基于支持向量機和移動Agent技術的銀行風險早期預警系統(tǒng)研究
發(fā)布時間：2021-09-15 21:51
隨著銀行業(yè)的快速發(fā)展,風險早期預警越來越受到監(jiān)管部門的重視。本論文針對銀行預警系統(tǒng)進行了研究,將支持向量機技術和移動Agent技術應用于銀行風險早期預警系統(tǒng)。文中提出了基于支持向量機分類（Support Vector Classification,SVC）的銀行風險預警方法,以及基于專家意見的、不確定支持向量機分類的銀行風險預警方法,并進行了實驗,證明了上述模型和方法優(yōu)于傳統(tǒng)的預警方法。其次,論文針對銀行數(shù)據量大,如采用集中式計算模式耗時長、對硬件要求水平高,以及銀行預警系統(tǒng)網絡結構復雜的特點,引入移動Agent并行計算技術,進行了移動Agent技術框架中Agent服務注冊及定位機制、遷移路由建立、路由選擇和路由更新的研究。具體研究內容如下;1本文首先在分析了銀行預警、模式分類和支持向量機的內在聯(lián)系之后,提出了基于支持向量機分類的銀行預警模型,有效提高了銀行預警的有效性,并給出了具體算法步驟和實證分析。2由于銀行預警歷史警度較難確定的問題,本文在不確定性支持向量機分類體系中引入了專家意見,并實現(xiàn)了與經典預警算法的有效融合預警方法,實現(xiàn)了預警方法與專家智能的有機結合,并給出了銀行預警實例...
【文章來源】：中國海洋大學山東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：123 頁
【學位級別】：博士
【部分圖文】：
預警方法1、2、3識別的預警機構關
目前已成為機器學習理論的最前沿。支持向量機是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，基本思想可用圖3.1 來說明。圖 3.1 中，圓點與方點分別表示兩種樣本，圖中的實線為分類線，虛線為平行于分類線的直線而且經過離分類線最近的樣本，兩條虛線之間的距離即為分類間隔。最優(yōu)分類線就是要求不但能將兩類樣本正確分開，而且使分類間隔最大。對分類線( ω x ) + b= 0進行標準化處理，使得對線性可分的樣本集 S，滿足下面的不等式:( ( )) 1, 1,2, ,i iy ω x + b ≥ i =l圖 3.1 兩類線性分化的最優(yōu)超平面
圖 3.2 模式分類過程示意圖其中虛線下方為訓練過程，上方為分類過程。下面我們以銀行風險預警為例來探討風險預警系統(tǒng)的預警過程和風險預警警度之間的關系。如果我們以銀行脆弱性預警指標為警兆指標，把銀行風險預警警度分為有警和無警兩類。那么預警過程就是在給定的一組樣本數(shù)據數(shù)據的情況下，通過某種預警模型，來判斷銀行風險的警度。如果在銀行風險預警系統(tǒng)中，將銀行的預警指標作為輸入向量，把銀行是否有警作為模式類別，那么銀行風險預警就是通過某種預警模型將待判別是否有警的目標向量與已知向量之間找到某種關聯(lián)，從而進行分類的過程，所以 SVM 也就完全可以作為一種銀行預警方法。傳統(tǒng)預警方法比較多的采用邏輯回歸、統(tǒng)計分析法、專家經驗等方法，對于簡單的預警問題，尚可以對付，但對于復雜高維的預警問題，就勉為其難了。而銀行預警問題由于指標體系較為復雜、分類較為困難，所以一般都是比較復雜的，
【參考文獻】：
期刊論文
[1]商業(yè)銀行經營風險預警模型及其實證研究[J]. 遲國泰,馮雪,趙志宏. 系統(tǒng)工程學報. 2009(04)
[2]特征加權支持向量機[J]. 汪廷華,田盛豐,黃厚寬. 電子與信息學報. 2009(03)
[3]銀行風險管理前沿理論及對我國銀行業(yè)監(jiān)管的影響[J]. 陳岱松,蔡利初. 南方金融. 2009(02)
[4]多任務聯(lián)盟形成中的Agent行為策略研究[J]. 蔣建國,蘇兆品,張國富,夏娜. 控制理論與應用. 2008(05)
[5]金融風險綜合評估方法最新研究進展[J]. 何旭彪. 國際金融研究. 2008(06)
[6]多機器人任務分配的研究與進展[J]. 張崳,劉淑華. 智能系統(tǒng)學報. 2008(02)
[7]樣本屬性重要度的支持向量機方法[J]. 汪廷華,田盛豐,黃厚寬,廖年冬. 北京交通大學學報. 2007(05)
[8]加強創(chuàng)新監(jiān)管 提升銀行創(chuàng)新能力與競爭力[J]. 談偉憲. 中國金融. 2007(15)
[9]銀行透明度:美國監(jiān)管信息結構分析[J]. 紀建悅,毛穎. 農村金融研究. 2007(07)
