商業(yè)銀行信貸風險監(jiān)管方法研究與應(yīng)用.pdf

1、在經(jīng)濟全球化以及美國次債危機的背景下，由授信業(yè)務(wù)造成的信用風險越來越受到金融監(jiān)管部門和商業(yè)銀行的關(guān)注。授信客戶信用風險過高不僅會對自身償還貸款產(chǎn)生影響，同時也會對銀行產(chǎn)生潛在的利益損害。因此，研究如何對信貸風險進行監(jiān)管，幫助商業(yè)銀行規(guī)避金融風險，具有重要意義和實際應(yīng)用價值。
　　 本文針對信貸風險管理中存在的信貸風險及其有效規(guī)避方法展開研究，在深入了解商業(yè)銀行信貸業(yè)務(wù)的基礎(chǔ)上，運用人工智能信息處理技術(shù)，對客戶的金融交易信息進行跟

2、蹤分析，建立一套可面向單個客戶預(yù)測客戶還款能力強弱的信貸風險監(jiān)管模型。主要工作和貢獻如下：
　　 1．深入研究了商業(yè)銀行信貸風險監(jiān)管的相關(guān)業(yè)務(wù)和管理方法；
　　 2．在深入研究商業(yè)銀行信貸管理業(yè)務(wù)的基礎(chǔ)上，將最小二乘支持向量機(LS-SVM)引入到授信風險預(yù)測領(lǐng)域，構(gòu)建了一個信貸風險模型。該模型能根據(jù)授信客戶賬戶金融交易特點，預(yù)測授信客戶還款能力（分“強”和“弱”兩類）。
　　 實驗表明，該模型能正常工作，與傳統(tǒng)

3、基于多元判別分析法(MDA)相比，本文分類建模采用的LS-SVM方法的模型效果更理想，模型預(yù)測準確率可達到88.78％;
　　 3．深入研究和分析了LS-SVM建模過程中，核參數(shù)和正規(guī)化參數(shù)對本文所構(gòu)建的信貸風險模型分類錯誤率的影響；
　　 4．直接參與了課題組“信貸風險管理系統(tǒng)”項目的研發(fā)工作。具體負責其中“系統(tǒng)數(shù)據(jù)采集處理”、“用戶登錄管理”、“系統(tǒng)用戶及權(quán)限管理”等幾個主要模塊的設(shè)計與實現(xiàn)。這些模塊現(xiàn)都已實現(xiàn)，并能