基于支持向量机的商业银行信用风险评估模型-厦门大学学报（自然科学版）.PDFVIP

第 44 卷 　第 1 期 ( ) Vol . 44 　No . 1 厦门大学学报 自然科学版 　2005 年 1 月 J our nal of Xiamen U niver sit y (N at ural Science) J an . 2005 　 基于支持向量机的商业银行信用风险评估模型 刘 　闽 ,林成德 (厦门大学自动化系 ,福建 厦门 36 1005) 摘要 : 贷款业务是商业银行最重要的资产业务 ,构建一个适用的信用风险评估模型十分重要. 本文基于近年来在智能学 ( ) 习系统领域发展起来的新理论 ,引入小样本学习的通用学习算法 支持向量机 SV M ,建立了商业银行的信用风险评 估模型 ,通过与多元判别分析 、以及神经网络模型的比较 ,证实了该方法用于风险评估的有效性及优越性. 关键词 : 信用风险评估 ;神经网络 ;统计学习理论 ;支持向量机 TP 18 　　　　　 A 　　　　　 (2005) 0 1002904 中图分类号 : 文献标识码 : 文章编号 : 　　贷款业务是商业银行最重要的资产业务 ,因此 ,如 何有效地防范以债务方违约和破产为主要特征的信用 1 　SV M 原理 风险 ,构建一个适用的信用风险评估模型就显得尤为 ( 1 . 1 　统计学习理论 St ati stical L ear ning The 重要. 目前国际上广泛采用的风险评估模型包括统计 ory ,SL T) [5 ] 模型和神经网络模型. SL T 是 V ap nik V N 等人提出的一种专门研究小 基于统计判别方法的预测模型都是在 Fi sher 于 [ 1 ] 样本情况下机器学习规律的理论 ,是传统统计学的重 1936 年作出的启发性研究之后提出的 . 其中以 Alt 要发展和补充. 该理论针对小样本统计问题建立了一 ( ) man 利用多元判别分析法 MDA 建立的 Zscore 模型 套新的理论体系 ,在这种体系下的统计推理规则不仅 和在此基础上改进的 ZE TA 模型最为著名. 统计方法 考虑了对渐近性能的要求 ,而且追求在现有有限信息 的引入克服了传统比例分析法综合分析能力差 ,定量 的条件下得到最优结果. 在这一理论的基础上发展了 分析不足等缺点 ,但统计方法研究的是样本趋于无穷 一种新的通用的学习方法 SV M ( Supp ort V ector 大时的渐近理论且存在许多严格的假定条件 , 因此在 Mach