基于ν-SVR的商业银行信用风险评估  

作　　者：陈刚[1] 陆嘉骏[1] 刘澄[1] 刘祥东[1] 王洋洋[1] 

机构地区：[1]北京科技大学东凌经济管理学院,北京100083

出　　处：《中国管理信息化》2012年第16期32-37,共6页China Management Informationization

基　　金：国家自然科学基金资助项目(71173012);北京科技大学博士研究生科研基金资助项目(06106037)

摘　　要：随着银行利率市场化的呼声加强,商业银行自身信用风险问题日益突出,对商业银行信用风险进行科学评估成为信用风险管理的关键。针对国内上市商业银行样本数量偏少的情况,本文引入适合小样本学习的支持向量机(SVM)来评估信用风险。通过对财务数据的主成分分析构建了商业银行信用风险评估指标体系。以贷款违约率作为输出指标,利用v-SVR(Support Vector Regression)模型对16家上市银行的主成分进行评估。通过评估结果与历史数据对比发现,模型能很好地预测商业银行的信用风险,比BP神经网络模型和ε-SVR模型具有更高的预测精度。

关 键 词：支持向量机 信用风险 BP神经网络 贷款违约率 

分 类 号：F830[经济管理—金融学]