基于支持向量機(jī)的商業(yè)銀行信用風(fēng)險(xiǎn)評級模型研究.pdf

1、商業(yè)銀行的核心業(yè)務(wù)即是經(jīng)營風(fēng)險(xiǎn)，而信用風(fēng)險(xiǎn)被銀行業(yè)視為最主要的風(fēng)險(xiǎn)之一，信用風(fēng)險(xiǎn)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(xiǎn)量化方法、技術(shù)及模型顯得尤為重要。
　　支持向量機(jī)算法是一個(gè)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(shí)際問題，在回歸估計(jì)預(yù)測、人臉識(shí)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(jī)

2、方法可以克服傳統(tǒng)統(tǒng)計(jì)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(jìn)行快速的信用評價(jià)。
　　本文首先概述Logit回歸及支持向量機(jī)的基本理論與推導(dǎo)，重點(diǎn)介紹了支持向量機(jī)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(diǎn)，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(cái)務(wù)數(shù)據(jù)，對改進(jìn)模型進(jìn)行了驗(yàn)證，實(shí)驗(yàn)表明改進(jìn)模型具有更