余乐安等

信用风险分析是金融风险管理领域中最重要的课题之一。银行对于可靠的能准确预测违约的定量模型的需求是紧迫的。在这本专著中作者们试图把最近出版的支持向量机(SVM)和其他的计算智能技术相结合，为信用风险建模和分析复制基于生物启发的信息过程原理。为信用风险建模分析选择SVM是由于它独一无二的特性和功能强大的模式识别能力。与大多数传统的统计学模型不同，SVM是一类数据驱动、自适应及非线性的方法。它们不要求对作为基础的数据产生过程进行特殊干预，这一特性对于实际的商业环境是特别有吸引力的，在这种环境中数据是大量的，或者是容易使用的。

本书共有11章，分成四个部分。第一部分信用风险与计算智能的解析综述，含第1章。1．信用风险分析与计算智能述评。第二部分信用风险评估的具有最佳参数选择的一元SVM模型，含第2～3章。2．利用基于最近点算法的SVM和参数选择实验设计的信用风险估计；3．利用SVM和参数选择直接搜索的信用风险估计。第三部分用于风险分析的SVM与其他计算智能技术的混成，含第4-7章。4．信用风险估计的粗略集与SVM的混成；5．信用风险评估的最小二乘方模糊SVM方法；6．借助双侧加权模糊SVM模型的信用风险估计；7．信用风险分析最小二乘方SVM演变。第四部分信用风险分析SVM总体学习，含第8～11章。8．利用多级SVM总体学习方法的信用风险估计；9．借助基于SVM元建模总体方法的信用风险分析；10．商业信用风险分析的基于进化编程的知识总体模型；……