基于支持向量机和移动Agent技术的银行风险早期预警系统研究
发布时间：2021-09-15 21:51
随着银行业的快速发展,风险早期预警越来越受到监管部门的重视。本论文针对银行预警系统进行了研究,将支持向量机技术和移动Agent技术应用于银行风险早期预警系统。文中提出了基于支持向量机分类（Support Vector Classification,SVC）的银行风险预警方法,以及基于专家意见的、不确定支持向量机分类的银行风险预警方法,并进行了实验,证明了上述模型和方法优于传统的预警方法。其次,论文针对银行数据量大,如采用集中式计算模式耗时长、对硬件要求水平高,以及银行预警系统网络结构复杂的特点,引入移动Agent并行计算技术,进行了移动Agent技术框架中Agent服务注册及定位机制、迁移路由建立、路由选择和路由更新的研究。具体研究内容如下;1本文首先在分析了银行预警、模式分类和支持向量机的内在联系之后,提出了基于支持向量机分类的银行预警模型,有效提高了银行预警的有效性,并给出了具体算法步骤和实证分析。2由于银行预警历史警度较难确定的问题,本文在不确定性支持向量机分类体系中引入了专家意见,并实现了与经典预警算法的有效融合预警方法,实现了预警方法与专家智能的有机结合,并给出了银行预警实例...
【文章来源】：中国海洋大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
预警方法1、2、3识别的预警机构关
目前已成为机器学习理论的最前沿。支持向量机是从线性可分情况下的最优分类面发展而来的，基本思想可用图3.1 来说明。图 3.1 中，圆点与方点分别表示两种样本，图中的实线为分类线，虚线为平行于分类线的直线而且经过离分类线最近的样本，两条虚线之间的距离即为分类间隔。最优分类线就是要求不但能将两类样本正确分开，而且使分类间隔最大。对分类线( ω x ) + b= 0进行标准化处理，使得对线性可分的样本集 S，满足下面的不等式:( ( )) 1, 1,2, ,i iy ω x + b ≥ i =l图 3.1 两类线性分化的最优超平面
图 3.2 模式分类过程示意图其中虚线下方为训练过程，上方为分类过程。下面我们以银行风险预警为例来探讨风险预警系统的预警过程和风险预警警度之间的关系。如果我们以银行脆弱性预警指标为警兆指标，把银行风险预警警度分为有警和无警两类。那么预警过程就是在给定的一组样本数据数据的情况下，通过某种预警模型，来判断银行风险的警度。如果在银行风险预警系统中，将银行的预警指标作为输入向量，把银行是否有警作为模式类别，那么银行风险预警就是通过某种预警模型将待判别是否有警的目标向量与已知向量之间找到某种关联，从而进行分类的过程，所以 SVM 也就完全可以作为一种银行预警方法。传统预警方法比较多的采用逻辑回归、统计分析法、专家经验等方法，对于简单的预警问题，尚可以对付，但对于复杂高维的预警问题，就勉为其难了。而银行预警问题由于指标体系较为复杂、分类较为困难，所以一般都是比较复杂的，
【参考文献】：
期刊论文
[1]商业银行经营风险预警模型及其实证研究[J]. 迟国泰,冯雪,赵志宏. 系统工程学报. 2009(04)
[2]特征加权支持向量机[J]. 汪廷华,田盛丰,黄厚宽. 电子与信息学报. 2009(03)
[3]银行风险管理前沿理论及对我国银行业监管的影响[J]. 陈岱松,蔡利初. 南方金融. 2009(02)
[4]多任务联盟形成中的Agent行为策略研究[J]. 蒋建国,苏兆品,张国富,夏娜. 控制理论与应用. 2008(05)
[5]金融风险综合评估方法最新研究进展[J]. 何旭彪. 国际金融研究. 2008(06)
[6]多机器人任务分配的研究与进展[J]. 张嵛,刘淑华. 智能系统学报. 2008(02)
[7]样本属性重要度的支持向量机方法[J]. 汪廷华,田盛丰,黄厚宽,廖年冬. 北京交通大学学报. 2007(05)
[8]加强创新监管 提升银行创新能力与竞争力[J]. 谈伟宪. 中国金融. 2007(15)
[9]银行透明度:美国监管信息结构分析[J]. 纪建悦,毛颖. 农村金融研究. 2007(07)
