基于不平衡的银行破产分类算法研究.docVIP

  基于不平衡的银行破产分类算法研究 钟文寿，杨晓伟** （华南理工大学理学院，广州 510641） 5 10 15 20 摘要：银行破产预测问题，其实是个风险管理问题，本文通过应用分析基于不平衡数据的 SVM 及代价敏感方法，对大量银行财务指标数据进行分析，通过比较各种各样的机器学习模 型，找出最佳的基于 SVM 的银行破产预测分类算法。本文的实验验证了基于不平衡数据的 SVM 分类算法能有效地对银行财务数据进行预警，有利于机构及时发现问题，采取措施以防 破产发生。 关键词：支持向量机；代价敏感；SMOTE；银行破产预测 中图分类号：TP312 Banks Bankruptcy prediction via imbalanced clarification arithmetic Zhong Wenshou, Yang Xiaowei (South China University of Technology, GuangZhou 510641) Abstract: The banks bankruptcy prediction problem, is risk management problem, through the application of the SVM arithmetic with cost sensitive learning, this article address the analysis on large amount of financial index of banks. And comparing the various kinds of machine learning, find out the best arithmetic on banks bankruptcy prediction. The experiments prove that the arithmetic base on SVM can efficiently find out those financial data which may lead to bank bankruptcy. It is beneficiary to those bank companies to investigate the potential issue and take necessary actions to prevent the bank bankruptcy. Keywords: SVM; Cost Sensitive; SMOTE; Bank failure prediction 25 0 引言 对金融机构破产的预测，特别地对于银行的破产预测，从六十年代开始就广泛地被研究。 在金融产业里，银行破产对于监管机构来说是个非常重大的问题。一个银行的破产会引起连 锁反应，最终会危害到整个银行产业，同时也会对其他金融机构产生不利的影响。美国联邦 30 35 40 存款保险公司（FDIC）最新公布的数据显示，2010 年全美共有 157 家银行破产，为 1992 年以来银行破产数量最多的一年。随着银行破产案件的不断上升，预测潜在的银行倒闭或高 风险的银行是非常意义的。 从 20 世纪 70 年代开始，银行监管当局和许多学者不断努力研究银行破产的预测方法。 在过去的几十年里，各式各样的传统统计模型被引入到银行破产问题中，如多元判别分析 （Multivariate Discriminant Analysis (MDA) Sinkey, 1975) logit 模型 (Martin, 1977) 和 Cox’s 的比例风险模型(proportional hazards model (the Cox’s model) (Lane, Looney, Wansley, 1986; Cole et al., 1995)等。但是这些模型都有或多或少的缺陷，而且不能确认导致银行破产的具体 特征。目前流行的一些工具，如：神经网络(Ng, Erdogan,Ng, 1995; Ng Sim, 1998)，模糊 系统(fuzzy system， Tang, Quek, Ng, 2005),证据合成(evidence combination Ng Singh, 1998; Ng Singh, 1998)，模糊 CMAC 架构 FCMAC-CRI(S) (fuzzy neural networks，G.S. Ng *, C. Quek, H. Jiang，2008)[1] 等一些数学模型都能解决非线性问题，这些方法的容错性能使 之能够很好地用于预测。 作者简介：钟文寿，（1981-），男，硕士研究生，主要研究方向：精算与风险管理。 通信联系人