集成支持向量機(jī)方法及在信用風(fēng)險(xiǎn)中的應(yīng)用研究.pdf

1、近年來(lái)，支持向量機(jī)已成為機(jī)器學(xué)習(xí)方法研究的新領(lǐng)域，該方法具有適合小樣本、非線性、高維度等特點(diǎn)。而集成學(xué)習(xí)的方法也越來(lái)越受關(guān)注，它可以綜合利用各個(gè)個(gè)體分類器的優(yōu)點(diǎn)，提高整個(gè)學(xué)習(xí)器的泛化能力。目前信用風(fēng)險(xiǎn)已成為風(fēng)險(xiǎn)中一個(gè)重要的方面。為了預(yù)防信用風(fēng)險(xiǎn)的發(fā)生，人們開(kāi)始對(duì)信用風(fēng)險(xiǎn)進(jìn)行管理和預(yù)測(cè)，信用風(fēng)險(xiǎn)評(píng)價(jià)的方法也越來(lái)越多。本文主要采用兩種集成方法建立模型，對(duì)信用風(fēng)險(xiǎn)進(jìn)行評(píng)級(jí)。
　　 論文的主要研究?jī)?nèi)容包括:
　　 1、介紹了與本

2、文研究?jī)?nèi)容相關(guān)理論和文獻(xiàn)。首先系統(tǒng)闡述了信用風(fēng)險(xiǎn)評(píng)價(jià)的現(xiàn)狀、支持向量機(jī)分類研究的現(xiàn)狀，以及相關(guān)的理論基礎(chǔ)。在總結(jié)前人研究的優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了本文采用的集成支持向量機(jī)方法。
　　 2、信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系的建立及建模思路。詳細(xì)總結(jié)以往信用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的選取，根據(jù)本文樣本的特點(diǎn)，構(gòu)建了用于信用風(fēng)險(xiǎn)評(píng)價(jià)的指標(biāo)體系，初次共選取了反映公司七個(gè)財(cái)務(wù)方面的24個(gè)指標(biāo)。同時(shí)概括介紹了本文的建模思路。
　　 3、樣本選取、模型的建立以

3、及最后實(shí)證獲得的結(jié)論。選取了73對(duì)配對(duì)樣本，并從原有24個(gè)指標(biāo)中選取了19個(gè)指標(biāo)作為研究數(shù)據(jù)。建立了基于不同集成方法的信用風(fēng)險(xiǎn)評(píng)價(jià)模型，并分別與標(biāo)準(zhǔn)的支持向量機(jī)做對(duì)比，研究結(jié)果表明，Bagging_SVM和Boosting_SVM兩種集成方法的判別準(zhǔn)確率都高于標(biāo)準(zhǔn)的支持向量機(jī)模型，并且兩類模型大大提高了對(duì)風(fēng)險(xiǎn)公司的判別準(zhǔn)確率，這在實(shí)際中具有重要的指導(dǎo)意義。然后，還研究了不同分類器個(gè)數(shù)對(duì)兩種集成模型判別正確率的影響，結(jié)果表明，弱分類器的個(gè)