不良贷款有无回收判别:一类可选变量的支持向量机方法

被引：19

作者：

陈浩

马宇超

陈暮紫

唐跃

王博

陈敏

杨晓光

机构：

[1] 中国科学院数学与系统科学研究院

来源：

系统工程理论与实践 | 2009年 / 12期

关键词：

变量选择; 支持向量机; 回收率; 判别分析;

D O I：

暂无

中图分类号：

F224 [经济数学方法]; F830.5 [信贷];

学科分类号：

020104 [西方经济学]; 020219 [财政学（含：税收学）];

摘要：

针对不良贷款有无回收判别问题中属性变量数目多、示性变量比例高的特点,提出了一类可选择变量的支持向量机方法进行判别预测.该方法一是将逐步回归的支持向量机思想应用在模型变量的选择上,二是将线性逐步回归的结果作为模型选择变量的初始状态,解决了传统支持向量机只能使用固定变量的问题.实证结果显示,该方法不仅提高了样本外预测的正确率,而且具有很好的稳健性.

引用

页码：23 / 30

页数：8

共 8 条

[1]

银行不良贷款违约损失率结构特征研究 [J].

叶晓可 ;

刘海龙 .

上海管理科学, 2006, (06) :12-15

[2]

内部评级法中违约损失率的度量方法研究 [J].

沈沛龙 ;

崔婕 .

金融研究, 2005, (12) :86-95

[3]

内部评级法中的违约损失率(LGD)模型——新资本协议核心技术研究[J] 武剑国际金融研究 2005, 02

[4]

违约损失率(LGD)研究[J] 陈忠阳国际金融研究 2004, 05

[5]

Default Recovery Rates in Credit Risk Modelling: A Review of the Literature and Empirical Evidence[J] Edward Altman;Andrea Resti;Andrea Sironi Economic Notes 2004,

[6]

Almost Everything You Wanted to Know about Recoveries on Defaulted Bonds[J] Financial Analysts Journal 1996,

[7]

Support-Vector Networks[J] Corinna Cortes;Vladimir Vapnik Machine Learning 1995,

[8]

银行反对银行[M] 张海宁著; 清华大学出版社 2004,

← 1 →