Intelligent Decision Support System for Bank Loans Risk Classification

Intelligent Decision Support System (IISS) for Bank Loans Risk Classification (BLRC), based on the way of integration Artificial Neural Network (ANN) and Expert System (ES), is proposed. According to the feature of BLRC, the key financial and non-financial factors are analyzed. Meanwhile, ES and Model Base (MB) which contain ANN are designed . The general framework,interaction and integration of the system are given. In addition, how the system realizes BLRC is elucidated in detail.

商业银行金融资产分类与信用风险管理

本文基于2023年2月中国银保监会、中国人民银行联合制定的《商业银行金融资产风险分类办法》(以下简称《办法》),探讨了《办法》的制度背景、理论逻辑与政策要点。《办法》的实施进一步促进商业银行准确评估信用风险,真实反映金融资产质量。本文进一步围绕管理实务、治理架构、资产减值、内部审计、金融科技与商业银行类型等方面,梳理并提出了商业银行落实《办法》的实践路径,以期推进我国商业银行信用风险管理的高质量发展。

融入标签信息的民间借贷案情要素识别方法

民间借贷案情要素识别旨在通过对裁判文书的理解,将能够反映案件主要事实的要素按照属性体系提取出来。现有的要素识别主要基于序列标注方法进行,但民间借贷案情要素包含的部分隐式要素无法被标注。文中将其转化为多标签文本分类任务,通过“民事BERT”对标签属性、要素标签与裁判文书事实描述进行语义编码,基于前馈神经网络构建的融合模块将事实描述表示分别和预定义的十类要素属性表示进行特征融合,再利用标签注意力机制获得某一要素属性下不同要素标签的关注度,最后借助分类器分别识别每一类属性的要素。实验结果显示,该方法在验证集和测试集上的平均F1值较基线模型BERT均有提升。

分类树应用于商业银行贷款5分类的探讨

分类树是一种计算机实现、基于统计理论的非参数的识别技术 .该技术可应用于解决贷款 5分类实施中从业人员分析判断能力欠缺的问题 .实证分析表明该方法比线性判别分析方法的准确率高 ;针对进一步提高分类准确率 。

基于支持向量机的贷款风险等级分类真实性审计研究

商业银行贷款风险等级分类真实性审计,不仅关系到国家审计能否对商业银行信用风险以及系统性金融风险作出正确评估,还关系到国家审计能否有效完成维护国家金融安全的工作任务。构建基于支持向量机的银行贷款风险等级分类真实性审计二分类预测模型,用该模型分析商业银行实际生产数据,得到了86.79%的分类正确率。在验证实验中,100个被故意错分的贷款记录中,分类预测模型识别出了其中的84个。实验结果表明模型在审计实践中具有实用价值。

基于组合分类策略的个人信用风险评估研究

随着个人贷款的需求日渐旺盛,评估贷款人的信用好坏对金融机构规避风险尤为重要。文章提出了基于组合分类策略的个人信用风险评估模型,该模型引入了决策分值的概念,选取K最近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、决策树(decision tree,DT)和支持向量机(support vector machine SVM)等常用的信用评估分类算法作为基分类器,分别从稳定性和准确性2个维度计算每个基分类器的决策分值,并根据组合后的决策分值评估贷款人信用好坏,最后在3个真实数据集上验证了该模型的有效性。

测算商业银行贷款违约概率的贷款违约表法探讨

结合我国商业银行贷款5级分类的实施,在回顾、分析国外商业银行违约贷款测算模型演变的基础上,首次提出用贷款违约表法测算我国商业银行贷款的违约概率。该测算方法建立在客户的信用等级基础上,能适时测算贷款的违约概率,有利于我国商业银行合理地测算贷款组合的预期损失和非预期损失。

基于粗糙集和神经网络集成的贷款风险5级分类

建立了粗糙集与神经网络集成的贷款风险5级分类评价模型,该模型首先利用自组织映射神经网络离散化财务数据并应用遗传算法约简评价指标;基于最小约简指标提取贷款风险5级分类判别规则以及对BP神经网络进行训练;最后使用粗糙集理论判别与规则库匹配的检验样本风险等级,使用神经网络判别不与规则库任何规则匹配的检验样本风险等级.利用贷款企业数据库698家5级分类样本进行实证研究,结果表明,粗糙集与神经网络集成的判别模型预测准确率达到82.07%,是一种有效的贷款风险5级分类评价工具.

大数据时代商业银行小微金融客户续贷预测研究

以商业银行小微金融续贷业务研究为选题,探索大数据时代商业银行小微金融业务客户续贷行为规律,对商业银行小微金融续贷业务的开展进行指导,从而有效提高小微贷款投放规模和确保贷款余额增长稳定可控。选取国内某商业银行小微金融贷款客户数据,基于大数据技术进行建模,对续贷客户进行分类预测。结果显示,相比使用传统分析方法进行的预测,在确保几乎同样的实际续贷客户查准率前提下,基于大数据技术的预测方法极大提高了实际续贷客户的查全率。基于大数据技术的续贷客户预测为小微金融续贷业务客户"名单制营销"提供了较为有效的业务开拓依据,为实现"量体裁衣"式的小微金融服务和银行资金精细化管理奠定了坚实基础。

