一种新的银行信用风险识别方法:SVM-KNN组合模型

摘要：

科学、高效的信用风险模型是监管机构和银行进行风险管理的重要工具.本文根据SVM模型和KNN模型在处理分类问题中的优势以及二者之间的联系,提出了SVM-KNN组合模型,并以我国165家上市企业2017—2018年度的财务数据为样本,对我国商业银行信用风险进行了识别分析.实证结果表明:SVM-KNN组合模型在识别样本企业信用风险时,不仅可有效解决SVM模型和KNN模型的维度难题,而且相对于单独使用SVM模型和KNN模型,对商业银行信用风险的识别效果也得到了明显提升.最后,本文提出了加强授信准入管理、完善和健全我国银行征信系统和企业数据库系统、实现金融与科技的深度融合等相关建议.

关键词：商业银行、信用风险、SVM-KNN组合模型

分类号：F832(金融、银行)

资助基金：本文受到教育部人文社会科学重点研究基地重大项目"基于大数据的精算统计模型与风险管理究"项目号:16JJD910001

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：23-37