基于支持向量機(jī)的信用風(fēng)險(xiǎn)模型.pdf

1、進(jìn)入21世紀(jì)以來，中國經(jīng)濟(jì)的迅猛發(fā)展離不開銀行對(duì)企業(yè)的扶持，其通過貸款的方式將所集中的貨幣和貨幣資金投放出去，以此滿足社會(huì)擴(kuò)大再生產(chǎn)及對(duì)補(bǔ)充資金的需要，促進(jìn)經(jīng)濟(jì)和企業(yè)的快速成長，然而這造成企業(yè)的信貸的規(guī)模不斷擴(kuò)大。近日，中國銀監(jiān)會(huì)發(fā)布2014年三季度監(jiān)管統(tǒng)計(jì)數(shù)據(jù)，商業(yè)銀行不良貸款余額7669億元，較上季末增加725億元；商業(yè)銀行不良貸款率1.16％，較上季末上升0.09個(gè)百分點(diǎn)。由此可見企業(yè)信貸管理對(duì)銀行信用風(fēng)險(xiǎn)管理的能力提出了更多要求

2、，而我國的商業(yè)銀行尚處于發(fā)展前期階段，對(duì)信用風(fēng)險(xiǎn)的管理難以滿足目前的發(fā)展需要。因此，本文通過主成分分析結(jié)合支持向量機(jī)的方法對(duì)企業(yè)客戶的信用風(fēng)險(xiǎn)評(píng)估模型進(jìn)行研究，為銀行建立信用風(fēng)險(xiǎn)預(yù)警機(jī)制提供了一種有效的技術(shù)與方法。
　　首先對(duì)企業(yè)貸款客戶的信用及信用風(fēng)險(xiǎn)進(jìn)行定義，然后運(yùn)用人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的方法對(duì)信用風(fēng)險(xiǎn)評(píng)估的主要風(fēng)險(xiǎn)因素建立模型，因此選擇了不同的22個(gè)財(cái)務(wù)指標(biāo)為銀行信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系，以此來建立商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型。