基于人工智能贷款风险分类的系统设计

近年提出的贷款风险五级分类法 ,需考虑财务、非财务、现金流量、信用支持及逾期时间等诸方面要素的影响。由于涉及有定量因素也有定性因素分析 ,这给处理分类问题带来一定的复杂性。为此本文探讨将人工智能技术中的神经网络和专家系统应用于贷款风险分类研究。文中用BP神经网络进行财务分析 ,而运用专家系统采用“规则组”的知识表示策略 ,对其它诸因素及分类综合进行了分析。从而得出了最终的贷款风险分类等级。

商业银行五级分类贷款的马尔可夫预测方法

贷款五级分类是当前商业银行改革的重大举措,文章利用马尔可夫链的方法,首先根据商业银行贷款五级分类标准进行状态划分;然后,利用马尔可夫链状态转移矩阵对商业银行逾期贷款进行分析与预测.使用马尔可夫链的方法可以对商业银行逾期贷款进行动态监控,对银行进行有效的逾期贷款管理具有一定的参考价值.

分类树集成算法在县域金融贷款风险分类评估中的应用

分类树方法是一种由计算机实现,基于统计理论的非参数识别技术。首先给出Bagging分类树集成算法用于风险评估的基本思想和实现步骤,并以河南省农户贷款的数据为例,分别采用事先预留检验数据集方法和V折交叉确认法来验证Bagging分类树集成算法的预测能力。实证结果表明,与分类树算法、线性判别分析方法进行比较,Bagging分类树集成算法在贷款风险分类评估中具有较好的预测能力。

混合专家系统模型和贷款风险分类

主要探讨了混合专家系统结构 ,该结构充分利用了符号机制和神经网络各自的优点 ,使它们优势互补。并把该系统应用在银行贷款分类方面 ,帮助信贷人员决定在何种情况下批准贷款 ,为贷款分类结果提供充分和必要的依据 ,减少贷款风险。

货币政策银行风险承担渠道“存在性”问题的再检验——基于代理理论和银行非风险中立的视角

作为研究的基本前提,货币政策银行风险承担渠道的"存在性"研究不仅颇具理论深度,而且在经验估计方面极富挑战性,但相对国外学者的研究,国内文献对此多有忽视。有鉴于此,本文从代理理论出发,首先分析了银行非风险中立这一风险承担渠道存在前提的原因,并采用2006～2014年我国155家银行的面板数据,将其分为高、低风险组的研究结果表明,高、低风险组对于货币政策的反应存在显著的差异,表明银行是非风险中立的,亦即我国确实存在银行风险承担渠道。在此基础上,本文还在国内首次尝试从贷款质量转移的角度,并采用我国16家上市银行2007～2014年的贷款五级分类数据构建了贷款质量指数进行再估计,得出了大致一致的结论。

数据挖掘技术在银行信贷风险管理中的应用

为了开发一个中国邮政储蓄银行某分行的信贷风险管理系统,采用了数据挖掘技术。首先对数据挖掘和数据仓库技术的相关概念进行了介绍,对现有的信贷管理情况进行了分析,结合我国银行业的实际特点,得到了一个基于数据挖掘的信贷风险管理模型的设计和实现方法。在此基础上,通过在分类以前进行属性选择,不仅改善了分类器的总体性能,也降低了数据采集成本,可以提高银行信贷工作的效率。

中国银行业与国际银行业贷款分类比较分析

本文的研究目的在于通过对中国银行业与国际银行业贷款分类的比较分析,指出中国银行业贷款分类存在的差距,并提出改进的建议。文章指出目前中国银行业贷款分类技术无论在基本思路、客户细分、行业、规模、区域、国家风险方面,还是统计技术和方法的应用方面都存在较大差距。针对上述差距作者提出了改进的思路和方法,对于中国银行业改进现行的分类技术,缩小与国际同业的差距提供了有价值的参考依据。

英语中的汉语借词类别及借用方式

英语中的汉语借词,对丰富英语词汇,促进语言交际做出了不小的贡献。探讨了英语中的汉语借词的种类以及借入方式,并为非汉语人士进行跨文化交际提供一些必要的中国文化知识。

农村信用社实行贷款五级分类的问题分析

贷款五级分类工作,是农村信用社建立现代管理制度、加强信贷管理、防范和化解贷款风险、提高信贷资产质量的需要,本文对当前农村信用社五级分类工作中存在的问题进行了详细的分析,提出了相应的建议。

中国P2P网贷区域性差异及影响因素分析

基于2017年数据,运用因子分析法综合评价我国各地区P2P网贷发展情况,分析其区域分布特征,并在此基础上检验各地区P2P网贷发展是否存在显著性差异。从人才、资产端风控能力、资金端增信手段及营销方式、投资者群体等方面构建指标体系,建立有序多分类Logistic回归模型分析其区域性差异的影响因素。结果显示:中国P2P网贷存在区域性发展差异,呈现出高值—高值,低值—低值的区域集聚特征;其区域性差异的形成受到人才、资产端风控能力、资金端增信手段及营销方式、投资者群体的影响。本研究旨在为地区P2P网贷的发展和管理提供参考依据。

从借阅率看图书馆藏率的合理性

用分类统计的方法,通过图书借阅率与馆藏率的离差分析来看图书馆藏率的合理性,从而为图书馆的藏书建设提供更好的决策依据,以最大限度地发挥图书馆的社会服务功能。