商業(yè)銀行信貸風(fēng)險(xiǎn)監(jiān)管方法研究與應(yīng)用.pdf

1、在經(jīng)濟(jì)全球化以及美國(guó)次債危機(jī)的背景下，由授信業(yè)務(wù)造成的信用風(fēng)險(xiǎn)越來(lái)越受到金融監(jiān)管部門(mén)和商業(yè)銀行的關(guān)注。授信客戶(hù)信用風(fēng)險(xiǎn)過(guò)高不僅會(huì)對(duì)自身償還貸款產(chǎn)生影響，同時(shí)也會(huì)對(duì)銀行產(chǎn)生潛在的利益損害。因此，研究如何對(duì)信貸風(fēng)險(xiǎn)進(jìn)行監(jiān)管，幫助商業(yè)銀行規(guī)避金融風(fēng)險(xiǎn)，具有重要意義和實(shí)際應(yīng)用價(jià)值。
　　 本文針對(duì)信貸風(fēng)險(xiǎn)管理中存在的信貸風(fēng)險(xiǎn)及其有效規(guī)避方法展開(kāi)研究，在深入了解商業(yè)銀行信貸業(yè)務(wù)的基礎(chǔ)上，運(yùn)用人工智能信息處理技術(shù)，對(duì)客戶(hù)的金融交易信息進(jìn)行跟

2、蹤分析，建立一套可面向單個(gè)客戶(hù)預(yù)測(cè)客戶(hù)還款能力強(qiáng)弱的信貸風(fēng)險(xiǎn)監(jiān)管模型。主要工作和貢獻(xiàn)如下：
　　 1．深入研究了商業(yè)銀行信貸風(fēng)險(xiǎn)監(jiān)管的相關(guān)業(yè)務(wù)和管理方法；
　　 2．在深入研究商業(yè)銀行信貸管理業(yè)務(wù)的基礎(chǔ)上，將最小二乘支持向量機(jī)(LS-SVM)引入到授信風(fēng)險(xiǎn)預(yù)測(cè)領(lǐng)域，構(gòu)建了一個(gè)信貸風(fēng)險(xiǎn)模型。該模型能根據(jù)授信客戶(hù)賬戶(hù)金融交易特點(diǎn)，預(yù)測(cè)授信客戶(hù)還款能力（分“強(qiáng)”和“弱”兩類(lèi)）。
　　 實(shí)驗(yàn)表明，該模型能正常工作，與傳統(tǒng)

3、基于多元判別分析法(MDA)相比，本文分類(lèi)建模采用的LS-SVM方法的模型效果更理想，模型預(yù)測(cè)準(zhǔn)確率可達(dá)到88.78％;
　　 3．深入研究和分析了LS-SVM建模過(guò)程中，核參數(shù)和正規(guī)化參數(shù)對(duì)本文所構(gòu)建的信貸風(fēng)險(xiǎn)模型分類(lèi)錯(cuò)誤率的影響；
　　 4．直接參與了課題組“信貸風(fēng)險(xiǎn)管理系統(tǒng)”項(xiàng)目的研發(fā)工作。具體負(fù)責(zé)其中“系統(tǒng)數(shù)據(jù)采集處理”、“用戶(hù)登錄管理”、“系統(tǒng)用戶(hù)及權(quán)限管理”等幾個(gè)主要模塊的設(shè)計(jì)與實(shí)現(xiàn)。這些模塊現(xiàn)都已實(shí)現(xiàn)，并能