本文關(guān)鍵詞：基于決策樹的類別非平衡銀行信貸風(fēng)險預(yù)警建模研究

  更多相關(guān)文章： 銀行信貸風(fēng)險 預(yù)警 ID3 SMOTE DSRA Bagging 分類

【摘要】：長期以來,金融市場的一個重要特征就是信貸風(fēng)險的廣泛存在,信貸風(fēng)險作為一個全球性的問題,早已和銀行體系融為一體,是銀行業(yè)經(jīng)營過程中不可回避的現(xiàn)實。隨著社會經(jīng)濟(jì)的不斷發(fā)展,經(jīng)濟(jì)體制改革的不斷深入,破產(chǎn)企業(yè)的數(shù)量正在逐年增加,從而嚴(yán)重導(dǎo)致了銀行信貸資產(chǎn)數(shù)目的不斷擴(kuò)大,由信貸而形成的不良資產(chǎn)數(shù)額以及所占的比例與全球各國相比都處于較差的水平,由此可以看出我國銀行信貸風(fēng)險對于全國的經(jīng)濟(jì)發(fā)展已經(jīng)形成了一個巨大隱患。因此,如何通過建立銀行信貸風(fēng)險預(yù)警機(jī)制來降低信貸風(fēng)險、提高信貸資產(chǎn)的質(zhì)量是當(dāng)前一個非常迫切的問題。本文在查閱、分析了大量銀行信貸風(fēng)險的發(fā)生、形成、危害以及處理等相關(guān)文獻(xiàn)的基礎(chǔ)上,對當(dāng)前銀行信貸風(fēng)險管理中的預(yù)警管理所存在的問題進(jìn)行全面分析,以期通過更科學(xué)以及更具有現(xiàn)實應(yīng)用意義的研究方法來對銀行信貸風(fēng)險預(yù)警進(jìn)行研究,并使研究成果在實際應(yīng)用上有所提高。在處理方法上,主要是在財務(wù)分析理論、類別非平衡分析理論以及預(yù)警決策理論的基礎(chǔ)上采用人工智能方法,數(shù)據(jù)挖掘技術(shù)以及其它相關(guān)科學(xué)的研究方法,對銀行信貸風(fēng)險預(yù)警的理論和方法體系進(jìn)行研究。首先,在參考與分析了前人以1：l的平衡度來選取正負(fù)類樣本數(shù)量的基礎(chǔ)上,本文以1：3的比例來收集ST和非ST公司的樣本數(shù)量,以一種類別非平衡的角度來研究該問題,更加符合實際性與合理性。然后,采用類別非平衡數(shù)據(jù)分類處理方法中較為經(jīng)典的決策樹(Decision Tree)算法、SMOTE采樣方法、差異采樣率重采樣技術(shù)(DSRA)及Bagging技術(shù)相結(jié)合構(gòu)造了DSB-ID3模型,并將DSB-ID3模型與單決策樹ID3模型、基于過采樣的決策樹ID3模型(OS-ID3)以及基于過欠雙重采樣的決策樹ID3模型(OUS-ID3)進(jìn)行比較,分析其優(yōu)劣勢。最后,在實證研究過程中選取上市公司ST企業(yè)138家,非ST企業(yè)414家,并選取7個顯著性財務(wù)指標(biāo),通過相關(guān)預(yù)處理得到實驗初始數(shù)據(jù)。經(jīng)過實證數(shù)據(jù)結(jié)果分析得出,DSB-ID3模型得到的G均值和F均值以及總的準(zhǔn)確率都是最高的,且穩(wěn)定性也是最好的。因此,本文提出的DSB-ID3模型在預(yù)警準(zhǔn)確率上面相比前面幾種模型有了顯著提升,且該模型更具有實際應(yīng)用價值。
【關(guān)鍵詞】：銀行信貸風(fēng)險 預(yù)警 ID3 SMOTE DSRA Bagging 分類
【學(xué)位授予單位】：浙江師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：F832.4
【目錄】：

