隨著信用違約事件的日益增多,信用風(fēng)險(xiǎn)管理日漸成為商業(yè)銀行風(fēng)險(xiǎn)控制能力的重要評(píng)價(jià)標(biāo)準(zhǔn)。本文對(duì)商業(yè)銀行信用風(fēng)險(xiǎn)的特點(diǎn)及主要的計(jì)量模型做了簡(jiǎn)單的介紹,并選取神經(jīng)網(wǎng)絡(luò)模型作為研究的重點(diǎn),主要進(jìn)行了以下三方面的工作：首先,我們用神經(jīng)網(wǎng)絡(luò)模型組取代傳統(tǒng)的專家系統(tǒng)模型。傳統(tǒng)的專家系統(tǒng)方法由于各專家的專業(yè)程度不一、關(guān)注點(diǎn)不同,判斷帶有主觀的成分。神經(jīng)網(wǎng)絡(luò)在評(píng)估過(guò)程中具有抗干擾、動(dòng)態(tài)可調(diào)整的優(yōu)點(diǎn),因此用不同的神經(jīng)網(wǎng)絡(luò)模型來(lái)取代專家的判斷可以有效降低主觀概率。這里我們?nèi)P、SVM及RBF神經(jīng)網(wǎng)絡(luò)模型。針對(duì)客戶信用評(píng)價(jià)樣本指標(biāo)過(guò)大,神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本大,訓(xùn)練時(shí)間長(zhǎng)的缺點(diǎn),我們采用粗糙集方法減少冗余數(shù)據(jù),提高融合效率。實(shí)證表明粗糙集方法確實(shí)可以大大簡(jiǎn)化神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)。其次,我們引入了一種改進(jìn)的D-S證據(jù)理論方法,并將沖突判定方法由二維推廣到多維的情況,提高了證據(jù)理論適用范圍。D-S證據(jù)理論不需要先驗(yàn)知識(shí)和條件概率,可以對(duì)相互重疊、非互不相容的多源信息進(jìn)行融合,是行之有效地?cái)?shù)據(jù)融合方法。我們把經(jīng)過(guò)神經(jīng)網(wǎng)絡(luò)處理后的數(shù)據(jù)作為證據(jù)理論的基本概率分布值,可以在一定程度上排除主觀因素的干擾,又可以融合不同來(lái)源的數(shù)據(jù),得... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 信用風(fēng)險(xiǎn)的特點(diǎn)與評(píng)估模型
        1.2.1 信用風(fēng)險(xiǎn)的特點(diǎn)
        1.2.2 信用風(fēng)險(xiǎn)度量模型與管理研究進(jìn)展
    1.3 本論文研究的主要內(nèi)容
第2章 預(yù)備知識(shí)
    2.1 引言
    2.2 粗糙集理論
        2.2.1 粗糙集的基本概念
        2.2.2 知識(shí)的約簡(jiǎn)
        2.2.3 知識(shí)的依賴性及其度量
        2.2.4 知識(shí)的重要程度
    2.3 神經(jīng)網(wǎng)絡(luò)相關(guān)理論
        2.3.1 神經(jīng)元構(gòu)成
        2.3.2 神經(jīng)元激勵(lì)函數(shù)
    2.4 BP神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法
    2.5 RBF神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法
    2.6 SVM神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法
    2.7 本章小結(jié)
第3章 基于神經(jīng)網(wǎng)絡(luò)D-S證據(jù)理論的評(píng)估方法
    3.1 引言
    3.2 D-S證據(jù)理論概述
        3.2.1 D-S證據(jù)理論的基本概念
        3.2.2 改進(jìn)的D-S證據(jù)理論
    3.3 本章小結(jié)
第4章 基于神經(jīng)網(wǎng)絡(luò)與證據(jù)理論的風(fēng)險(xiǎn)評(píng)估方法應(yīng)用
    4.1 引言
    4.2 數(shù)據(jù)預(yù)處理
    4.3 屬性約簡(jiǎn)過(guò)程
    4.4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程
    4.5 D-S融合過(guò)程
    4.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]KMV模型研究綜述[J]. 公希亮.  合作經(jīng)濟(jì)與科技. 2010(08)
[2]我國(guó)企業(yè)債券信用評(píng)級(jí)的因素分析——基于Altman的Z計(jì)分模型的實(shí)證研究[J]. 李湛,徐一騫.  南方金融. 2009(06)
[3]基于粗糙集的銀行個(gè)人信用評(píng)估[J]. 肖冬榮,肖莉.  商業(yè)時(shí)代. 2008(02)
[4]信用風(fēng)險(xiǎn)度量KMV模型與CreditRisk+模型比較研究[J]. 姚傳娟,李源,夏蘇林.  科技經(jīng)濟(jì)市場(chǎng). 2007(04)
[5]粗糙集理論在高技術(shù)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用[J]. 柯孔林.  科技進(jìn)步與對(duì)策. 2007(03)
[6]Rough set based multi-agent system cooperation for industrial supervisory interface system[J]. 王滔,費(fèi)敏銳,雷電.  Journal of Shanghai University. 2006(06)
[7]公司信用風(fēng)險(xiǎn)的KMV模型述評(píng)[J]. 吳恒煜.  廣東行政學(xué)院學(xué)報(bào). 2005(01)
[8]基于粗糙集理論的數(shù)據(jù)挖掘的應(yīng)用[J]. 于洪,楊大春,吳中福.  計(jì)算機(jī)與現(xiàn)代化. 2001(04)
[9]市場(chǎng)風(fēng)險(xiǎn)的量度:VaR的計(jì)算與應(yīng)用[J]. 詹原瑞.  系統(tǒng)工程理論與實(shí)踐. 1999(12)

博士論文
[1]信用風(fēng)險(xiǎn)分析中貝葉斯方法及其應(yīng)用研究[D]. 丁東洋.天津財(cái)經(jīng)大學(xué) 2009
[2]我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)度量與管理研究[D]. 劉兵.吉林大學(xué) 2008
[3]商業(yè)銀行信貸風(fēng)險(xiǎn)分析與管理研究[D]. 趙春秀.天津大學(xué) 2008
[4]新巴塞爾協(xié)議下中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理研究[D]. 崔炳文.天津大學(xué) 2006
[5]基于信用評(píng)級(jí)和違約概率的貸款定價(jià)研究[D]. 蔣東明.天津大學(xué) 2005

碩士論文
[1]神經(jīng)網(wǎng)絡(luò)技術(shù)在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)中的應(yīng)用研究[D]. 陳誠(chéng)高.東南大學(xué) 2006



本文編號(hào)：3369860