[10]用標準化理念指導銀行監(jiān)管實踐[J]. 李懷珍. 中國金融. 2007(13)
博士論文
[1]衛(wèi)星數(shù)傳調度的蟻群優(yōu)化模型及算法研究[D]. 陳祥國.國防科學技術大學 2010
[2]多UCAV協(xié)同任務控制中分布式任務分配與任務協(xié)調技術研究[D]. 龍濤.國防科學技術大學 2006
[3]基于多Agent系統(tǒng)的動態(tài)任務分配研究[D]. 馬巧云.華中科技大學 2006
碩士論文
[1]我國商業(yè)銀行風險預警系統(tǒng)研究[D]. 張微.天津財經大學 2009
本文編號：3396870
【文章來源】：中國海洋大學山東省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：123 頁
【學位級別】：博士
【部分圖文】：
預警方法1、2、3識別的預警機構關
目前已成為機器學習理論的最前沿。支持向量機是從線性可分情況下的最優(yōu)分類面發(fā)展而來的，基本思想可用圖3.1 來說明。圖 3.1 中，圓點與方點分別表示兩種樣本，圖中的實線為分類線，虛線為平行于分類線的直線而且經過離分類線最近的樣本，兩條虛線之間的距離即為分類間隔。最優(yōu)分類線就是要求不但能將兩類樣本正確分開，而且使分類間隔最大。對分類線( ω x ) + b= 0進行標準化處理，使得對線性可分的樣本集 S，滿足下面的不等式:( ( )) 1, 1,2, ,i iy ω x + b ≥ i =l圖 3.1 兩類線性分化的最優(yōu)超平面
圖 3.2 模式分類過程示意圖其中虛線下方為訓練過程，上方為分類過程。下面我們以銀行風險預警為例來探討風險預警系統(tǒng)的預警過程和風險預警警度之間的關系。如果我們以銀行脆弱性預警指標為警兆指標，把銀行風險預警警度分為有警和無警兩類。那么預警過程就是在給定的一組樣本數(shù)據數(shù)據的情況下，通過某種預警模型，來判斷銀行風險的警度。如果在銀行風險預警系統(tǒng)中，將銀行的預警指標作為輸入向量，把銀行是否有警作為模式類別，那么銀行風險預警就是通過某種預警模型將待判別是否有警的目標向量與已知向量之間找到某種關聯(lián)，從而進行分類的過程，所以 SVM 也就完全可以作為一種銀行預警方法。傳統(tǒng)預警方法比較多的采用邏輯回歸、統(tǒng)計分析法、專家經驗等方法，對于簡單的預警問題，尚可以對付，但對于復雜高維的預警問題，就勉為其難了。而銀行預警問題由于指標體系較為復雜、分類較為困難，所以一般都是比較復雜的，
【參考文獻】：
期刊論文
[1]商業(yè)銀行經營風險預警模型及其實證研究[J]. 遲國泰,馮雪,趙志宏. 系統(tǒng)工程學報. 2009(04)
[2]特征加權支持向量機[J]. 汪廷華,田盛豐,黃厚寬. 電子與信息學報. 2009(03)
[3]銀行風險管理前沿理論及對我國銀行業(yè)監(jiān)管的影響[J]. 陳岱松,蔡利初. 南方金融. 2009(02)
[4]多任務聯(lián)盟形成中的Agent行為策略研究[J]. 蔣建國,蘇兆品,張國富,夏娜. 控制理論與應用. 2008(05)
[5]金融風險綜合評估方法最新研究進展[J]. 何旭彪. 國際金融研究. 2008(06)
[6]多機器人任務分配的研究與進展[J]. 張崳,劉淑華. 智能系統(tǒng)學報. 2008(02)
[7]樣本屬性重要度的支持向量機方法[J]. 汪廷華,田盛豐,黃厚寬,廖年冬. 北京交通大學學報. 2007(05)
[8]加強創(chuàng)新監(jiān)管 提升銀行創(chuàng)新能力與競爭力[J]. 談偉憲. 中國金融. 2007(15)
[9]銀行透明度:美國監(jiān)管信息結構分析[J]. 紀建悅,毛穎. 農村金融研究. 2007(07)
[10]用標準化理念指導銀行監(jiān)管實踐[J]. 李懷珍. 中國金融. 2007(13)
博士論文
[1]衛(wèi)星數(shù)傳調度的蟻群優(yōu)化模型及算法研究[D]. 陳祥國.國防科學技術大學 2010
[2]多UCAV協(xié)同任務控制中分布式任務分配與任務協(xié)調技術研究[D]. 龍濤.國防科學技術大學 2006
[3]基于多Agent系統(tǒng)的動態(tài)任務分配研究[D]. 馬巧云.華中科技大學 2006
碩士論文
[1]我國商業(yè)銀行風險預警系統(tǒng)研究[D]. 張微.天津財經大學 2009
本文編號：3396870
本文鏈接：http://www.sikaile.net/jingjilunwen/guojijinrong/3396870.html