[10]用标准化理念指导银行监管实践[J]. 李怀珍. 中国金融. 2007(13)
博士论文
[1]卫星数传调度的蚁群优化模型及算法研究[D]. 陈祥国.国防科学技术大学 2010
[2]多UCAV协同任务控制中分布式任务分配与任务协调技术研究[D]. 龙涛.国防科学技术大学 2006
[3]基于多Agent系统的动态任务分配研究[D]. 马巧云.华中科技大学 2006
硕士论文
[1]我国商业银行风险预警系统研究[D]. 张微.天津财经大学 2009
本文编号：3396870
【文章来源】：中国海洋大学山东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
预警方法1、2、3识别的预警机构关
目前已成为机器学习理论的最前沿。支持向量机是从线性可分情况下的最优分类面发展而来的，基本思想可用图3.1 来说明。图 3.1 中，圆点与方点分别表示两种样本，图中的实线为分类线，虚线为平行于分类线的直线而且经过离分类线最近的样本，两条虚线之间的距离即为分类间隔。最优分类线就是要求不但能将两类样本正确分开，而且使分类间隔最大。对分类线( ω x ) + b= 0进行标准化处理，使得对线性可分的样本集 S，满足下面的不等式:( ( )) 1, 1,2, ,i iy ω x + b ≥ i =l图 3.1 两类线性分化的最优超平面
图 3.2 模式分类过程示意图其中虚线下方为训练过程，上方为分类过程。下面我们以银行风险预警为例来探讨风险预警系统的预警过程和风险预警警度之间的关系。如果我们以银行脆弱性预警指标为警兆指标，把银行风险预警警度分为有警和无警两类。那么预警过程就是在给定的一组样本数据数据的情况下，通过某种预警模型，来判断银行风险的警度。如果在银行风险预警系统中，将银行的预警指标作为输入向量，把银行是否有警作为模式类别，那么银行风险预警就是通过某种预警模型将待判别是否有警的目标向量与已知向量之间找到某种关联，从而进行分类的过程，所以 SVM 也就完全可以作为一种银行预警方法。传统预警方法比较多的采用逻辑回归、统计分析法、专家经验等方法，对于简单的预警问题，尚可以对付，但对于复杂高维的预警问题，就勉为其难了。而银行预警问题由于指标体系较为复杂、分类较为困难，所以一般都是比较复杂的，
【参考文献】：
期刊论文
[1]商业银行经营风险预警模型及其实证研究[J]. 迟国泰,冯雪,赵志宏. 系统工程学报. 2009(04)
[2]特征加权支持向量机[J]. 汪廷华,田盛丰,黄厚宽. 电子与信息学报. 2009(03)
[3]银行风险管理前沿理论及对我国银行业监管的影响[J]. 陈岱松,蔡利初. 南方金融. 2009(02)
[4]多任务联盟形成中的Agent行为策略研究[J]. 蒋建国,苏兆品,张国富,夏娜. 控制理论与应用. 2008(05)
[5]金融风险综合评估方法最新研究进展[J]. 何旭彪. 国际金融研究. 2008(06)
[6]多机器人任务分配的研究与进展[J]. 张嵛,刘淑华. 智能系统学报. 2008(02)
[7]样本属性重要度的支持向量机方法[J]. 汪廷华,田盛丰,黄厚宽,廖年冬. 北京交通大学学报. 2007(05)
[8]加强创新监管 提升银行创新能力与竞争力[J]. 谈伟宪. 中国金融. 2007(15)
[9]银行透明度:美国监管信息结构分析[J]. 纪建悦,毛颖. 农村金融研究. 2007(07)
[10]用标准化理念指导银行监管实践[J]. 李怀珍. 中国金融. 2007(13)
博士论文
[1]卫星数传调度的蚁群优化模型及算法研究[D]. 陈祥国.国防科学技术大学 2010
[2]多UCAV协同任务控制中分布式任务分配与任务协调技术研究[D]. 龙涛.国防科学技术大学 2006
[3]基于多Agent系统的动态任务分配研究[D]. 马巧云.华中科技大学 2006
硕士论文
[1]我国商业银行风险预警系统研究[D]. 张微.天津财经大学 2009
本文编号：3396870
本文链接：https://www.wllwen.com/jingjilunwen/guojijinrong/3396870.html
