本文關(guān)鍵詞：基于模糊動(dòng)態(tài)支持向量機(jī)集成方法的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估

  更多相關(guān)文章： 商業(yè)銀行 信用風(fēng)險(xiǎn) 模糊動(dòng)態(tài)SVM集成 模型預(yù)測(cè)效果對(duì)比

【摘要】：商業(yè)銀行信用風(fēng)險(xiǎn)已經(jīng)成為目前我國(guó)金融風(fēng)險(xiǎn)最主要、最集中的一種表現(xiàn)形態(tài),對(duì)整個(gè)經(jīng)濟(jì)運(yùn)行有著極為重要的影響。信用風(fēng)險(xiǎn)評(píng)估作為風(fēng)險(xiǎn)管理的核心環(huán)節(jié)起著至關(guān)重要的特殊作用。在本文的研究中首先評(píng)述了可能會(huì)影響到風(fēng)險(xiǎn)大小的若干大類要素,以及每個(gè)大類中的具體指標(biāo)信息,最終依據(jù)系統(tǒng)性、全面性、科學(xué)性、可獲取性等原則選取了相應(yīng)的指標(biāo)并構(gòu)建成體系,并且沒(méi)有將每個(gè)來(lái)源個(gè)體孤立,而是考慮到了系統(tǒng)性的關(guān)聯(lián),構(gòu)建成整體體系去分析研究。本文最終選取作為體系成員的16個(gè)指標(biāo),通過(guò)統(tǒng)計(jì)分析手段分歸到4個(gè)有各自所屬含義的因子中,就此也就完成了研究模型基本輸入信息的工作。這個(gè)構(gòu)建成的體系也是在一定程度上比較全面的去反映了預(yù)測(cè)企業(yè)的失信以及償款及時(shí)與否的情況。本文的核心即為預(yù)測(cè)模型的研究。首先會(huì)評(píng)述在信用風(fēng)險(xiǎn)領(lǐng)域里面評(píng)估方法的發(fā)展歷史以及各個(gè)階段學(xué)者們采用方法的原理及優(yōu)劣以及不斷完善改進(jìn)的過(guò)程。依據(jù)之前方法存在的缺陷,本文針對(duì)問(wèn)題提出新的改進(jìn)方法——模糊動(dòng)態(tài)支持向量機(jī)集成模型。本文研究選取了SVM模型算法作為基礎(chǔ)的支撐算法,根據(jù)它的一些缺陷作進(jìn)一步的改善之后應(yīng)用于我們的研究問(wèn)題中去�？紤]到現(xiàn)實(shí)中在歸類問(wèn)題中,對(duì)不好的一方的識(shí)別總是要比對(duì)好的一方的發(fā)覺(jué)要更重要。另外,在現(xiàn)實(shí)的情況下,一個(gè)體并不是百分百的屬于一個(gè)類別,而相反的百分之零的屬于另外一個(gè)類別。因此引入了可變的懲罰參數(shù)和相對(duì)應(yīng)的模糊隸屬度。并且,本文采用模糊積分的集成策略,綜合系統(tǒng)的考慮了各個(gè)需要集成的個(gè)體。最終綜合利用了SVM、模糊積分、模糊隸屬度、可變懲罰因子、最小二乘等原理,構(gòu)建本文改進(jìn)完善后的方法模型。最終本文通過(guò)編程實(shí)現(xiàn)模型的運(yùn)行實(shí)現(xiàn),將研究提出的方法與其他模型的預(yù)測(cè)性能對(duì)比,最終證實(shí)了改進(jìn)方法是可行并且具有高精確度的,也證實(shí)了本研究是具有一定的理論和實(shí)踐意義。
【關(guān)鍵詞】：商業(yè)銀行 信用風(fēng)險(xiǎn) 模糊動(dòng)態(tài)SVM集成 模型預(yù)測(cè)效果對(duì)比
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP18;F832.33
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 緒論9-22
• 1.1 課題來(lái)源及研究意義9-12
• 1.1.1 研究背景及問(wèn)題的提出9-10
• 1.1.2 課題研究意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-19
• 1.2.1 國(guó)外信用風(fēng)險(xiǎn)評(píng)估研究現(xiàn)狀12-16
• 1.2.2 國(guó)內(nèi)信用風(fēng)險(xiǎn)評(píng)估研究現(xiàn)狀16-17
• 1.2.3 國(guó)內(nèi)外信用風(fēng)險(xiǎn)評(píng)估研究綜述17-19
• 1.3 研究?jī)?nèi)容19-22
• 第2章 商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估理論知識(shí)22-34
