学位论文 > 优秀研究生学位论文题录展示

基于数据挖掘的银行信用风险管理方法研究

作　者: 刘凌云
导　师: 张应利
学　校: 广东工业大学
专　业: 管理科学与工程
关键词: 数据挖掘信用风险决策树聚类算法
分类号: F830
类　型: 硕士论文
年　份: 2005年
下　载: 777次
引　用: 3次
阅　读: 论文下载

内容摘要

文章首先论述了数据挖掘的相关概念以及数据挖掘的基本方法,数据挖掘的任务是从数据集中发现模式,模式可以有很多种,按功能可分为两大类:预测型(Predictive)模式和描述型(Deseriptive)模式。在实际应用中,往往根据模式的实际作用细分为以下几种:分类、聚类、回归、序列、时间序列等。数据挖掘的所处理的数据类型也很丰富,包括文本数据、关系数据库、Web页面等。数据挖掘的应用领域非常广泛,比如金融、零售、体育、电信、气象、电子商务等。文章面向银行业信用风险管理领域,阐述了西方商业银行信用风险度量的主要方法。信用风险度量的主要方法分为传统的信用风险度量方法和基于var的现代信用风险度量的方法。在此之后,引出数据挖掘方法在商业银行应用的领域分析,文章主要分为数据挖掘在银行客户关系管理、风险预测与控制、信用评估与信用决策三大领域的应用;顺着该思路,重点提出数据挖掘方法在银行信用风险管理应用中的优势分析。更深入地,文章运用数据挖掘的聚类算法、Logistic回归、决策树方法分别建立信用卡信用评分系统和客户信用评分模型。在信用卡信用评分系统中,运用基于划分的聚类方法K means算法,试图找出使DSS函数值最小的划分,该算法的准则函数与信用评分评级的“均方差”准则相吻合。在客户信用评分模型中,运用Logistic回归可以将复杂的非线性问题转化为线性问题,选择影响客户信用情况的因素对客户信用进行评级。最后,结合我国银行业实际情况,提出了关于数据挖掘方法在信用风险运用领域的几点建议。文章基于对数据挖掘方法优势的描述和银行业信贷部门信用评价情况的认识,结合西方商业银行信用风险评价方法的模式,运用模型分析了数据挖掘方法在商业银行信用风险管理领域的应用优势。文章对我国银行信用风险管理领域,应用数据挖掘方法和技术有很大的启发意义;尤其对银行信用评估和评级状况上应用数据挖掘方法起到很大的借鉴作用。

全文目录

摘要  4-6
目录  6-10
第一章绪论  10-18
  1.1 问题的提出  10-11
  1.2 国内外文献综述  11-16
    1.2.1 国内研究文献  11-14
    1.2.2 国外主要研究文献  14-16
  1.3 本文主要研究内容  16-18
第二章数据挖掘概述  18-26
  2.1 数据挖掘发展概述  18-20
  2.2 数据挖掘的含义  20-22
  2.3 数据挖掘功能  22-24
  2.4 数据挖掘系统的分类  24-26
第三章西方商业银行信用风险度量的主要方法  26-30
  3.1 传统的信用风险度量方法  26-28
    3.1.1 专家系统模型法  26-27
    3.1.2 信用评分法  27
    3.1.3 神经网络模型  27-28
  3.2 基于VAR的现代信用风险度量模型  28-30
    3.2.1 KMV模型  28
    3.2.2 CreditMetrics模型  28-29
    3.2.3 CSFP信用风险附加模型  29-30
第四章数据挖掘方法在商业银行应用的领域分析  30-38
  4.1 在银行客户关系管理领域的应用  33-34
  4.2 在银行风险预测与控制领域的应用  34-35
  4.3 在信用评估与信用决策领域的应用  35-38
第五章数据挖掘在信用风险评价中的应用实例  38-54
  5.1 数据挖掘在信用风险管理应用中的优势分析  38-39
  5.2 聚类算法在信用卡信用评分系统中的应用  39-42
  5.3 运用Logistic回归和决策树建立客户信用评分模型  42-48
  5.4 利用模糊多层次综合分析法评价信用风险程度  48-54
第六章数据挖掘在我国商业银行信用风险管理的应用分析  54-60
  6.1 我国商业银行内部信用评级现状及问题  55-56
  6.2 我国银行业信用风险管理水平总括及建议  56-60
结论  60-62
参考文献  62-65
攻读学位期间发表的论文  65-66
独创性声明  66-67
致谢  67

基于数据挖掘的银行信用风险管理方法研究

内容摘要

全文目录

相似论文