An Artificial Neural Network Approach for Credit Risk Management

The objective of the research is to analyze the ability of the artificial neural network model developed to forecast the credit risk of a panel of Italian manufacturing companies. In a theoretical point of view, this paper introduces a litera-ture review on the application of artificial intelligence systems for credit risk management. In an empirical point of view, this research compares the architecture of the artificial neural network model developed in this research to an-other one, built for a research conducted in 2004 with a similar panel of companies, showing the differences between the two neural network models.

基于KMV模型的上市公司信用风险预测

本文利用KMV模型,提出了一种上市公司信用风险预测方法。通过对我国4家上市公司5年股票价格的违约距离实证分析表明,KMV模型的灵敏度和预测能力都相当好,能为银行和投资者预测、揭示上市公司信用风险。

信用转移矩阵预测模型的比较分析

对当前国际上几种主要的信用转移矩阵估计方法中所采用的预测模型进行了系统的分析,指出这些方法在模型构建中存在的一些共性问题,并通过进一步讨论,发现传统的结构建模方法是导致这些问题的关键·为此,提出了将动态建模理论引入转移矩阵预测模型的建模框架,并从理论上说明了这种建模途径能使所构建的转移矩阵预测模型具有更为可靠的理论依据,从而改善预测模型的有效性·

基于模糊统计的公司违约预测

针对KMV违约预测模型中固定违约点的缺陷,将违约点模糊化,以模糊事件表示违约,从而修改确定公司股权价值的期权公式,进一步得到违约概率预测。重点讨论计算违约模糊事件的基本思路,详细给出模糊统计方法,通过案例分析说明本文提出的模糊方法的可行性与长处。

基于CPV模型的房地产信贷信用风险的度量和预测

本文基于CPV模型,对房地产信贷风险进行了度量与预测。结果表明,该模型在度量和预测房地产信贷违约率方面具有较好的效果。房地产信贷的违约率和宏观经济状况紧密相连,当经济状况恶化,房地产信贷违约率上升,当经济状况好转,房地产信贷违约率下降。分别从国家宏观经济、房地产行业状况、房地产企业状况三个层面选择出三个宏观经济因素指标——综合领先指标、国房景气指数和企业景气指数进行研究,结果表明,对于研究房地产信贷的信用风险来说它们是较好的指标,尤其是综合领先指标。

传统信用风险度量模型的实证比较与适用性分析

本文首先介绍传统信用风险度量模型的分析方法,然后测算了各模型的预测结果,发现所有的模型预测效果都较差,尤其是犯第二类错误率很高,实证说明它们在分析我国银行贷款违约率方面的适用性并不强。

基于集对论的信用风险分析

基于集对分析方法及企业的财务数据,建立了信用等级预测模型.通过与判别分析法及Logit分析法的比较,证明该方法能够更好地拟合企业的信用等级,并进行更为准确的预测.研究结果表明,集对分析方法在等级分类和趋势预测这一类似确定又不确定的问题上有良好的应用效果.

组合预测在商业银行信用风险评估中的应用

本文运用组合预测思想，提出了一种将统计方法与神经网络技术相结合的组合预测方法，并应用于商业银行的信用风险评估中。

分类挖掘方法在银行不良贷款信用风险评估中的应用

针对我国商业银行面临的不良贷款信用风险问题,提出了一种基于数据挖掘技术的决策树模型方法,对不良贷款信用风险问题进行预测分类。详细介绍了决策树模型的建立方法并且用实例结果表明该模型在预测银行不良贷款信用风险中的实用价值。

基于RBF网络的商业银行信用风险控制研究

对信用风险的有效控制与管理,在现代商业银行日常运行过程中具有举足轻重的地位。基于信用风险系统是一个高度复杂的非线性动态系统,利用神经网络的自适应学习、并行分布处理和较强的鲁棒性及容错性等特性,建立基于RBF神经网络的信用风险预测控制模型,从理论上探寻信用风险非线性智能控制。仿真试验表明,信用风险度能被控制在以最佳风险度为中心的一定范围内。因此,该预测控制系统适合于商业银行信用风险的控制。

