基于支持向量机的商业银行信用风险评估模型

被引：25

作者：

刘闽

林成德

机构：

[1] 厦门大学自动化系,厦门大学自动化系福建厦门,福建厦门

来源：

关键词：

信用风险评估; 神经网络; 统计学习理论; 支持向量机;

D O I：

暂无

中图分类号：

F224 [经济数学方法];

学科分类号：

0701 ; 070104 ;

摘要：

贷款业务是商业银行最重要的资产业务,构建一个适用的信用风险评估模型十分重要.本文基于近年来在智能学习系统领域发展起来的新理论,引入小样本学习的通用学习算法支持向量机(SVM),建立了商业银行的信用风险评估模型,通过与多元判别分析、以及神经网络模型的比较,证实了该方法用于风险评估的有效性及优越性.

引用

页码：29 / 32

页数：4

共 5 条

[1] 样本数目不对称时的SVM模型 [J].

肖健华 ;

吴今培 .

[2] 基于神经网络的企业信用等级评估 [J].

陈雄华 ;

林成德 ;

叶武 .

[3] 组合预测在商业银行信用风险评估中的应用 [J].

王春峰 ;

万海晖 ;

张维 .

[4]

统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000

[5] A tutorial on Support Vector Machines for pattern recognition [J].

Burges, CJC .