基于支持向量機的商業(yè)銀行信用風(fēng)險評級模型研究.pdf_第1頁
已閱讀1頁，還剩48頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、商業(yè)銀行的核心業(yè)務(wù)即是經(jīng)營風(fēng)險，而信用風(fēng)險被銀行業(yè)視為最主要的風(fēng)險之一，信用風(fēng)險評級技術(shù)密切影響著銀行業(yè)的發(fā)展。在新的國際形勢下，提出新的信用風(fēng)險量化方法、技術(shù)及模型顯得尤為重要。
　　支持向量機算法是一個凸優(yōu)化問題，能夠較好的解決小樣本、非線性、高維數(shù)等實際問題，在回歸估計預(yù)測、人臉識別以及分類等方面都有良好的應(yīng)用前景。在信用評級這一領(lǐng)域，傳統(tǒng)的信用評級模型均為參數(shù)模型，對數(shù)據(jù)要求比較嚴(yán)格，滿足條件的理想數(shù)據(jù)很是匱乏。支持向量機

2、方法可以克服傳統(tǒng)統(tǒng)計方法的限制，適合于小樣本預(yù)測與回歸，比較適合用于銀行對貸款客戶進行快速的信用評價。
　　本文首先概述Logit回歸及支持向量機的基本理論與推導(dǎo)，重點介紹了支持向量機的分類算法。傳統(tǒng)的Logit模型應(yīng)用廣泛，但該模型采用0.5為兩分類分界點，在分類邊界附近的模糊區(qū)間往往存在誤判，將SVM分類算法引入，用組合算法來提高模糊邊界的分類準(zhǔn)確率。而后，本文應(yīng)用上市公司財務(wù)數(shù)據(jù)，對改進模型進行了驗證，實驗表明改進模型具有更

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論