论文部分内容阅读
在经济全球化以及美国次债危机的背景下,由授信业务造成的信用风险越来越受到金融监管部门和商业银行的关注。授信客户信用风险过高不仅会对自身偿还贷款产生影响,同时也会对银行产生潜在的利益损害。因此,研究如何对信贷风险进行监管,帮助商业银行规避金融风险,具有重要意义和实际应用价值。
本文针对信贷风险管理中存在的信贷风险及其有效规避方法展开研究,在深入了解商业银行信贷业务的基础上,运用人工智能信息处理技术,对客户的金融交易信息进行跟踪分析,建立一套可面向单个客户预测客户还款能力强弱的信贷风险监管模型。主要工作和贡献如下:
1.深入研究了商业银行信贷风险监管的相关业务和管理方法;
2.在深入研究商业银行信贷管理业务的基础上,将最小二乘支持向量机(LS-SVM)引入到授信风险预测领域,构建了一个信贷风险模型。该模型能根据授信客户账户金融交易特点,预测授信客户还款能力(分“强”和“弱”两类)。
实验表明,该模型能正常工作,与传统基于多元判别分析法(MDA)相比,本文分类建模采用的LS-SVM方法的模型效果更理想,模型预测准确率可达到88.78%;
3.深入研究和分析了LS-SVM建模过程中,核参数和正规化参数对本文所构建的信贷风险模型分类错误率的影响;
4.直接参与了课题组“信贷风险管理系统”项目的研发工作。具体负责其中“系统数据采集处理”、“用户登录管理”、“系统用户及权限管理”等几个主要模块的设计与实现。这些模块现都已实现,并能正常工作。