• 2.1 商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估概述22-24
• 2.1.1 信用風(fēng)險(xiǎn)的定義22-23
• 2.1.2 商業(yè)銀行信用風(fēng)險(xiǎn)23-24
• 2.2 信用風(fēng)險(xiǎn)評(píng)估管理概述24-27
• 2.2.1 我國(guó)信用風(fēng)險(xiǎn)管理階段24-25
• 2.2.2 我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理方法25-26
• 2.2.3 中外商業(yè)銀行信用風(fēng)險(xiǎn)管理比較26-27
• 2.3 支持向量機(jī)SVM理論基礎(chǔ)27-32
• 2.3.1 統(tǒng)計(jì)學(xué)習(xí)理論（SLT）27-28
• 2.3.2 支持向量機(jī)（SVM）算法28-31
• 2.3.3 支持向量機(jī)（SVM）核函數(shù)31-32
• 2.4 信用風(fēng)險(xiǎn)評(píng)估方法的選擇和比較32-33
• 2.5 本章小結(jié)33-34
• 第3章 商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系研究34-41
• 3.1 指標(biāo)體系設(shè)計(jì)原則34-35
• 3.2 貸款企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)的分析35-37
• 3.2.1 償債能力分析35-36
• 3.2.2 盈利能力分析36
• 3.2.3 營(yíng)運(yùn)能力分析36-37
• 3.2.4 增長(zhǎng)能力分析37
• 3.3 貸款企業(yè)非財(cái)務(wù)風(fēng)險(xiǎn)的分析37-39
• 3.4 信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系構(gòu)建39-40
• 3.5 本章小結(jié)40-41
• 第4章 模糊動(dòng)態(tài)SVM集成的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型41-52
• 4.1 問(wèn)題的描述41
• 4.2 基于模糊動(dòng)態(tài)SVM集成信用風(fēng)險(xiǎn)評(píng)估模型41-50
• 4.2.1 SVM子分類器模糊動(dòng)態(tài)的改進(jìn)41-45
• 4.2.2 SVM子分類器的集成45-46
• 4.2.3 模糊動(dòng)態(tài)SVM集成模型的構(gòu)建46-50
• 4.3 本章小結(jié)50-52
• 第5章 模糊動(dòng)態(tài)SVM集成模型實(shí)例驗(yàn)證52-63
• 5.1 數(shù)據(jù)收集與預(yù)處理52-57
• 5.1.1 數(shù)據(jù)穩(wěn)健性處理52
• 5.1.2 歸一化處理數(shù)據(jù)和因子分析52-57
• 5.2 模型的實(shí)驗(yàn)設(shè)計(jì)及評(píng)價(jià)57-62
• 5.2.1 參數(shù)的設(shè)定57-58
• 5.2.2 模型試驗(yàn)結(jié)果與評(píng)價(jià)58-62
• 5.3 本章小結(jié)62-63
• 結(jié)論63-65
• 參考文獻(xiàn)65-70
• 附錄70-75
• 致謝75-76

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 于立勇,詹捷輝;基于Logistic回歸分析的違約概率預(yù)測(cè)研究[J];財(cái)經(jīng)研究;2004年09期

2 王建新;于立勇;;基于信用風(fēng)險(xiǎn)度的商業(yè)銀行風(fēng)險(xiǎn)評(píng)估模型研究[J];管理工程學(xué)報(bào);2007年04期

3 孟憲寶;李繼恭;彭濤;;基于貸款方式風(fēng)險(xiǎn)分析的大型集團(tuán)公司貸款方案選擇——以棗莊礦業(yè)集團(tuán)為例[J];中國(guó)青年科技;2008年09期

4 曹漢平;任若恩;;基于宏觀經(jīng)濟(jì)環(huán)境的銀行信用風(fēng)險(xiǎn)度量模型研究[J];企業(yè)經(jīng)濟(jì);2008年01期

5 尹麗;;基于KMV模型的中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J];統(tǒng)計(jì)與決策;2013年06期

，

本文編號(hào)：661812