基于SVM的银行信用风险评估实证研究.docVIP

摘要 随着我国经济的快速发展，银行的信贷业务不断扩大，给银行带来收益的同时也带来了一定的风险。消费者信用风险评估是金融与银行界研究的重要内容。最近的研究显示统计学习理论方法在信用评估中具有明显的优势。本文主要对统计学习理论方法中的一种新方法——支持向量机方法进行实证研究。 本论文运用实证分析和定量分析的研究方法，首先从分析当前我国信用相对薄弱的现实出发，分析国内外在该领域内的研究现状，比较神经网络、决策树、判别分析等信用评估方法的优缺点，重点描述支持向量机方法的基本理论，然后利用两组实际数据集（德国、澳大利亚数据集）对SVM方法进行实证研究，得出结论。为了达到更高的预测分类能力及保证可靠性，实验中使用交叉验证的方法来寻找不同核函数的最优参数。最后提出结论，为以后的进一步研究提供依据。 关键词　数据挖掘、支持向量机、信用评估、预测分类、核函数 Abstract With the rapid development of our economy, the bank credit business expands unceasingly,which brings great profits and also brings certain risks.Consumer credit risk assessment is a important content in financial and banking research. Recent research shows that method of statistical learning theory has obvious advantages in credit scoring. This paper chooses a new method of the statistical learning theory methods—SVM. This paper uses empirical analysis and quantitative analysis research methods firstly analyzing the relatively disadvantages of our current credit scoring and the current situation both at home and abroad.Then it describes the advantages and disadvantages of other credit evaluation method,such as neural network,decision trees and discriminatory analysis.The most important part is the basic theory of support vector machine method.At last,it uses two groups of actual data set (Germany, Australia datasets) to demonstrate SVM and draws a conclusion. In order to achieve higher classification accuracy rate and ensure reliability, this experiment uses a cross-validation method to find different kernel functions and optimal parameters. Finally it puts forward a conclusion to lay the foundation of further research. Keywords　摘要 I Abstract II 目录 III 第1章 绪论 1 1.1 课题背景 1 1.2 研究现状 1 1.3 研究意义 2 1.4 研究内容与步骤 2 第2章 数据挖掘与信用评估 4 2.1 信用评估简介 4 2.1.1 信用评估概念 4 2.1.2 信用评估特点 5 2.2 数据挖掘技术在信用评估中的应用 6 2.3 信用评估方法 7 2.3.1 神经网络方法 7 2.3.2 决策树方法 8 2.3.3 判别分析方法 8 第3章 支持向量机概述 10 3.1 支持向量机简介 10 3.2 支持向量机的基本思想 10 3.3 核函数 12 第4章 信用评级的实证研究 13 4.1 实验数据集 13 4.2 实验数据处理 13 4.3 实验分析与结果 19 第5章 总结与展望 22 5.1 总结 22