• 摘要3-5
• ABSTRACT5-9
• 致謝9-10
• 一、緒論10-26
• (一) 研究背景及意義10-14
• 1. 研究背景10-12
• 2. 研究意義12-14
• (二) 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)14-22
• 1. 銀行信貸風(fēng)險預(yù)警建模研究現(xiàn)狀14-18
• 2. 類別非平衡數(shù)據(jù)分類問題研究現(xiàn)狀18-21
• 3. 當(dāng)前研究評述及發(fā)展動態(tài)21-22
• (三) 研究內(nèi)容和論文的組織結(jié)構(gòu)22-23
• (四) 研究方法和技術(shù)路線23-24
• (五) 本文的創(chuàng)新之處24-26
• 二、基于決策樹的銀行信貸風(fēng)險預(yù)警理論概述26-35
• (一) 信貸風(fēng)險基礎(chǔ)理論26-29
• 1. 信貸風(fēng)險的界定26-28
• 2. 信貸風(fēng)險的種類28
• 3. 信貸風(fēng)險的特征28-29
• (二) 信貸風(fēng)險預(yù)警基礎(chǔ)理論29-31
• 1. 信貸風(fēng)險預(yù)警的定義29-30
• 2. 信貸風(fēng)險預(yù)警的理論基礎(chǔ)30-31
• (三) 信貸風(fēng)險預(yù)警的決策樹模型原理31-35
• 1. 決策樹算法的發(fā)展31-32
• 2. 決策樹ID3算法的原理概述32-35
• 三、銀行信貸風(fēng)險預(yù)警的類別非平衡決策樹模型構(gòu)建35-44
• (一) 基于隨機(jī)過采樣技術(shù)的決策樹ID3預(yù)警模型(OS-ID3)35-36
• 1. OS-ID3預(yù)警模型原理35
• 2. OS-ID3預(yù)警模型優(yōu)缺點分析35-36
• (二) 基于過欠雙重采樣技術(shù)的決策樹ID3預(yù)警模型(OUS-ID3)36-37
• 1. OUS-ID3預(yù)警模型原理36-37
• 2. OUS-ID3預(yù)警模型優(yōu)缺點分析37
• (三) 基于DSRA,SMOTE及Bagging的決策樹ID3預(yù)警模型(DSB-ID3)37-44
• 1. 差異采樣率重采樣技術(shù)(DSRA)37-38
• 2. SMOTE算法38-40
• 3. Bagging算法原理40-41
• 4. DSB-ID3銀行信貸風(fēng)險預(yù)警模型的原理41-42
• 5. DSB-ID3模型用于銀行信貸風(fēng)險預(yù)警的優(yōu)點分析42-44
• 四、實證研究44-57
• (一) 數(shù)據(jù)來源44
• (二) 財務(wù)指標(biāo)體系44-46
• (三) 評價指標(biāo)選擇46-47
• (四) 實驗及建模過程設(shè)計47-48
• (五) 實驗結(jié)果分析48-57
• 1. 圖象判別分析48-53
• 2. 定量判別分析53-57
• 五、研究結(jié)論和未來展望57-59
• (一) 全文研究結(jié)論57
• (二) 模型應(yīng)用存在的問題及展望57-59
• 參考文獻(xiàn)59-65
• 攻讀學(xué)位期間取得的研究成果65-66
• 致謝66-67
• 浙江師范大學(xué)學(xué)位論文誠信承諾書67-68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 朱堅鋒;銀行信貸風(fēng)險及對策[J];經(jīng)濟(jì)師;2005年07期

