基于SVM的商业银行信用风险预测.docVIP

基于SVM的商业银行信用风险预测 ［提要］　通过粗糙集理论的约简算法与支持向量机的分类算法，应用到商业银行信用风险预测。借助用户反馈标记提高了查全率和查准率，使检索的信息更符合语义特征。 关键词：支持向量机；粗糙集；信用风险；信用风险评估 一、引言 随着金融市场的波动性和金融全球化的影响，金融的关注焦点之一的商业银行风险管理面临着极大的挑战。信用风险、利率风险、流动性风险、操作风险、科技风险是商业银行运营过程中面临的金融风险，信用风险占有重要的地位。信用风险是指，借款人由于各种原因，不愿或无力偿还银行贷款本息，使银行贷款无法收回，造成呆账损失的可能性。在商业银行经营中，影响商业银行安全高效运营的主要原因是信用风险。房屋贷款、农业抵押贷款、企业贷款等，导致呆账和不良贷款不断增加，造成流动性危机，最终使其倒闭，给金融业和整个国民经济造成严重损失。所以，加强信用风险尤为重要，对于中国处于市场转型期下的我国商业银行，加强信用风险显得尤为重要。究其原因，商业银行的运营中，不良资产一直是影响我国银行业有效经营的主要因素，呆账坏账的负担是我国商业银行进一步发展的障碍，加强信用风险管理是解决这一问题的关键。 目前，许多定量技术和支持工具、软件已经应用到商业。传统的比例分析、统计方法都得到广泛的应用，如判别分析和ｌogistic回归等。神经网络、专家系统、分类树也被用于商业银行的信用风险中。在我国，