【摘要】：隨著中國(guó)改革開(kāi)放的逐漸深入，居民的消費(fèi)觀念不斷更新，銀行業(yè)個(gè)人信貸業(yè)務(wù)的熱點(diǎn)也相繼涌出。個(gè)人信貸業(yè)務(wù)已經(jīng)發(fā)展成為各家商業(yè)銀行的核心業(yè)務(wù)。因此剖析個(gè)人信貸業(yè)務(wù)風(fēng)險(xiǎn)成因，建立完善的風(fēng)險(xiǎn)控制機(jī)制，并挖掘出高效的風(fēng)險(xiǎn)控制技術(shù)，對(duì)于化解商業(yè)銀行個(gè)人信貸業(yè)務(wù)風(fēng)險(xiǎn)具有十分重要的現(xiàn)實(shí)意義。 論文分析了商業(yè)銀行個(gè)人信貸業(yè)務(wù)的各種風(fēng)險(xiǎn)，認(rèn)為信用風(fēng)險(xiǎn)是其面臨的主要風(fēng)險(xiǎn)，并對(duì)信用風(fēng)險(xiǎn)成因進(jìn)行了剖析。通過(guò)對(duì)信用風(fēng)險(xiǎn)，個(gè)人信用評(píng)分的管理，層次分析法，BP神經(jīng)網(wǎng)絡(luò)和Logistic回歸分析的分析，，結(jié)合我國(guó)商業(yè)銀行目前風(fēng)險(xiǎn)管理的實(shí)際情況，構(gòu)建了信用評(píng)分的ALB評(píng)分模型，為銀行機(jī)構(gòu)對(duì)個(gè)人信用評(píng)估時(shí)提供更為準(zhǔn)確的，科學(xué)的決策信息。模型的主要工作如下： 首先，利用層次分析理論得到用戶(hù)特征的權(quán)值，找出重要的特征因素。其次將這些重要的因素分別進(jìn)行Logistic回歸分析和BP神經(jīng)網(wǎng)絡(luò)分析。將重要的特征值經(jīng)過(guò)BP神經(jīng)網(wǎng)絡(luò)和Logistic回歸分析，最后得到全面評(píng)價(jià)用戶(hù)的一個(gè)指標(biāo)值，從而決定個(gè)人信貸業(yè)務(wù)是否發(fā)放。論文對(duì)模型進(jìn)行了實(shí)證分析，以我國(guó)商業(yè)銀行登記的個(gè)人信用數(shù)據(jù)為輸入，檢驗(yàn)了模型的預(yù)測(cè)精度。 實(shí)驗(yàn)結(jié)果表明，ALB模型的預(yù)測(cè)精度比使用單一的模型有明顯提高，ALB模型的穩(wěn)定性要比使用BP模型高，效率要好。ALB模型中特征變量具有更加清晰的解釋意義，可以更好的指導(dǎo)制定審批的征信政策，指導(dǎo)營(yíng)銷(xiāo)人員準(zhǔn)確的定位目標(biāo)客戶(hù)。
【圖文】：

圖 2.1 個(gè)人信用狀況因素圖.2 個(gè)人信用評(píng)分方法個(gè)人信用評(píng)估經(jīng)歷了二十年的發(fā)展，總體來(lái)說(shuō)主要分為兩大類(lèi)：傳統(tǒng)的個(gè)用評(píng)估法和現(xiàn)代的個(gè)人信用評(píng)估法。1．傳統(tǒng)的個(gè)人信用評(píng)估方法[20]傳統(tǒng)的個(gè)人信用的評(píng)估主要依靠評(píng)估人員的個(gè)人經(jīng)驗(yàn)、以及對(duì)于個(gè)人信用的理解。傳統(tǒng)的對(duì)用戶(hù)評(píng)估的內(nèi)容比較單一，尤其是評(píng)估依靠專(zhuān)家知識(shí)和個(gè)驗(yàn)。所以，客戶(hù)特征指標(biāo)的賦值具有很大的主觀隨意性以及指標(biāo)選用的標(biāo)準(zhǔn)都會(huì)對(duì)評(píng)估結(jié)果有所偏差。數(shù)理統(tǒng)計(jì)能有效的消除主觀因素對(duì)個(gè)人信用評(píng)估響，因此隨著數(shù)理統(tǒng)計(jì)方法在個(gè)人信用評(píng)估方面的應(yīng)用。古典的個(gè)人信用評(píng)法悄然的退出歷史的舞臺(tái)。2．現(xiàn)代個(gè)人信用評(píng)估法（信用風(fēng)險(xiǎn)度量模型）許多的專(zhuān)家和學(xué)者一直研究更加準(zhǔn)確的個(gè)人信用評(píng)估的新模型和新方法，

