基于数据挖掘的贷款信用风险评估方法比较研究

论文摘要

东南亚金融危机的爆发使得全球金融市场之间紧密联系、不同市场之间的互相影响、银行风险和金融危机在国际间的传播问题开始引起越来越多的关注。目前,许多金融机构陷入经营困境的主要原因不再是信用风险或市场风险等单一风险,而是由信用风险、市场风险外加操作风险相互交织、共同作用造成的。巴塞尔委员会于1998年推出《有效银行监管的核心原则》,至此,市场风险与信用风险、操作风险一并成为银行监管部门重点关注的对象。2005年11月,巴塞尔委员推出《新巴塞尔资本协议》,新资本协议对银行信用风险管理提出了更高的要求,对数据和量化方法提出了更高的要求。虽然我国商业银行对所面临的市场风险的认识程度有了一定的提高,同时监管部门的监管水平也有了较大程度的提高。但对商业银行所面临的信用、操作和市场这三大主要风险的研究和实践在我国尚处于摸索阶段。个人信用是市场经济的基础;没有个人信用,市场经济便失去了坚实基础。本文以银行贷款的信用风险为核心,主要研究了不同的数据挖掘方法在商业银行贷款信用风险评估中的性能,包括神经网络算法、遗传算法和决策树算法。首先,我们分别用这三种算法构建信用风险评估模型,然后通过模型对贷款数据进行分析,得出信用风险评估结果。最后,对三种模型的测试结果进行比较分析,研究不同的算法在信用风险评估中的性能,得出本文的结论,为银行贷款人员进行贷款信用风险分析提供决策依据。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题的提出及意义
• 1.1.1 问题的研究背景
• 1.1.2 研究意义与课题来源
• 1.2 研究现状
• 1.2.1 国外研究现状
• 1.2.2 国内研究现状
• 第2章 信用风险评估及数据挖掘
• 2.1 常用的信用风险评估方法
• 2.1.1 5c要素分析法
• 2.1.2 财务比率综合分析法
• 2.1.3 多变量信用风险判别模型
• 2.1.4 以资本市场理论和信息科学为支撑的新方法
• 2.1.5 衍生工具信用风险的衡量方法
• 2.1.6 信用集中风险的评估系统
• 2.2 数据挖掘技术
• 2.2.1 数据挖掘概念
• 2.2.2 数据挖掘功能介绍
• 2.2.3 数据挖掘常用技术
• 2.2.4 数据挖掘的分类技术
• 2.3 本章小结
• 第3章 基于神经网络的信用风险评估
• 3.1 人工神经网络
• 3.1.1 人工神经网络及其特点
• 3.1.2 多层前馈神经网络
• 3.1.3 后传算法
• 3.2 实验数据的结构及预处理
• 3.2.1 指标选取
• 3.2.2 实验语料
• 3.2.3 数据预处理
• 3.3 基于BP神经网络的信用风险评估方法模型
• 3.4 神经网络实验测试及结果
• 3.4.1 网络的构建及训练
• 3.4.2 模型测试结果
• 3.5 本章小结
• 第4章 基于遗传算法的信用风险评估
• 4.1 遗传算法
• 4.1.1 遗传算法概念
• 4.1.2 遗传算法的基本步骤
• 4.2 实验数据的结构及预处理
• 4.3 基于遗传算法的信用风险评估方法模型
• 4.3.1 染色体编码
• 4.3.2 确定个体的适应度评价
• 4.3.3 生成初始种群
• 4.3.4 确定遗传算子
• 4.3.5 确定其他运算操作的参数
• 4.4 遗传算法实验及测试结果
• 4.5 本章小结
• 第5章 基于决策树算法的信用风险评估
• 5.1 决策树算法
• 5.1.1 决策树算法概念
• 5.1.2 决策树算法的基本原理
• 5.2 实验数据的结构及预处理
• 5.3 基于决策树算法的信用风险评估方法模型
• 5.4 决策树算法实验及结果
• 5.5 本章小结
• 第6章 信用风险评估模型比较分析
• 6.1 三种数据挖掘算法的实验结果对比分析
• 6.2 三种数据挖掘算法的特点比较
• 6.2.1 神经网络算法特点
• 6.2.2 遗传算法特点
• 6.2.3 决策树算法特点
• 6.3 本章小结
• 结论
• 参考文献
• 附录
• 攻读学位期间发表的学术论文
• 致谢