SVM在個(gè)人房貸信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究.pdf

1、本課題以中國建設(shè)銀行基于數(shù)據(jù)倉庫技術(shù)的綜合信息平臺(tái)為基礎(chǔ)，對(duì)該平臺(tái)的企業(yè)風(fēng)險(xiǎn)管理模塊中個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估進(jìn)行了深入研究，實(shí)現(xiàn)了一個(gè)基于支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估系統(tǒng)。 首先，介紹了課題的應(yīng)用背景、個(gè)人住房貸款的現(xiàn)狀和現(xiàn)存的個(gè)人信用評(píng)估方法，提出了一種改進(jìn)的個(gè)人信用評(píng)估方法。然后介紹了數(shù)據(jù)挖掘中常用的分類方法，通過比較各種分類方法的優(yōu)點(diǎn)和缺點(diǎn)，給出了本文選用支持向量機(jī)的原因。 其次，深入研究了支持向量機(jī)的理論和算法。重

2、點(diǎn)研究了Platt提出的序列最小最優(yōu)化算法，實(shí)現(xiàn)了Keerthi提出的改進(jìn)的序列最小最優(yōu)化算法，并且實(shí)現(xiàn)了線性核、多項(xiàng)式核、徑向基核和Sigmoid核四種核函數(shù)。 再次，設(shè)計(jì)和實(shí)現(xiàn)了基于支持向量機(jī)的個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估原型系統(tǒng)，把該系統(tǒng)應(yīng)用于建行大連分行個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估。從綜合信息平臺(tái)抽取分類挖掘所需的數(shù)據(jù)并進(jìn)行預(yù)處理。通過所構(gòu)建模型的預(yù)測(cè)準(zhǔn)確率對(duì)比，得出實(shí)際應(yīng)用中徑向基模型較好，同時(shí)也證明了改進(jìn)后的個(gè)人信用評(píng)估方法