基于模糊积分集成支持向量机的商业银行信用风险评价模型研究

摘要

商业银行作为金融和交易的主要金融中介，是一个国家经济状况的晴雨表，在减少经济风险和不稳定因素，保证国民经济顺畅运行方面发挥着举足轻重的作用。商业银行在运营中本身承担着各种类型的风险，包括信用风险、利率风险、流动性风险、管理风险、资本风险和政策风险等。其中信用风险在各种风险中占有特殊重要的地位，是导致银行破产的最主要因素。
　　信用风险是商业银行信贷风险管理中一项基础性的工作，其目的在于分析银行在贷款业务中可能面临的信用风险，从而为贷款决策提供依据。但是，传统的信用风险评估方法仅仅从贷款企业角度来评价商业银行所面临的信用风险，而忽略了银行本身存、贷款结构和风险状况对信用风险的影响，造成了评估主体缺位。特别是新巴塞尔协议的实施，使得原有的信用风险评估方法更不能适应新的要求。本文在认真分析我国商业银行信用风险成因的基础上，从贷款企业风险因素、银行风险因素和新巴塞尔协议强调的风险因素三个方面进行了信用风险因素分析。本文首次将企业的现金流量分析纳入指标体系中，建立了一个由23个指标组成的信用风险评价的指标体系。
　　本文介绍了支持向量机方法和模糊积分，论述了支持向量机分类方法的结构及算法原理。重点介绍了集成支持向量机模型的建立。现在的支持向量机的集成融合技术都没有考虑每个子支持向量机之间的权重关系。在本文中提出了一种新的基于模糊积分的集成支持向量机来解决此类问题。根据子支持向量机的分类结果，通过模糊积分赋予每个子支持向量机不同的权值对其进行集成。
　　通过与基于投票方式的集成支持向量机、单一支持向量机和模糊神经网络的方法进行比较，结果表明基于模糊积分的集成支持向量机的分类准确性明显好于其它几种方法。

目录

基于模糊积分集成支持向量机的商业银行信用风险评价模型研究

SUPPORT VECTOR MACHINE BASED ON FUZZY INTEGRAL FOR CREDIT RISK MODEL EVALUATION OF COMMERCIAL BANK

摘要

Abstract

第1章 绪论

1.1 问题研究的背景

1.2 问题研究的意义

1.3 信用风险评估现状

1.3.1 商业银行信用风险管理的主要模型和方法

1.3.2 研究现状述评

1.4 本文的主要研究内容

第2章 我国商业银行信用风险现状分析

2.1 银行信用风险成因及理论的一般分析

2.1.1 银行信用风险的概念

2.1.2 银行信用风险的成因

2.1.3 银行信用风险的特征

2.2 我国商业银行信用风险的现状及成因分析

2.2.1 我国商业银行信用风险的现状

2.2.2 我国商业银行信用风险的成因分析

2.3 巴塞尔协议的产生背景及发展历程

2.3.1 巴塞尔协议的产生

2.3.2 巴塞尔协议的发展

2.4 新巴塞尔资本协议简述

2.4.1 新资本协议中信用风险衡量指标的变化

2.4.2 新资本协议的目标

2.5 新巴塞尔协议对我国银行信用风险管理的挑战

2.5.1 巴塞尔协议对我国银行业的挑战

2.5.2 巴塞尔协议下的我国银行信用风险评价

2.6 本章小结

第3章 商业银行信用风险评价指标体系的确定

3.1 贷款企业自身风险

3.1.1 基本财务指标评估

3.1.2 现金流量表分析

3.1.3 非财务因素

3.2 银行风险因素评估

3.2.1 资本充足方面的考察

3.2.2 资本质量方面的考察

3.2.3 收益状况方面的考察

3.2.4 银行管理水平方面的考察

3.3 新巴塞尔资本协议中特别关注的考察

3.3.1 国家风险的考察

3.3.2 贷款相关度的考察

3.3.3 贷款时限的考察

3.3.4 特殊事件的考察

3.4 指标体系的确定

3.4.1 指标选择原则

3.4.2 指标体系的确定

3.5 本章小结

第4章 基于模糊积分的集成支持向量机

4.1 机器学习理论

4.2 支持向量机的理论基础

4.2.1 “VC维”和“推广性的界”

4.2.2 经验风险最小化

4.2.3 结构风险最小化

4.2.4 最优超平面

4.2.5 支持向量机的核函数

4.3 支持向量机的分类算法

4.3.1 线性可分

4.3.2 线形不可分

4.4 基于模糊积分的支持向量机的集成

4.4.1 支持向量机的集成

4.4.2 模糊积分的理论基础

4.4.3 基于模糊积分的支持向量机集成

4.5 本章小结

第5章 模型建立和实证研究

5.1 基于集成支持向量机的商业银行信用风险模型

5.1.1 集成支持向量机评价商业银行信用风险的实用性

5.1.2 信用风险模型所包含指标体系的内容

5.1.3 信用风险评估模型的输出和评价

5.2 模型中支持向量机的选择和表达

5.2.1 银行信用风险评估的支持向量机表达

5.2.2 子支持向量机的选择

5.3 实证研究

5.3.1 样本数据的选取和处理

5.3.2 参数的选择

5.3.3 模型分类结果及分析

5.4 评估结果的检验和对比

5.5 本章小结

结论

参考文献

致谢

哈尔滨工业大学硕士学位论文使用授权书

哈尔滨工业大学硕士学位原创性声明