本文以銀行風(fēng)險(xiǎn)管理的相關(guān)理論為指導(dǎo)，對集體經(jīng)濟(jì)實(shí)體貸款各方面進(jìn)行研究，分析在現(xiàn)行信貸風(fēng)險(xiǎn)評價(jià)理論和方法下集體經(jīng)濟(jì)實(shí)體信用評價(jià)的情況。通過深入調(diào)查研究，提出了集體經(jīng)濟(jì)實(shí)體信貸風(fēng)險(xiǎn)可能的變化趨勢。結(jié)合目前我國經(jīng)濟(jì)發(fā)展的實(shí)際情況與需要，特別是集體經(jīng)濟(jì)發(fā)展的現(xiàn)狀，以信貸風(fēng)險(xiǎn)管理中的Zeta和Z評分模型及CreditMetrics模型等為理論基礎(chǔ)，結(jié)合集體經(jīng)濟(jì)實(shí)體信貸的實(shí)際案例，對集體經(jīng)濟(jì)實(shí)體信貸風(fēng)險(xiǎn)分析和度量進(jìn)行了剖析，構(gòu)建集體經(jīng)濟(jì)實(shí)體信貸風(fēng)險(xiǎn)預(yù)測模型，為銀行信貸風(fēng)險(xiǎn)管理領(lǐng)域的研究提供參考。主要思路是：以我國集體經(jīng)濟(jì)業(yè)務(wù)為切入點(diǎn)，針對集體經(jīng)濟(jì)信貸業(yè)務(wù)發(fā)展中存在的違約風(fēng)險(xiǎn)，應(yīng)用數(shù)據(jù)挖掘技術(shù)于違約的主要源頭——信用風(fēng)險(xiǎn)評估，通過建立基于神經(jīng)網(wǎng)絡(luò)算法的信用評估模型，對申請信貸業(yè)務(wù)的借款人信用狀況進(jìn)行評估，預(yù)測出借款人可能的違約狀況，從而從貸款審批源頭上控制風(fēng)險(xiǎn)。主要內(nèi)容：第一部分對集體經(jīng)濟(jì)實(shí)體信貸的發(fā)展?fàn)顩r和特點(diǎn)進(jìn)行比較分析，進(jìn)而得出集體經(jīng)濟(jì)實(shí)體信貸風(fēng)險(xiǎn)的多方面成因。第二部分對數(shù)據(jù)挖掘理論的原理、過程，以及人工神經(jīng)網(wǎng)絡(luò)主要算法的原理和應(yīng)用進(jìn)行研究。第三部分在對集體經(jīng)濟(jì)信用風(fēng)險(xiǎn)成因深入研究的基礎(chǔ)上，研... 

【文章來源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：67 頁

【學(xué)位級別】：碩士

【部分圖文】：

Clementine輔助數(shù)據(jù)離散化的分箱處理采用分位數(shù)（同等計(jì)數(shù)法）進(jìn)行離散化，使得每個(gè)指標(biāo)對應(yīng)的每個(gè)區(qū)間樣本數(shù)目相

模型參數(shù)選擇1

模型參數(shù)選擇2選取不同的隱層節(jié)點(diǎn)數(shù)對BP模型分別多次訓(xùn)練，得到模型的準(zhǔn)確率如表所示

【參考文獻(xiàn)】：
期刊論文
[1]基于GMDH方法和BP神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)預(yù)警模型[J]. 蔣薇,何躍,魏仕強(qiáng).  現(xiàn)代管理科學(xué). 2006(10)
[2]信用風(fēng)險(xiǎn)評價(jià)模型進(jìn)展及其對我國農(nóng)村信用社適用性研究[J]. 馬九杰.  中國地質(zhì)大學(xué)學(xué)報(bào)(社會科學(xué)版). 2001(03)

碩士論文
[1]東莞村級經(jīng)濟(jì)實(shí)體信貸風(fēng)險(xiǎn)評價(jià)分析[D]. 黃智芳.天津大學(xué) 2009



本文編號：3384654