《K-means聚类算法论文贷款风险论文：基于K-means聚类算法的银行贷款风险管理分析》由会员分享，可在线阅读，更多相关《K-means聚类算法论文贷款风险论文：基于K-means聚类算法的银行贷款风险管理分析（3页珍藏版）》请在金锄头文库上搜索。
1、论文发表专家一中国学木论丈用K-means聚类算法论文贷款风险论文:基于 K-mea ns聚类算法的银行贷款风险管理分析摘要：本文构建基于 k-means聚类算法的贷款风险管理 框架。将银行贷款风险测算模型指标体系化，对我国银行中 贷款风险的情况进行实地分析和总结，提出了基于k- means聚类算法的贷款风险预测方法。这种方法是将k-means聚类算法与银行贷款风险测算管理结合起来，通过建立六个量化 指标，在实践中建立银行贷款风险测算管理实用体系，解决 了经济快速发展中的银行贷款量大规模增加带来的风险测 算与管理工作繁杂问题，能有效期确保银行贷款的安全。关键词：k-means聚类算法指标贷款风
2、险、引言银行业具有典型的风险管理体系特征，其整体管理能力 和水平决定了银行经营决策和金融风险的高低。随着我国社 会主义市场经济体制不断地完善，城镇化步伐在不断加快， 各地房地产业蓬勃发展，国内各类房地产企业、买房人对资 金的需求显得日益迫切，客观上对我国商业银行的资金供给 能力提出了更高的要求，随之便产生了信贷评估要求，尤其 是贷款风险评估方面，因为银行需要最大限度地降低和控制 贷款风险。国内关于商业银行贷款风险管理的理论研究起步于20世纪80年代末，进入90年代，有关商业银行贷款风险管理的研究论文和著作正以前所未有的速度不断涌现，这些论文 和著作在研究内容、研究范围还是研究方法上都日趋成熟
3、另外，近年有了一些更先进的模型和技术，比如基于风险价值var的信用度量模型及credit metrics系统等。本文构建基于k-means聚类算法的贷款风险管理框架。将银行贷款 风险测算模型指标体系化，对银行贷款风险管理进行了创 新，对银行贷款风险管理有一定的借鉴意义。二、银行贷款风险评估指标体系构建（以邯郸工商银行 为例）在2010年春节前后，国家出台了房贷新政，同时自2010 年10月20日至2011年4月6日四次上调人民币存贷款利 率，这一系列紧缩政策对房贷市场产生了一定影响。以我市 中国工商银行邯郸分行为例，首套房贷款已无利率优惠，银 行已开始执行房贷二套房首付6 0%、利率为基准利率
4、1.1倍的新政策。目前工行首套房贷首付为3 0%,且已无利率 优惠政策，执行基准利率标准。二套房则执行标准利率的1.1倍，首付从5 0%上调至60%以上。在此背景下，银行的贷款存量应比以前大幅减少，但潜 在风险仍应予以重视。我们应通过构建数学模型尽可能准确 地予以评估，最大限度确保贷款资金的安全。一般来说，银 行贷款的风险主要来自于借款人的风险，尤其是借款人的财 务（还款能力）风险。而借款人财务风险的大小又与借款人 一定时期内的信用状况有着直接的联系。具体而言，银行信 贷部门将贷款申请人以及其所在单位的发展前景，将贷款人 的信用评价，收入状况，偿还贷款能力等条件输入评估系统， 由系统对申请人进
5、行打分，并根据已有的记录资料将申请人 的风险评估结果和信用记录提交给授贷人员，为其决策提供 依据因此，借款人信用状况的分析是银行贷款风险管理的基 础，也是贷款风险评估的主要内容。以我市个人房贷为参照，贷款风险评估一般涉及到以下六个因素（我们以大量贷款业 务回访方式获得）：1、（借款人）工作不稳定性，反映借款人目前的工作情 况及工作稳定程度，以在一定时间内职业变动次数及每变动 一次的收入变化情况来衡量。如借款人一般可分为高级管理 人员与高级专业技术人员、 办公室一般工作人员、 技术工人、 体力劳动工人、临时工、城市农民工，无职业者、农业劳动 者阶层等等。 显然，贷款人工作越不稳定，银行承受的贷 款风险就越大。2、（借款人）收入不稳定性。这也从另一个侧面反映借 款人的职业特点及素质。例如借款人是否公务员、工人、自 由职业者、农民、农民工，小商贩等等；是否属于城乡无业、失业、失地、待业、半失业人员阶层；是否就职事业单 位、跨国公司（外资企业）、国有大型企业、中小型企业（公
