基于SVM与GA的银行贷款风险评估研究

进行基于支持向量机的贷款风险评估研究,在训练向量空间中找到一个分类超平面,使向量分类具有较小的错误率,并获得较强的可扩展能力。从理论分析与实验对比可知,采用遗传算法可使其收敛到全局最优参数,确保支持向量机的分类和扩展的性能达到最优。在平均执行时间小于1 s内获得的高于94.3%正确率的实验结果验证了本算法的正确性与有效性,同时也表明支持向量机在小样本特征空间分类中所具有的优良性能。

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。