论文部分内容阅读
信用风险是商业银行承担的金融风险中最重要的风险之一，如何分析和防范中小企业的信用风险成为商业银行工作的重中之重。本文在对中小企业信用风险问题进行深入分析的基础上，构建了中小企业信用评级指标体系，通过改进后的群体层次分析法确定了指标体系权重，最后建立了信用风险预测模型。 首先，本文通过对国内外信用风险评级指标体系的分析，参考南京银行实际调研数据，采用因子分析法为中小企业信用风险评级指标的确定提供量化依据，从而将多维指标整合为多层次风险评级体系。 其次，指出Saaty提出的传统层次分析在判断矩阵一致性检验和群体决策方面的不足。针对不足，基于Crawford研究基础，对完全一致性判断矩阵特征进行了深入分析，进而提出Mic迭代算法，在最大程度保留决策者原始矩阵信息的前提下，对判断矩阵一致性进行改进。避免了因判断矩阵一致性不通过而造成的数据损失;群体决策方面，采用基于欧几里得距离的专家权重确定方法，为专家个体赋权，通过聚合个人判断法(AIJ)得出专家聚合矩阵。之后，针对群决策中存在的个体信息偏好，本文通过对基本共识指标(GCCI)的提升来改进聚合矩阵共识度，最终确立群决策指标权重。 最后，以南京银行项目为依据，针对具有完整信息的186笔中小企业信贷数据，分别采用模糊综合评价法和多类支持向量机方法进行预测分析。结果表明，两种预测方法的结果整体较好，模糊综合评价法得出的查全率较SVM方法较高，SVM方法得出的查准率较模糊综合评价法较高。