基于数据仓库的银行信用评级模型的构建.doc
内容介绍
基于数据仓库的银行信用评级模型的构建 ，该论文关于教育,经融,证券,理工,建筑,道路,桥梁,公路,机械。经人工挑选。
适合毕业生论文写作。
。
欢迎下载！
基于数据仓库的银行信用 评级模型的构建 摘要基于数据仓库,利用RBF神经网络,建立了银行信用 内部评级系统,提出了企业信用主题数据模型和风险评估模 型的训练过程实证结果表明,该模型对银行信用评估可取得 较好的效果 关键词数据仓库;神经网络;商业银行;信用评级
一、引言 近年来,商业银行的风险管理成为国际国内金融界关注 的焦点商业银行在运营过程中面临的金融风险主要有信用风 险、利率风险、汇率风险、流动性风险和操作风险等,其中 信用风险占有特殊的地位信用风险指的是借款人由于种种原 因,不愿或无力偿还银行贷款本息,使银行贷款无法收回,形 成呆账损失的可能性在现代商业银行经营中,信用风险是影 响其安全高效运营的主要原因 1风险管理是一种主动的事前行为,而不是事后的补救应 通过分析现有的数据,大量运用数理统计模型识别、衡量和 检测风险,利用大量历史数据建立数据仓库,依靠数据挖掘手 段了对数据仓库中数据信息进行深度加工和利用,挖掘出数 据模型来预测和防范未来的风险,进行风险量化管理数据挖 掘是通过自动或半自动的工具对大量的历史数据进行探索和 分析的过程,其目的是发现其中有意义的模式和规律数据挖 掘不是一种现成的产品,而是一门技能数据挖掘的建模方法 分为线形回归、逻辑回归、神经网络、遗传算法和分类树等 由于我国商业银行目前在处在转轨阶段,一方面由于信 息残缺不全,另一方面由于传统的统计方法假定条件的局限 性,使我国信用风险评估难以达到满意的效果 人工神经网络(ArtificialNeuralNetwork,简称ANN)是2 0世纪50- 60年代产生,80年代以来发展起来的一种处理复杂非线性问 题十分有效的手段,目前已在模式识别等领域得到广泛的应 用 2现有数十种神经网络方法,实际工作中大都采用BP(Back Propagation)网络,一些文献将其应用于银行信用风险评估 取得了较好的效果但同
下载地址
进入下载页
文件大小
30.5KB
上传作者
句句经典
文件类型
.doc