基于決策樹的信用風(fēng)險評估方法研究.pdf

1、信用風(fēng)險是金融領(lǐng)域的重要研究課題，加強商業(yè)銀行信用風(fēng)險管理既是完善社會主義市場經(jīng)濟的客觀要求，也是與國際接軌，應(yīng)對新巴塞爾資本協(xié)議的現(xiàn)實要求。近年來，隨著信用經(jīng)濟規(guī)模的不斷擴大、信用衍生工具的大量使用，尤其是去年全球金融危機的爆發(fā)，信用風(fēng)險再一次成為國際學(xué)術(shù)界關(guān)注的焦點。
　　 本文采用規(guī)范研究與實證研究相結(jié)合的方法對信用風(fēng)險管理中最為重要的信用風(fēng)險評估方法進行了深入研究。分析了不同信用風(fēng)險評估方法的特點，指出了現(xiàn)有評估模型的缺

2、陷，提出了用數(shù)據(jù)挖掘中決策樹技術(shù)建立信用風(fēng)險評估模型的基本思想。主要研究成果概括為：
　　 第一，針對信用風(fēng)險研究中財務(wù)數(shù)據(jù)的連續(xù)性特征，首先證明了關(guān)于以正規(guī)增益為評價標準的切點與邊界點屬性值關(guān)系的定理，并以此為基礎(chǔ)提出了基于邊界點屬性值合并和不一致度檢驗的離散化算法。該方法打破了傳統(tǒng)連續(xù)屬性離散化遍歷搜索的思路，在保證效率的基礎(chǔ)上顯著提高了離散效果。
　　 第二，分析了傳統(tǒng)決策樹方法在信用風(fēng)險評估中存在的局限，提出了組

3、合優(yōu)化和多層解析兩種全新的決策樹算法。前者從數(shù)據(jù)的離散化，降維，和屬性選擇方面有效的解決了處理大規(guī)模高維數(shù)據(jù)庫時的效率與精度之間的矛盾。后者則運用分解預(yù)測的多分類器思想，解決了多類別間數(shù)據(jù)疊加造成的噪音放大問題，分類效果和效率較普通方法有了極大的提高。
　　 第三，基于我國上市公司的二分類和多分類樣本，以及德國個人信用數(shù)據(jù)，分別構(gòu)建了基于組合優(yōu)化以及多層解析決策樹的信用風(fēng)險評估模型，并給出了可供實際操作的算法程序。通過與其他模型