發(fā)布時(shí)間：2017-09-22 00:05

  本文關(guān)鍵詞：個(gè)人信用評(píng)分組合模型研究

  更多相關(guān)文章： 個(gè)人信用評(píng)分 Logistic回歸 神經(jīng)網(wǎng)絡(luò) 優(yōu)勢(shì)矩陣法

【摘要】：由于中國(guó)信貸業(yè)務(wù)的高速發(fā)展,金融機(jī)構(gòu)信用風(fēng)險(xiǎn)管理體系面臨著嚴(yán)峻考驗(yàn)。近些年各大銀行將個(gè)人信貸業(yè)務(wù)視為銀行業(yè)務(wù)的重要組成部分,信用卡消費(fèi)、個(gè)人汽車貸款、耐用品貸款、住房按揭貸款、助學(xué)貸款等各種個(gè)人消費(fèi)貸款業(yè)務(wù)的快速發(fā)展需要銀行等金融機(jī)構(gòu)具備快速高效的業(yè)務(wù)處理能力。個(gè)人信用評(píng)分技術(shù)處理信貸業(yè)務(wù)具有快速高效、標(biāo)準(zhǔn)、定量的特點(diǎn),這使得個(gè)人信用評(píng)分方法受到廣泛關(guān)注和研究。雖然信用評(píng)分技術(shù)在國(guó)外發(fā)達(dá)國(guó)家已經(jīng)發(fā)展成熟,但是在國(guó)內(nèi)還處于起步階段。國(guó)內(nèi)不管是對(duì)指標(biāo)體系的選擇還是模型的建立都沒有形成統(tǒng)一的標(biāo)準(zhǔn),各商業(yè)銀行等金融機(jī)構(gòu)都有各自的指標(biāo)體系,使用的方法也嚴(yán)格保密。目前國(guó)內(nèi)個(gè)人信用評(píng)分模型研究的方法主要分為統(tǒng)計(jì)方法與非統(tǒng)計(jì)方法,研究重點(diǎn)在模型的精度和穩(wěn)定性方面,很多模型得不到推廣的主要原因是兩者不能很好的統(tǒng)一。本文在分析比較國(guó)內(nèi)外機(jī)構(gòu)對(duì)個(gè)人信用評(píng)分指標(biāo)體系選擇的差異后,結(jié)合真實(shí)樣本數(shù)據(jù),建立適當(dāng)?shù)男庞迷u(píng)分指標(biāo)體系。然后選擇個(gè)人信用評(píng)分中常用的模型,根據(jù)樣本數(shù)據(jù)對(duì)單個(gè)模型建模并進(jìn)行實(shí)證分析,比較各個(gè)模型的預(yù)測(cè)效果。預(yù)測(cè)結(jié)果顯示Logistic回歸模型雖然預(yù)測(cè)精度比最高的神經(jīng)網(wǎng)絡(luò)低,但模型穩(wěn)定性好;神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)精度最高,但模型不穩(wěn)定;Bayes判別的精度和穩(wěn)定性都不錯(cuò),但是模型的限制比較嚴(yán)格;決策樹的預(yù)測(cè)精度與穩(wěn)定性在四個(gè)模型中最差。為了得到精度較高與穩(wěn)定性好的模型,本文首次運(yùn)用優(yōu)勢(shì)矩陣法也即Odds-Matrix來(lái)篩選模型和估計(jì)模型的權(quán)值系數(shù),得到精度和穩(wěn)定性都比單個(gè)模型好的Logistic回歸和神經(jīng)網(wǎng)絡(luò)的混合模型。優(yōu)勢(shì)矩陣法相比其他方法具有權(quán)值對(duì)優(yōu)勢(shì)比變化不敏感、可以時(shí)刻對(duì)權(quán)值更新和簡(jiǎn)單易操作的特點(diǎn)。對(duì)于大樣本數(shù)據(jù),其精度也超過了等權(quán)重法、最小二乘法和回歸法。