基于主成分分析和支持向量回归机组合模型的电子商务信用风险度预测研究

随着电子商务的快速膨胀,信用风险对电子商务发展的影响越来越突出。信用风险已成为电子商务企业所面临的最主要风险之一。文章结合企业的财会指标和电子商务运营能力构建企业电子商务信用风险度预测指标,并利用主成分分析对指标进行筛选,在此基础上通过支持向量回归机对电子商务信用风险度进行预测,并进行实证检验,实证结果表明,此方法与标准支持向量回归机和神经网络相比具有更高的分类精度,证实了该方法的可行性和优越性,为电子商务建立可靠的信用风险度预测系统提供依据。

近似支持向量机对个人住房贷款信用风险预测

为了降低银行的放贷风险,在构建商业银行个人住房贷款信用风险评价指标基础上,采用机器学习原理中的近似支持向量机(Proximal Support Vector Machines,PSVM)模型对某商业银行西安市场的个人住房贷款借款人数据进行实证分析,研究中个人住房贷款借款人的各项指标作为属性矩阵,借款人是否违约作为判别矩阵,利用260个样本的训练集获得最优超平面,再对40个样本的测试集进行预测,结果表明PSVM模型在预测商业银行个人住房贷款信用风险时的正确率达到了87.5%.

基于违约成本的银行信贷风险管理

银行贷款的风险管理是关系到整个金融系统稳定的重大问题。本文利用logit方法以及人民银行提供的信贷数据库,根据相关的变量建立模型,并分析了该模型对贷款违约的预测能力。与以前的研究不同,我们的研究着重考虑了违约成本在贷款决策中影响,给予一类、二类错误不同的权重,这样的预测模型能更好地符合银行实际操作的需求。本文的研究也可以作为银行内部风险管理的参考。

RBF神经网络在个人信用组合预测中的应用

运用组合预测的思想，提出了通过RBF神经网络将多元线性回归和logistic回归组合的预测方法，并应用于某商业银行的个人信用评估中，其结果表明组合预测方法能够获得比单一方法更高的预测精度，尤其在避免“纳伪”错误方面更具优势．

宏微观分析相结合的信贷风险预测模型研究

我国现有的信贷风险评估方法存在宏微观分析结合不紧密以及风险评估不全面的问题。本文在基于财务分析的企业风险评估模型基础上,构建了宏微观分析相结合的信贷风险预测模型。建模的主要工作包括:选择反映行业信贷风险的指标与反映宏观经济变化的指标;确定反映宏观经济变化的指标与反映行业信贷风险指标之间的函数关系;依据以上的关联函数和宏观经济指标预测值,计算行业信贷风险调整系数;据此对属于该行业的企业即期信贷风险指标进行调整,对企业的信贷风险进行前瞻性预测。作者还利用证券市场数据检验了上述模型的准确性,结果表明模型可以有效预测企业未来的信贷风险。

基于朴素贝叶斯的供应链金融信用风险预测分析

"供应链金融"是近年来金融机构针对供应链上下游企业提供的一种全新的金融服务,这项业务在金融机构方面也存在一定的风险。针对由贷款企业造成的信用风险,文章利用朴素贝叶斯技术预测申请贷款企业的还款风险,金融机构能据此识别不同企业,并针对不同还款能力的企业制定不同的金融政策以控制和规避金融风险。

神经网络在个人信用组合预测中的应用

该文运用组合预测的思想,提出了通过感知器、BP、Elman和LVQ等不同的具有代表性的神经网络模型,将多元线性回归和logistic回归两单一方法进行组合,并分别应用于某商业银行的个人信用评估,其结果表明:感知器、BP、Elman和LVQ神经网络组合预测方法精确度不尽相同,但总体上能够获得比多元线性回归和logistic回归更高的预测精度,尤其在避免纳伪错误方面更具优势。

数学模型分析对县域经济发展的信贷风险预测研究

随着县域经济发展与金融创新的深入,信贷风险管理日趋复杂化,县域银行和金融机构面临着越来越多的挑战。基于此背景,本文旨在通过数学模型对县域经济发展中的信贷风险进行预测研究,为金融决策提供科学支撑,本文首先说明了数学模型在县域经济发展信贷风险预测中的应用原则,并以某县域经济发展基本情况为例,说明了多元统计分析法数学模型的建立方法,最后通过效果分析,证明了本文所提出的数学模型的有效性和可行性,实现了对县域经济发展中信贷风险的精确预测,为相关部门提供了可靠的参考框架。