文 献 综 述

1、 选题目的和意义：

机器学习是一门人工智能的科学，是对能通过经验自动改进的计算机算法的研究。近年来，机器学习被成功的应用于很多领域，从检测信用卡交易欺诈的数据挖掘程序，到获取用户阅读兴趣的信息过滤系统，机器学习成为国内外智能系统专家研究的热点。而贝叶斯网络正是机器学习的核心方法之一，也是不确定知识表达和推理领域最有效的理论模型之一，更是最有代表性的智能信息处理模型。以贝叶斯理论为中心的贝叶斯网络在数据挖掘，人工智能，机器学习等领域出现的不确定性问题的解决上成为重要的方法之一，并在金融行业，医疗诊断，生物工程等方面被广泛使用。本文将对贝叶斯网络在金融行业商业银行的操作风险方面进行研究。

考虑到贝叶斯算法的广泛使用，同一种贝叶斯算法面对不同问题的效果可能不同；另一方面，不同种贝叶斯算法面对相同问题的效果也可能不同。分析不同算法之间的适用性和优缺点有助于选择最优方法解决问题，学习并掌握贝叶斯网络在金融行业中的具体应用。

2、 国内外研究现状：

贝叶斯网络的发展主要经历了三个阶段。第一阶段，在90年代以前，建立了贝叶斯网络基础理论体系和不确定性推理的研究，根据专家知识学习贝叶斯网络的构建；第二阶段，在90年代，根据数据和专家知识建立贝叶斯网络，相继出现了许多经典的贝叶斯网络学习算法；第三阶段，在20世纪末，研究贝叶斯网络的应用，来解决实际问题。如今，贝叶斯网络已经被广泛的应用于医疗诊断，工业控制，人工智能，数据挖掘等领域中解决问题，并取得了良好的成果。

国内对于贝叶斯网络的研究起步较晚，在近年来国内出现众多学者和银行从业人员对商业银行操作风险管理进行了研究。2008年陆静等研究了利用贝叶斯网络针对八大业务条线建立银行层面的操作风险预警系统。2008年刘家鹏等通过一个客户流失的模型阐述了贝叶斯网的作用。巴曙松分析了操作风险的特点和白塞尔新资本协议对于操作风险相关规定的演变。沈沛龙，任若恩对新巴塞尔协议中关于操作风险资本金计算的理论依据和计算框架进行了剖析。田玲，蔡秋杰对衡量操作风险的五种方法和极值理论模型进行比较分析。陈学华，杨辉耀探讨了POT模型在商业银行操作风险度量中的应用；樊欣，杨晓光在此基础上应用收入模型和证券因子模型对国内两家股份制商业银行的操作风险状况进行了实证分析。蒋东明，张维以风险管理基本流程为理论依据，设计了我国商业银行操作风险管理组织结构与管理程序的理想模型。刘超从流程管理的角度提出了基于作业的操作风险管理框架，具有较好的有效性和可操作性。万杰，苗文龙比较国内外操作风险现状，得出我国商业银行管理层内部欺诈产生的主要原因。

国外对贝叶斯网络的研究起步较早。Alexander(2000,2003)最先介绍了利用贝叶斯网络对于特定类型的操作风险，如交易过程风险和人员风险进行量化和管理的方法，主要通过建立因果模型来实现。2001年King对运用贝叶斯网络建立操作风险的因果关系模型方法进行了描述。2005年Adusei-Poku认为操作风险通常发生在业务单位层面，因此管理风险和建模也应在同样的微观层面上进行。