【關(guān)鍵詞】：個(gè)人信用評(píng)分 Logistic回歸 神經(jīng)網(wǎng)絡(luò) 優(yōu)勢(shì)矩陣法
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.2
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 引言10-15
• 1.1 論文的選題背景及意義10-11
• 1.2 國(guó)內(nèi)外個(gè)人信用評(píng)分研究現(xiàn)狀11-13
• 1.2.1 國(guó)外信用評(píng)分研究現(xiàn)狀11-12
• 1.2.2 國(guó)內(nèi)信用評(píng)分研究現(xiàn)狀12-13
• 1.2.3 組合預(yù)測(cè)模型13
• 1.3 本文的主要研究?jī)?nèi)容13-15
• 第二章 個(gè)人信用評(píng)分相關(guān)理論與樣本數(shù)據(jù)預(yù)處理15-38
• 2.1 個(gè)人信用評(píng)分的相關(guān)概念15-16
• 2.1.1 信用含義15
• 2.1.2 個(gè)人信用評(píng)分15-16
• 2.2 個(gè)人信用評(píng)分指標(biāo)體系的構(gòu)建16-19
• 2.2.1 個(gè)人信用評(píng)分指標(biāo)體系構(gòu)建的原則16
• 2.2.2 個(gè)人指標(biāo)體系的確定16-19
• 2.3 建模樣本數(shù)據(jù)的分析與預(yù)處理19-38
• 2.3.1 缺失數(shù)據(jù)的處理19-20
• 2.3.2 特征變量的分組20-37
• 2.3.3 數(shù)據(jù)的標(biāo)準(zhǔn)化37
• 2.3.4 樣本數(shù)據(jù)分組37-38
• 第三章 信用評(píng)分中的模型的原理38-47
• 3.1 Logistic回歸38-39
• 3.1.1 Logistic回歸模型38-39
• 3.1.2 Logistic回歸模型的極大似然估計(jì)39
• 3.2 判別分析法39-40
• 3.2.1 Bayes判別分析39-40
• 3.2.2 Bayes判別函數(shù)40
• 3.3 人工神經(jīng)網(wǎng)絡(luò)40-44
• 3.3.1 感知器基本原理40-42
• 3.3.2 BP神經(jīng)網(wǎng)絡(luò)42-44
• 3.4 決策樹44-47
• 3.4.1 決策樹的建立45
• 3.4.2 決策樹的劃分規(guī)則45-46
• 3.4.3 決策樹的剪枝46-47
• 第四章 單一模型的實(shí)證分析與比較47-59
• 4.1 模型的評(píng)價(jià)標(biāo)準(zhǔn)47-49
• 4.2 Logistic回歸模型的應(yīng)用49-53
• 4.3 判別分析法的應(yīng)用53-55
• 4.4 神經(jīng)網(wǎng)絡(luò)模型的應(yīng)用55-56
• 4.5 決策樹的模型的應(yīng)用56-58
• 4.6 單一信用評(píng)分模型的比較58-59
• 第五章 信用評(píng)分混合模型建立59-65
• 5.1 組合模型的適用性59-60
• 5.2 優(yōu)勢(shì)矩陣法信用評(píng)分組合模型60-63
• 5.2.1 基于優(yōu)勢(shì)矩陣法組合模型的思想60-62
• 5.2.2 基于優(yōu)勢(shì)矩陣組合模型的構(gòu)建與檢驗(yàn)62-63
• 5.3 組合模型與單一模型的比較63-65
• 第六章 結(jié)論與展望65-66
• 致謝66-67
• 參考文獻(xiàn)67-70
• 攻讀碩士學(xué)位期間取得的成果70-71

