基于SVM的商业银行信用风险模型研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 信用风险管理的研究背景、发展和意义 | 第7-15页 |
| ·信用风险和信用风险管理的概念 | 第7页 |
| ·信用风险管理的研究背景和意义 | 第7-8页 |
| ·信用风险管理的目标 | 第8-9页 |
| ·信用风险管理的作用 | 第9页 |
| ·信用风险管理的主要内容 | 第9-11页 |
| ·商业银行信用风险的识别 | 第10页 |
| ·商业银行信用风险的量化和评估 | 第10页 |
| ·商业银行信用风险的监测和预警 | 第10-11页 |
| ·商业银行信用风险的处理 | 第11页 |
| ·商业银行风险调整 | 第11页 |
| ·信用风险管理的发展历程 | 第11-12页 |
| ·新巴塞尔协议 | 第12-14页 |
| ·《巴塞尔资本协议》的不足 | 第12-13页 |
| ·《新巴塞尔资本协议》的主要内容 | 第13-14页 |
| ·本文的主要工作及全文构架 | 第14-15页 |
| 第二章 信用风险管理的一般方法 | 第15-22页 |
| ·专家方法 | 第15-16页 |
| ·Z评分模型和ZTEA评分模型 | 第16-17页 |
| ·Logistic回归模型 | 第17-18页 |
| ·K-最近邻判别法 | 第18页 |
| ·决策树法 | 第18-19页 |
| ·聚类分析法 | 第19-20页 |
| ·专家系统 | 第20页 |
| ·神经网络 | 第20-21页 |
| ·支持向量机 | 第21-22页 |
| 第三章 支持向量机方法 | 第22-34页 |
| ·统计学习理论 | 第22-26页 |
| ·经验风险 | 第22-23页 |
| ·学习过程的一致性与VC维 | 第23-25页 |
| ·结构风险最小化原则 | 第25-26页 |
| ·支持向量机方法 | 第26-32页 |
| ·线性可分情形 | 第27-30页 |
| ·非线性可分情形 | 第30-31页 |
| ·非线性支持向量分类器 | 第31-32页 |
| ·核(Kernel) | 第32-34页 |
| 第四章 信用风险评估中SVM算法的改进方案 | 第34-47页 |
| ·SVM算法预测正确率的影响因素 | 第34-40页 |
| ·核函数与参数的选择 | 第35-36页 |
| ·训练样本与支持向量的类型 | 第36-39页 |
| ·测试样本与判别函数 | 第39-40页 |
| ·提高SVM算法预测正确率的方案 | 第40-45页 |
| ·SVM算法的参数优选 | 第41-42页 |
| ·不良训练样本的删减 | 第42-43页 |
| ·对测试样本判别方法的改进 | 第43-45页 |
| ·小结 | 第45-47页 |
| 第五章 改进算法在信用风险评估中的实证分析 | 第47-54页 |
| ·样本数据的选取与处理 | 第47-49页 |
| ·财务比率的选取 | 第47-48页 |
| ·样本数据的归一化处理 | 第48-49页 |
| ·仿真实验及结果分析 | 第49-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 附表1 50 个上市公司的信用风险情况 | 第59-61页 |
| 附表2 某商业银行数据库中客户财务信息 | 第61-68页 |
| 附录1 模型的MATLAB程序核心代码 | 第68-73页 |
| 致谢 | 第73页 |
