基于支持向量機的商業(yè)銀行信用風險評級模型研究.pdf

1、商業(yè)銀行的核心業(yè)務即是經(jīng)營風險，而信用風險被銀行業(yè)視為最主要的風險之一，信用風險評級技術密切影響著銀行業(yè)的發(fā)展。在新的國際形勢下，提出新的信用風險量化方法、技術及模型顯得尤為重要。
　　支持向量機算法是一個凸優(yōu)化問題，能夠較好的解決小樣本、非線性、高維數(shù)等實際問題，在回歸估計預測、人臉識別以及分類等方面都有良好的應用前景。在信用評級這一領域，傳統(tǒng)的信用評級模型均為參數(shù)模型，對數(shù)據(jù)要求比較嚴格，滿足條件的理想數(shù)據(jù)很是匱乏。支持向量機

2、方法可以克服傳統(tǒng)統(tǒng)計方法的限制，適合于小樣本預測與回歸，比較適合用于銀行對貸款客戶進行快速的信用評價。
　　本文首先概述Logit回歸及支持向量機的基本理論與推導，重點介紹了支持向量機的分類算法。傳統(tǒng)的Logit模型應用廣泛，但該模型采用0.5為兩分類分界點，在分類邊界附近的模糊區(qū)間往往存在誤判，將SVM分類算法引入，用組合算法來提高模糊邊界的分類準確率。而后，本文應用上市公司財務數(shù)據(jù)，對改進模型進行了驗證，實驗表明改進模型具有更