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 田婕;;打開信用評(píng)分市場(chǎng)大門[J];金融電子化;2006年05期

2 潘慧;;我國(guó)小企業(yè)信用評(píng)分的實(shí)踐及建議[J];征信;2010年01期

3 黎玉華;;信用評(píng)分卡綜述[J];黑龍江科技信息;2010年17期

4 黎玉華;;信用評(píng)分卡模型的建立[J];科技信息;2010年13期

5 鄧超;胡威;唐瑩;;國(guó)內(nèi)外小企業(yè)信用評(píng)分研究動(dòng)態(tài)[J];國(guó)際金融研究;2010年10期

6 張玉潔;孟祥武;;不同電信欠費(fèi)率下信用評(píng)分問題[J];北京郵電大學(xué)學(xué)報(bào);2010年06期

7 趙迎東;王悌云;;信用評(píng)分技術(shù)在中小型企業(yè)融資的應(yīng)用研究[J];征信;2010年06期

8 莊傳禮;;我國(guó)信用局個(gè)人信用評(píng)分發(fā)展研究[J];征信;2011年01期

9 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

10 陳瑩;;臺(tái)灣金融聯(lián)合征信中心企業(yè)信用評(píng)分體系研究[J];征信;2014年03期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前2條

1 李建平;潘若愚;李軼琳;;一種簡(jiǎn)單而有效的信用評(píng)分方法[A];2004年中國(guó)管理科學(xué)學(xué)術(shù)會(huì)議論文集[C];2004年

2 朱曉謙;李建平;;信用評(píng)分中的AW-TOPSIS方法[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前10條

1 中國(guó)金融電子化公司信用評(píng)分工作小組;信用評(píng)分如何實(shí)現(xiàn)本土化[N];金融時(shí)報(bào);2006年

2 田婕;美國(guó)信用評(píng)分應(yīng)用的做法與經(jīng)驗(yàn)[N];金融時(shí)報(bào);2006年

3 石璐;信用評(píng)分“掌門人”談個(gè)人信用體系[N];中國(guó)經(jīng)營(yíng)報(bào);2002年

4 于津生;信用評(píng)分方法的技術(shù)基礎(chǔ)[N];金融時(shí)報(bào);2006年

5 本報(bào)記者:汪洋;個(gè)人信用評(píng)分能否拯救車貸風(fēng)險(xiǎn)原罪[N];經(jīng)濟(jì)參考報(bào);2005年

6 李進(jìn) 鄭偉強(qiáng);信用評(píng)分———美國(guó)金融機(jī)構(gòu)信貸決策的重要砝碼[N];金融時(shí)報(bào);2006年

7 趙寧;“個(gè)人信用評(píng)分”是怎么回事[N];檢察日?qǐng)?bào);2000年

8 記者 李體鋒　通訊員 林正信;吉林省農(nóng)村信用體系建設(shè)在創(chuàng)新中推進(jìn)[N];金融時(shí)報(bào);2008年

9 莊文君;好客戶與壞客戶[N];金融時(shí)報(bào);2006年

10 宗少俊 毛洪 戴發(fā)文 顧兆明;美國(guó)商業(yè)銀行消費(fèi)信貸研究及啟示（上）[N];中國(guó)城鄉(xiāng)金融報(bào);2005年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 劉_";信用評(píng)分理論與應(yīng)用研究[D];湖南大學(xué);2010年

2 向暉;個(gè)人信用評(píng)分組合模型研究與應(yīng)用[D];湖南大學(xué);2011年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張飛;個(gè)人信用評(píng)分組合模型研究[D];電子科技大學(xué);2015年

2 宋紅晶;應(yīng)用數(shù)據(jù)包絡(luò)分析法對(duì)我國(guó)上市中小企業(yè)的信用評(píng)分研究[D];華東師范大學(xué);2011年

3 楊志群;消費(fèi)信貸中的個(gè)人信用評(píng)分研究[D];湖南大學(xué);2011年

4 蔡義雄;利用數(shù)據(jù)探勘技術(shù)建立移動(dòng)電話用戶信用評(píng)分等級(jí)與應(yīng)用[D];復(fù)旦大學(xué);2009年

5 汪莉;基于Logistic回歸模型的中小企業(yè)信用評(píng)分研究[D];合肥工業(yè)大學(xué);2008年

6 王帥;個(gè)人信用評(píng)分混合模型研究[D];華東師范大學(xué);2010年

7 黨信濤;商業(yè)銀行消費(fèi)信貸個(gè)人客戶信用評(píng)分探討[D];貴州大學(xué);2006年

8 申華;基于數(shù)據(jù)挖掘的個(gè)人信用評(píng)分模型開發(fā)[D];廈門大學(xué);2009年

9 楊建模;DEA在企業(yè)信用評(píng)分中的應(yīng)用研究[D];湖南大學(xué);2009年

10 許佩;基于案例推理循環(huán)優(yōu)化的個(gè)人信用評(píng)分方法研究[D];哈爾濱工業(yè)大學(xué);2013年

，

本文編號(hào)：897626