本文關(guān)鍵詞： 個(gè)人住房貸款 信用風(fēng)險(xiǎn)評(píng)估 主成分分析 RBF神經(jīng)網(wǎng)絡(luò)　出處：《首都經(jīng)濟(jì)貿(mào)易大學(xué)》2013年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：目前我國(guó)商業(yè)銀行的個(gè)人住房貸款業(yè)務(wù)正處于快速發(fā)展的階段，在發(fā)展過(guò)程中同時(shí)存在著諸如信用風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)、法律政策風(fēng)險(xiǎn)等各種類(lèi)型的風(fēng)險(xiǎn)。商業(yè)銀行將信用風(fēng)險(xiǎn)作為風(fēng)險(xiǎn)控制管理關(guān)注的重點(diǎn)，因此建立一個(gè)科學(xué)全面的個(gè)人住房貸款信用風(fēng)險(xiǎn)評(píng)估模型對(duì)銀行個(gè)人貸款業(yè)務(wù)的穩(wěn)步發(fā)展和風(fēng)險(xiǎn)防控工作是非常必要的。我國(guó)個(gè)人信用風(fēng)險(xiǎn)評(píng)估工作起步較晚，各家商業(yè)銀行建立的評(píng)估體系尚未有統(tǒng)一的標(biāo)準(zhǔn)，且還存在一些不足，這些都制約了個(gè)人消費(fèi)信貸業(yè)務(wù)的健康發(fā)展。 本文通過(guò)對(duì)我國(guó)商業(yè)銀行現(xiàn)行個(gè)人信用風(fēng)險(xiǎn)評(píng)估的分析，在借鑒西方發(fā)達(dá)國(guó)家和地區(qū)相對(duì)成熟體系經(jīng)驗(yàn)的同時(shí)，充分考慮我國(guó)現(xiàn)實(shí)國(guó)情，得出一個(gè)相對(duì)合理全面的個(gè)人信貸信用風(fēng)險(xiǎn)評(píng)估指標(biāo)體系。體系中加入了貸款狀況指標(biāo)，更貼近住房貸款業(yè)務(wù)，體現(xiàn)了專(zhuān)業(yè)性質(zhì)，同時(shí)將資產(chǎn)負(fù)債狀況分層細(xì)化考慮，體現(xiàn)住房、汽車(chē)、債券等各類(lèi)型資產(chǎn)負(fù)債情況。 本文在確定了信用風(fēng)險(xiǎn)評(píng)估指標(biāo)的基礎(chǔ)上，將運(yùn)用基于主成分分析法的RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)模型對(duì)信用風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)評(píng)估，驗(yàn)證評(píng)估指標(biāo)的現(xiàn)實(shí)效果。通過(guò)主成分分析法和RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的融合，可以對(duì)RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的輸入變量進(jìn)行篩選和降維，將累計(jì)貢獻(xiàn)率大的變量集作為最終網(wǎng)絡(luò)的輸入變量。在此基礎(chǔ)上對(duì)樣本數(shù)據(jù)進(jìn)行訓(xùn)練、測(cè)試，，通過(guò)實(shí)例數(shù)據(jù)證明取得了較好的評(píng)估預(yù)測(cè)效果，能夠?yàn)樯虡I(yè)銀行的信用風(fēng)險(xiǎn)管理工作提供有效的支持。
[Abstract]:At present, the personal housing loan business of commercial banks in our country is in the stage of rapid development, such as credit risk and market risk in the process of development at the same time. Commercial banks take credit risk as the focus of risk control management. Therefore, it is necessary to establish a scientific and comprehensive personal housing loan credit risk assessment model for the steady development of bank personal loan business and risk prevention and control work. The evaluation system established by various commercial banks has not yet had a unified standard, and there are still some shortcomings, which restrict the healthy development of personal consumption credit business. Through the analysis of the current personal credit risk assessment of commercial banks in China, this paper takes full account of the actual situation of our country while learning from the relative mature system experience of western developed countries and regions. Get a relatively reasonable and comprehensive personal credit risk evaluation index system. The system adds loan status indicators, closer to the housing loan business, reflects the professional nature. At the same time, the state of assets and liabilities are classified and considered to reflect the housing, automobile, bonds and other types of assets and liabilities. On the basis of determining the credit risk evaluation index, this paper uses the RBF radial basis function neural network model based on principal component analysis to predict and evaluate the credit risk. Through the fusion of principal component analysis and RBF radial basis function neural network, the input variables of RBF radial basis function neural network can be screened and reduced. The variable set with large cumulative contribution rate is taken as the input variable of the final network. On this basis, the sample data are trained and tested, and good evaluation and prediction results are obtained by the example data. To provide effective support for the credit risk management of commercial banks.
【學(xué)位授予單位】：首都經(jīng)濟(jì)貿(mào)易大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：F832.45

