数据挖掘技术在商业银行信用风险管理中的应用研究

《数据挖掘技术在商业银行信用风险管理中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浙江理I：人学硕十学位论文摘要风险管理是会融管理的一个核心问题，而信用风险则是金融风险管理中最为重要的问题，是银行和企业都需要面对的风险，而且随着信用交易的扩大，信用风险越来越大。据麦肯锡公司研究表明，以银行实际的风险资本配置为参考，信用风险占银行总体风险暴露的60％，而市场风险和操作JXI险则仅各占20％。商业银行作为承载信用风险的主体之一，其信用风险管理体系的完善与否也是事关银行经营成败的一个关键因素所在。本文以数据挖掘在商业银行信用风险管理中的应用为研究对象。文章首先阐述商业银行信用风险管理的概念、特征、方法并对国内外数

2、据挖掘技术在信用风险管理中的研究状况进行了综述。接着本文论述了数掘挖掘的相关概念以及数据挖掘的基本方法，并对数掘挖掘技术在商业银行的应用领域以及其在信用风险管理领域的应用进行了归纳。然后，本文列举了三个数据挖掘方法在商业银行信用风险管弼!模型设计中实际应用的例子。更深入地，本文以杭州某{=：}二的信用V-系统数扼为蝼础进行了实证研究。通过使用SPSSClementine儿．0软件对信用卡系统数抓进行了具体的数捌挖拥{实施，挖掘出了预测信用卡客户信用状况的三种模型：逻辑Il

3、Il归模弛、CtlAlD树模型和神经网络模型，并对三种

4、模型的预测效果进行了分析和比较。最后，结合我困银行业实际情况，分析了在我国商业银行实施数据挖掘技术的凼难，并对我陶商业银行使用数掘挖掘技术进行信用风险管理给出了建议。文章基于对数据挖掘力。法优势的描述和银行业信贷部门信用评价情况的认识，结合茵方商业银行信用风险评价力‘法f191芷L'-式，运用模型分析了数掘挖掘方法在商业银行信用风险管理领域的应用优势。文章对我吲银行信用风险管理领域应用数掘挖掘方法和技术有很大的启发意义，尤其在商业银行信用评估和评级情况上应用数据挖掘方法有很大的借鉴作用。关键词：信用风险管理数据挖掘应用逻辑回归

5、方法决策树方法神经网络方法浙江理l：人学硕十学{}7：论文THEAPPLIEDSTUDYONDATAMININGBASEDCREDITRISKM【ANAGEMENTOFCOMMERCIALBANKAbstractRiskmanagementisacorepartoffinancialmanagement，andthecreditriskmanagementisthemostimportantissueoffinancialmanagementthatbanksandbusinesseshavetOface．Moreover，w

6、iththeexpansionofcredittransactions．creditriskisincreasing．AccordingtoMcKinseystudyshows，creditriskisaboutsixtypercentoftheoverallriskexposureofbank，andthemarketriskandoperationalriskisjustrespectivetwentypercentiftaketheactualventurecapitalofbankforthereferenceconf

7、iguration．Asamaincartierofcreditrisk，thesuccessofcommercialbank?SbusinessisrelatedtowhetherthecreditriskmanagementsystemisperfectenoughThepapertakestheappliedstudyondataminingbasedcreditriskmanagementasstudyingobjective．Atfirst，thepaperdescribedtheconcepts．character

8、istics，methodsofthecommercialbankcreditriskmanagement，andreviewedtheresearchstateofthecreditriskmanagementinthedomesticandinternationalcountry．Secondly，thepaperdiscussestherelatedconceptsandbasicmethodofdatamining．thefielddataminingappliedtOcommercialbanking，andthea

9、pplicationofdataminingincreditriskmanagementarea．Then，thearticletakethereexamplesoftheactualapplicationofdataminingtechnologyinthecommerci