基于数据挖掘技术的商业银行信用风险管理研究（68页）pdf.rar

摘要
金融不但是一个国家的经济命脉，而且是经济发展的核心。风险管理是金融管理中的一个核心问题，而信用风险则是风险管理中最为重要的环节，更是银行要面对的风险。随着信用交易的扩大化，商业银行面临的信用风险越来越复杂，如何对信用风险进行管理成为商业银行持续经营的主题。本文以商业银行为视角，利用数据挖掘技术研究贷款企业的信用风险这一重要的环节，以期能够为商业银行提供技术和方法。
本文以数据挖掘在商业银行信用风险管理中应用为研究对象。首先论述了信用风险管理和数据挖掘的相关理论，研究了数据挖掘技术在银行业中的应用。然后介绍了信用风险评估流程，并构建了一套包含五个方面25个财务指标的信用风险评估体系。选取2006"--2008年间48家首次被ST的上市公司及按1：l配对公司为研究样本，利用其对外公布的财务数据，采用K—S检验对指标的正态性进行检验，并用T检验、非参数检验和因子分析方法对指标进行约简，以数据挖掘流程一SEMMA为框架，利用SAS中EM数据挖掘工具实现了数据挖掘技术中逻辑回归、决策树和神经网络模型在信用风险评估中应用。
研究结果表明，基于数据挖掘技术构建的信用风险评估模型具有很强的实用价值。在对三个模型的评估效果比较时发现，神经网络预测的误分率最低，逻辑回归模型最高，决策树居中，而决策树模型整体效果最好。借助聚合方法将神经网络和决策树模型进行了改进和综合。结果显示，整合后模型的稳定性和准确性都有所提高，取得较好的评估效果。
关键词：信用风险；数据挖掘；商业银行；决策树；神经网络；非参数检验
第1章绪论
金融处于经济活动中的核心地位，商业银行作为金融业中的主要行业，它通过开展金融业务，承担形式多样的风险来获取风险收益，因而在一些市场经济国家又把它定位为“风险机器”。信用风险是金融市场中最为古老的，也是商业银行最重要风险形式之一。如若不能及时地防范信用风险的发生，不仅会造成银行经营困境，经济社会也要遭受负面影响。如2007年以来，由于美国次级抵押贷款危机而导致全球金融海啸，世界金融体系和经济发展都受到了重创。因此，如何有效地进行信用风险管理成为商业银行持续经营和生存发展的核心主题。