数据挖掘在我国商业银行信用风险度量模型中设计
背景介绍
在"互联网+"的大数据时代背景下,对商业银行信用风险管理的数据挖掘显得尤为重要.我国作为世界上最大的发展中国家,银行融资将仍是为我国经济增长提供资金的主要方式,银行体系面临的信用风险将是我国经济基本面所可能遭受到金融风险的主要构成来源.因此深入研究我国商业银行的信用风险管理问题,结合客户关系管理系统在银行业中的应用,并通过客户关系管理系统中的数据挖掘功能对银行信用风险度量模型的嵌入,寻找更优的银行信用风险度量的方法具有重大的现实意义.而在对商业银行信用风险进行识别和度量的过程中需要对大量的数据进行综合分析,去寻找可靠的信息推算出潜在的违约率以及预期信用风险.这恰恰又是现在客户管理系统中数据挖掘模块的独特功能.基于数据挖掘的银行客户管理信息系统就是银行利用数据挖掘技术.通过有效充分的数据挖掘,对银行客户资料作不同角度的分析,从中对客户进行定位分类,明确客户的消费倾向与消费模式,预测客户的风险性,从而实现与银行信用风险度量系统的结合.
数据挖掘技术、商业银行、银行信用风险、风险度量模型、客户关系管理系统、客户管理信息系统、风险管理、客户管理系统、经济基本面、发展中国家、综合分析、银行体系、银行融资、消费倾向、消费模式、挖掘模块、挖掘功能、客户资料、经济增长、金融风险
TP3;TP1
2017-11-07(万方平台首次上网日期,不代表论文的发表时间)
共1页
79