2 胡紹輝;雷鳴;;銀行信貸風(fēng)險的成因[J];銀行與企業(yè);1993年01期

3 王世琦;試論銀行信貸風(fēng)險[J];學(xué)術(shù)交流;1995年03期

4 張永革;筑巢引鳳　振興青海──從青海銀行信貸風(fēng)險成因中探討尋求更多資金支持的對策[J];青海金融;1997年07期

5 汪軍,喜黃欣;我國銀行信貸風(fēng)險的預(yù)警與化解[J];金融理論與實踐;1999年08期

6 胡趙華;對我國銀行信貸風(fēng)險特征的幾點認(rèn)識[J];銀行與企業(yè);1999年12期

7 尚學(xué)明;如何防范與化解銀行信貸風(fēng)險[J];遼寧財專學(xué)報;2000年01期

8 鐘光成;銀行信貸風(fēng)險的源頭分析及其防止[J];中國農(nóng)業(yè)銀行武漢管理干部學(xué)院學(xué)報;2001年06期

9 石廣琳;我國銀行信貸風(fēng)險的成因及對策分析[J];探求;2001年04期

10 劉偉,馬驍;我國銀行信貸風(fēng)險及化解方式分析[J];華北礦業(yè)高等�？茖W(xué)校學(xué)報;2001年02期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 農(nóng)貴國;;銀行信貸風(fēng)險特點及防范[A];邁向新世紀(jì)[C];1999年

2 余永勤;;依法防范和化解農(nóng)業(yè)政策性銀行信貸風(fēng)險[A];中共紫陽縣委黨校畢業(yè)生優(yōu)秀論文選論文集[C];2004年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 程暉;銀行信貸風(fēng)險評價方法有望改變[N];中國經(jīng)濟(jì)導(dǎo)報;2005年

2 胡;科學(xué)防范銀行信貸風(fēng)險[N];西藏日報;2000年

3 本報記者 丁玉萍;資產(chǎn)公司不良難收購 銀行信貸風(fēng)險被低估[N];21世紀(jì)經(jīng)濟(jì)報道;2012年

4 ;五大缺陷促生銀行信貸風(fēng)險[N];金融時報;2004年

5 實習(xí)生 孫曉輝 向輝 本報記者　傅春榮;加息能為銀行信貸風(fēng)險“鎮(zhèn)痛”？[N];中華工商時報;2006年

6 北京智澤華軟件公司董事長 張金昌;銀行信貸風(fēng)險評價方法有望改變[N];中國計算機(jī)報;2005年

7 侯慶華;企業(yè)融資呈新態(tài)勢銀行信貸風(fēng)險需關(guān)注[N];金融時報;2005年

8 張光軍;經(jīng)濟(jì)下行期銀行信貸風(fēng)險及對策[N];中國城鄉(xiāng)金融報;2014年

9 錢夙偉;“38層地標(biāo)建筑閑置”是滯后的銀行信貸風(fēng)險[N];上海金融報;2011年

10 易紅;“壘大戶” 銀行信貸風(fēng)險越壘越大[N];經(jīng)理日報;2005年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 羅亞楠;C銀行信貸風(fēng)險成因與控制策略研究[D];西安石油大學(xué);2015年

2 柏明佐;SDZ銀行信貸風(fēng)險管理體系構(gòu)建[D];山東理工大學(xué);2015年

3 沈佳音;K銀行信貸風(fēng)險內(nèi)部控制研究[D];沈陽工業(yè)大學(xué);2016年

4 劉書婷;A村鎮(zhèn)銀行信貸風(fēng)險內(nèi)部審計研究[D];吉林財經(jīng)大學(xué);2016年

5 郎杰;基于決策樹的類別非平衡銀行信貸風(fēng)險預(yù)警建模研究[D];浙江師范大學(xué);2015年

6 孫文斌;政策性銀行信貸風(fēng)險評價研究[D];哈爾濱工業(yè)大學(xué);2008年

7 遲雪;鄞州農(nóng)村合作銀行信貸風(fēng)險實證研究[D];哈爾濱理工大學(xué);2010年

8 劉國通;企業(yè)資產(chǎn)重組對銀行信貸風(fēng)險的影響及對策[D];對外經(jīng)濟(jì)貿(mào)易大學(xué);2003年

9 梁江;泗洪農(nóng)村合作銀行信貸風(fēng)險研究[D];南京農(nóng)業(yè)大學(xué);2011年

10 于躍峰;鄉(xiāng)鎮(zhèn)企業(yè)貸款決策引致銀行信貸風(fēng)險研究[D];中國農(nóng)業(yè)大學(xué);2002年

，

本文編號：1052134