基于SVM的商業(yè)銀行信用風(fēng)險模型研究.pdf

1、信用風(fēng)險一直是金融市場上最基本、最古老也是危害最大的一類風(fēng)險。近年來，信用風(fēng)險再次受到整個金融業(yè)的極大關(guān)注。隨著金融自由化、全球化和金融創(chuàng)新的發(fā)展，商業(yè)銀行面臨的風(fēng)險環(huán)境日益復(fù)雜，行業(yè)內(nèi)的競爭日益激烈，使得銀行面臨更大的信用風(fēng)險。然而，由于信用風(fēng)險具有收益可偏性、非系統(tǒng)性和違約數(shù)據(jù)難獲取性的特點，長期以來對信用風(fēng)險的分析只停留在傳統(tǒng)的、靜態(tài)的、歷史的財務(wù)比率分析和信用分析上，沒有有效的信用風(fēng)險模型來衡量和控制違約風(fēng)險。因此，研究信用、控

2、制和管理成為學(xué)術(shù)界和應(yīng)用領(lǐng)域的一個重點，信用風(fēng)險是21世紀最重要的風(fēng)險管理挑戰(zhàn)之一。
　　 本文首先介紹了信用風(fēng)險的概念，從而引出了信用風(fēng)險管理，緊接著介紹了信用風(fēng)險管理的意義、目標、作用和內(nèi)容，然后又歸納了信用風(fēng)險管理中常用的9種分析方法，并歸納了其優(yōu)缺點和適用性。
　　 本文的重點是從統(tǒng)計學(xué)習(xí)理論的角度，詳細闡述了近年來最常用的支持向量機(SVM)方法。傳統(tǒng)的SVM算法的預(yù)測正確率比較高，尤其是當訓(xùn)練樣本的數(shù)量和測試

3、樣本的數(shù)量不是很多時。但在實際應(yīng)用中，數(shù)據(jù)量較大時，預(yù)測精度會降低，因此需要進一步改進模型，提高預(yù)測的準確精度。有鑒于此，本文提出了能夠提高信用風(fēng)險評估中SVM算法預(yù)測正確率的三個方案：參數(shù)優(yōu)選、不良訓(xùn)練樣本的刪減以及測試樣本的重新判別。通過分析形成了一個改進的SVM算法模型，并用MATLAB軟件編程實現(xiàn)。然后用具體數(shù)據(jù)進行測試，實踐表明本文提出的改進SVM算法對于信用風(fēng)險違約情況的預(yù)測正確率要高于傳統(tǒng)的SVM算法，并且當樣本規(guī)模越大時