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 關(guān)子明;常文兵;;基于PCA-RBF神經(jīng)網(wǎng)絡(luò)模型的航空備件預(yù)測(cè)方法[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

2 劉莉亞;;商業(yè)銀行個(gè)人信貸信用評(píng)分模型的構(gòu)建與應(yīng)用[J];財(cái)經(jīng)研究;2007年02期

3 向暉;楊勝剛;;個(gè)人信用評(píng)分關(guān)鍵技術(shù)研究的新進(jìn)展[J];財(cái)經(jīng)理論與實(shí)踐;2011年04期

4 陳偉,馬如雄 ,郝艷紅;基于MATLAB的BP人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)[J];電腦學(xué)習(xí);2005年02期

5 王艷芹;張維;;基于MATLAB的RBF神經(jīng)網(wǎng)絡(luò)建模及應(yīng)用[J];大慶師范學(xué)院學(xué)報(bào);2007年02期

6 馬晶晶;;論個(gè)人住房貸款的風(fēng)險(xiǎn)分析及對(duì)策研究[J];法制與社會(huì);2009年18期

7 王建成;企業(yè)信貸能力的因子分析模糊綜合評(píng)價(jià)[J];系統(tǒng)工程;2002年03期

8 王陽(yáng)萍,朱正平;MATLAB在RBF徑向基神經(jīng)網(wǎng)絡(luò)仿真中的應(yīng)用[J];甘肅科技;2004年10期

9 李孟來(lái);;我國(guó)個(gè)人信用評(píng)分模型的應(yīng)用探討[J];金融管理與研究;2009年02期

10 胡光榮;決策樹(shù)在商業(yè)銀行風(fēng)險(xiǎn)分析中的應(yīng)用[J];華南金融電腦;2005年08期

相關(guān)碩士學(xué)位論文 前10條

1 馬千里;中國(guó)商業(yè)銀行房地產(chǎn)信貸風(fēng)險(xiǎn)管理研究[D];東北財(cái)經(jīng)大學(xué);2010年

2 黃婭妮;基于KMV模型的我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)度量和管理研究[D];暨南大學(xué);2011年

3 周瑩;我國(guó)商業(yè)銀行個(gè)人消費(fèi)信貸業(yè)務(wù)風(fēng)險(xiǎn)評(píng)估研究[D];北京林業(yè)大學(xué);2011年

4 寧?kù)o;基于Logistic模型的我國(guó)商業(yè)銀行消費(fèi)信貸風(fēng)險(xiǎn)評(píng)估研究[D];廣東商學(xué)院;2011年

5 駱宏偉;我國(guó)商業(yè)銀行信貸風(fēng)險(xiǎn)預(yù)警體系研究[D];燕山大學(xué);2010年

6 張鵬;商業(yè)銀行信用風(fēng)險(xiǎn)度量與控制[D];武漢理工大學(xué);2003年

7 樊曉暉;信用風(fēng)險(xiǎn)測(cè)算模型及其在我國(guó)商業(yè)銀行的應(yīng)用研究[D];湖南大學(xué);2005年

8 齊菲;廣東發(fā)展銀行客戶(hù)信用評(píng)級(jí)體系研究[D];大連理工大學(xué);2006年

9 徐海;現(xiàn)階段我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)研究[D];暨南大學(xué);2006年

10 穆麗新;基于粗糙集神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘系統(tǒng)及其應(yīng)用[D];哈爾濱理工大學(xué);2006年

本文編號(hào)：1449939