基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
中小企业贷款难的问题一直以来是其发展壮大的瓶颈,多银行贷款池是解决中小企业贷款难的一个新方法。为有效解决传统神经网络模型容易陷入局部极小点,收敛速度慢等缺点,本文在对多银行贷款池合约进行分析以后,提出了将主成分分析方法和支持向量机(SVM)非线性分类器相结合应用于贷款池银行风险评估中,并对SVM和神经网络模型进行了比较,为多银行贷款池风险评估方法提供了新的思路。
推荐文章
基于DB T分类算法的银行贷款风险评估
银行贷款风险评估
贝叶斯决策树算法(DBT)
属性值缺失
浅谈银行贷款的风险管理
银行贷款
风险管理
成因
措施
一种商业银行贷款项目绩效评估新模型
商业银行
贷款项目
灰色关联分析
逐步判别分析
商业银行贷款风险控制关键
商业银行
贷款风险
控制
对策
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 SVM下多银行贷款池风险分析
来源期刊 财会通讯:综合(中) 学科 经济
关键词 银行贷款 SVM 风险分析 神经网络模型 风险评估方法 主成分分析方法 中小企业 支持向量机
年,卷(期) chtxz_2010,(6) 所属期刊栏目
研究方向 页码范围 141-143
页数 3页 分类号 F832.4
字数 语种
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 杜子平 103 528 12.0 18.0
2 张勇 11 81 5.0 9.0
3 杨明 5 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
银行贷款
SVM
风险分析
神经网络模型
风险评估方法
主成分分析方法
中小企业
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
财会通讯:中
月刊
1002-8072
42-1103/F
武汉市武昌紫阳东路45号
38-193
出版文献量(篇)
7808
总下载数(次)
25
论文1v1指导