神經(jīng)網(wǎng)絡(luò)獲得的結(jié)果和層次分析排序結(jié)果中權(quán)值大的變量作為解釋ogistic 回歸模型中，結(jié)合 Logistic 回歸模型中的解釋變量，重新構(gòu)ic 回歸的混合模型。利用 SPSS 軟件進(jìn)行 Logistic 回歸，得到的混合1 2 3 4 56 7 8 9log( ) 10.98 0.63 19.65 1.89 0.85 1.091.28 1.67 1.90 3.89p x x x x xx x x x （逐步回歸擇合適的變量子集的方法有很多，包括向后剔除法，逐步篩選法，等，但是最常用的選擇方法是逐步篩選法。逐步篩選法的基本步驟下：規(guī)的步驟：對(duì)自變量逐個(gè)引入，每次引入對(duì) Y 影響最顯著的自變量量進(jìn)行檢驗(yàn)，將不顯著的變量逐個(gè)的從方程中剔除掉。最后方程中 影響很顯著的變量，同時(shí)那些對(duì) Y 影響很少的變量不包含在方程中本的步驟：首先輸入引入變量的顯著性水平輸入和剔除變量的顯著然后按照一下流程圖進(jìn)行變量的篩選。
【學(xué)位授予單位】：湖南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：F832.479;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張燃,侯光明;內(nèi)部評(píng)級(jí)法與我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理[J];北京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2005年02期

2 陳元燮;建立信用評(píng)級(jí)指標(biāo)體系的幾個(gè)理論問(wèn)題[J];財(cái)經(jīng)問(wèn)題研究;2000年08期

3 石振武;趙敏;;運(yùn)用層次分析法確定指標(biāo)的權(quán)值[J];科技和產(chǎn)業(yè);2008年02期

4 岳改枝;;我國(guó)個(gè)人信用評(píng)級(jí)指標(biāo)的設(shè)計(jì)與評(píng)定[J];河南財(cái)政稅務(wù)高等專(zhuān)科學(xué)校學(xué)報(bào);2007年01期

5 楊星,麥元?jiǎng)?個(gè)人住房貸款信用風(fēng)險(xiǎn)管理實(shí)證研究——Merton模型在信用評(píng)估中的應(yīng)用[J];南方金融;2003年03期

6 李樹(shù)杰;趙秋玲;;商業(yè)銀行信貸風(fēng)險(xiǎn)的征兆與對(duì)策[J];南方金融;2006年09期

7 馬海英;;基于神經(jīng)網(wǎng)絡(luò)及Logistic回歸的混合信用卡評(píng)分模型[J];華東理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年02期

8 王靜,王延清,何德權(quán);基于多層前饋神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)分模型[J];經(jīng)濟(jì)師;2004年12期

9 徐龍;;我國(guó)個(gè)人信用管理體系發(fā)展的思考[J];商業(yè)經(jīng)濟(jì);2010年03期

10 殷爽;姜明輝;;基于DEA的個(gè)人信用評(píng)估方法[J];經(jīng)濟(jì)研究導(dǎo)刊;2008年12期

本文編號(hào)：2526983