商业银行作为国民经济的"总枢纽"和金融信贷中心,它所面临的各种金融风险一直是学术界和金融实业界关注的焦点,其中,信用风险占有特殊的地位。本项目研究从我国商业银行信用风险评估的实际出发,在借鉴国内外有关银行信用风险评估研究成果的基础上,构建更为科学、全面的商业银行信用风险评估指标体系。深入分析传统信用风险衡量标准的"波动性"属性,确立信用风险衡量标准的敏感度测算模型。提出以信用风险度作为信用风险新的衡量标准,切实反映信用风险的实质。讨论了单调测度在加法、数乘、max和min等运算下测度收敛的可继承性和在测度收敛意义下可测函数列的极限唯一性。构建基于模糊积分的支持向量机集成新方法的信用风险评估模型,利用Libsvm对某商业银行信贷的176组样本数据进行实证分析,结果表明,我们提出的方法比单个SVM、基于最多投票的SVM集成方法、神经网络和神经网络集成等其他方法的分类精度高。提出了用ROC曲线方法和AUC系数验证评估模型的方法和信用风险评估流程及防范信用风险的政策建议。研究成果将进一步丰富信用风险评估理论,为我国商业银行提供理论和方法上的指导,有利于提高商业银行整体的竞争能力.
英文主题词Credit risk; Risk assessment; The degree of Credit risk; SVM ensemble; Fuzzy integral