中在归类问题中,对不好的一方的识别总是要比对好的一方的发觉要更重要。另外,在现实的情况下,一个体并不是百分百的属于一个类别,而相反的百分之零的属于另外一个类别。因此引入了可变的惩罚参数和相对应的模糊隶属度。并且,本文采用模糊积分的集成策略,综合系统的考虑了各个需要集成的个体。最终综合利用了SVM、模糊积分、模糊隶属度、可变惩罚因子、最小二乘等原理,构建本文改进完善后的方法模型。最终本文通过编程实现模型的运行实现,将研究提出的方法与其他模型的预测性能对比,最终证实了改进方法是可行并且具有高精确度的,也证实了本研究是具有一定的理论和实践意义。
【关键词】：商业银行 信用风险 模糊动态SVM集成 模型预测效果对比
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP18;F832.33
【目录】：

• 摘要4-5
• Abstract5-9
• 第1章 绪论9-22
• 1.1 课题来源及研究意义9-12
• 1.1.1 研究背景及问题的提出9-10
• 1.1.2 课题研究意义10-12
• 1.2 国内外研究现状12-19
• 1.2.1 国外信用风险评估研究现状12-16
• 1.2.2 国内信用风险评估研究现状16-17
• 1.2.3 国内外信用风险评估研究综述17-19
• 1.3 研究内容19-22
• 第2章 商业银行信用风险评估理论知识22-34
• 2.1 商业银行信用风险评估概述22-24
• 2.1.1 信用风险的定义22-23
• 2.1.2 商业银行信用风险23-24
• 2.2 信用风险评估管理概述24-27
• 2.2.1 我国信用风险管理阶段24-25
• 2.2.2 我国商业银行信用风险管理方法25-26
• 2.2.3 中外商业银行信用风险管理比较26-27
• 2.3 支持向量机SVM理论基础27-32
• 2.3.1 统计学习理论（SLT）27-28
• 2.3.2 支持向量机（SVM）算法28-31
• 2.3.3 支持向量机（SVM）核函数31-32
• 2.4 信用风险评估方法的选择和比较32-33
• 2.5 本章小结33-34
• 第3章 商业银行信用风险评估指标体系研究34-41
• 3.1 指标体系设计原则34-35
• 3.2 贷款企业财务风险的分析35-37
• 3.2.1 偿债能力分析35-36
• 3.2.2 盈利能力分析36
• 3.2.3 营运能力分析36-37
• 3.2.4 增长能力分析37
• 3.3 贷款企业非财务风险的分析37-39
• 3.4 信用风险评估指标体系构建39-40
• 3.5 本章小结40-41
• 第4章 模糊动态SVM集成的商业银行信用风险评估模型41-52
• 4.1 问题的描述41
• 4.2 基于模糊动态SVM集成信用风险评估模型41-50
• 4.2.1 SVM子分类器模糊动态的改进41-45
• 4.2.2 SVM子分类器的集成45-46
• 4.2.3 模糊动态SVM集成模型的构建46-50
• 4.3 本章小结50-52
• 第5章 模糊动态SVM集成模型实例验证52-63
• 5.1 数据收集与预处理52-57
• 5.1.1 数据稳健性处理52
• 5.1.2 归一化处理数据和因子分析52-57
• 5.2 模型的实验设计及评价57-62
• 5.2.1 参数的设定57-58
• 5.2.2 模型试验结果与评价58-62
• 5.3 本章小结62-63
• 结论63-65
• 参考文献65-70
• 附录70-75
• 致谢75-76

【参考文献】

中国期刊全文数据库 前5条

1 于立勇,詹捷辉;基于Logistic回归分析的违约概率预测研究[J];财经研究;2004年09期

2 王建新;于立勇;;基于信用风险度的商业银行风险评估模型研究[J];管理工程学报;2007年04期

3 孟宪宝;李继恭;彭涛;;基于贷款方式风险分析的大型集团公司贷款方案选择——以枣庄矿业集团为例[J];中国青年科技;2008年09期

4 曹汉平;任若恩;;基于宏观经济环境的银行信用风险度量模型研究[J];企业经济;2008年01期

5 尹丽;;基于KMV模型的中国商业银行信用风险评估[J];统计与决策;2013年06期

，

本文编号：661812