支持向量機在消費信貸客戶分類中的應用研究.pdf

1、長期以來，信用風險是金融行業(yè)，特別是銀行業(yè)的最主要的風險形式。貸款是商業(yè)銀行的主要資產(chǎn)業(yè)務，因此其經(jīng)營風險與生俱來，商業(yè)銀行要保持穩(wěn)健經(jīng)營，必須加強信貸的風險控制管理，建立健全包括銀行貸款風險管理在內的金融系統(tǒng)。而在我國，消費信貸作為金融領域的新生事物迅速發(fā)展，消費貸款在銀行貸款余額中的比例不斷上升，信貸風險也越來越突出。而科學合理的信貸客戶分類是有效信貸管理的重要前提。
　　 支持向量機(Support Vector Mach

2、ine，SVM)作為新型的更有效的分類方法，已經(jīng)開始應用于金融領域。它是統(tǒng)計學習理論(SLT)的一種成功實現(xiàn)，建立在vC維理論和結構風險最小化原理基礎上，根據(jù)有限樣本信息在模型復雜性和學習能力之間尋求一種折中，以期達到最佳的推廣性能，與傳統(tǒng)學習方法相比，它具有更好的泛化性能，在解決小樣本、非線性及高維問題中表現(xiàn)出許多特有的優(yōu)勢。本文旨在把新的數(shù)據(jù)挖掘技術——支持向量機應用到消費信貸客戶的分類中去，為銀行貸款的風險控制管理提供決策支持。<

3、br>　　 本文首先詳細闡述了消費信貸客戶分類、消費信貸風險管理和支持向量機的研究現(xiàn)狀，然后研究了支持向量機相關原理，包括機器學習問題、統(tǒng)計學習理論、二值分類問題、最優(yōu)分類超平面和線性支持向量機等問題，特別詳細研究了核函數(shù)問題。
　　 然后在深入研究支持向量機相關原理的基礎上，本文重點研究了支持向量機在消費信貸客戶分類中的實現(xiàn)問題。包括對原始消費信貸客戶數(shù)據(jù)的預處理，WINSVM軟件建立分類模型的全過程，制訂詳細訓練集選取、屬