發(fā)布時(shí)間：2022-05-08 15:30

　　本文主要針對(duì)銀行對(duì)中小微企業(yè)的放貸過程進(jìn)行了相關(guān)研究,利用Logistics回歸模型和貝葉斯神經(jīng)網(wǎng)絡(luò)擬合模型,做了最優(yōu)的信貸策略即獲得最大的收益和最低的風(fēng)險(xiǎn)。首先對(duì)123家企業(yè)的信貸風(fēng)險(xiǎn)進(jìn)行數(shù)據(jù)預(yù)處理,進(jìn)一步地對(duì)變量進(jìn)行Spearman相關(guān)性分析和篩選,分析企業(yè)信貸風(fēng)險(xiǎn)水平,其次考慮到數(shù)據(jù)和方法存在缺陷的影響,本文建立Logistics回歸模型和貝葉斯神經(jīng)網(wǎng)絡(luò)擬合模型對(duì)篩選出來的五個(gè)變量進(jìn)行驗(yàn)證。在無信貸記錄的302家企業(yè)的放貸過程中,擬合出三個(gè)信譽(yù)評(píng)級(jí)中貸款年利率對(duì)客戶流失率的影響。最后收益最大和違約率最小建立雙目標(biāo)規(guī)劃模型,用MATLAB進(jìn)行運(yùn)算得出結(jié)果。根據(jù)結(jié)果我們建議信用評(píng)級(jí)為A的企業(yè)貸款利率可以調(diào)節(jié)在（0.04-0.10）內(nèi),而信用評(píng)級(jí)為B或C的企業(yè)貸款利率可以調(diào)節(jié)在（0.10-0.15）內(nèi)。對(duì)此可以保證銀行的利潤最大化,風(fēng)險(xiǎn)最小化。信用評(píng)級(jí)為D的企業(yè)不予以貸款,其違約率極高。 

【文章頁數(shù)】：3 頁

【文章目錄】：
一、引言
二、問題分析
三、對(duì)中小微企業(yè)信貸建模與策略優(yōu)化分析
四、銀行信貸的雙目標(biāo)規(guī)劃模型及求解
    1. 求解銀行利潤最大值
    2. 利用模擬退化算法求解
    3. 建立線性規(guī)劃模型
五、結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于AHP-模糊綜合評(píng)價(jià)法的泄露數(shù)據(jù)價(jià)值評(píng)估模型[J]. 宋棟,張雷,蘇馬婧.  信息技術(shù)與網(wǎng)絡(luò)安全. 2020(09)
[2]基于貝葉斯神經(jīng)網(wǎng)絡(luò)的風(fēng)電機(jī)組參數(shù)辨識(shí)[J]. 劉俊磊,劉思捷,錢峰,劉結(jié),彭孝強(qiáng),劉明亮.  科技創(chuàng)新與應(yīng)用. 2020(12)

碩士論文
[1]C銀行對(duì)中小企業(yè)經(jīng)營性貸款的風(fēng)險(xiǎn)管理[D]. 李笑鋒.云南財(cái)經(jīng)大學(xué) 2020



本文編號(hào)：3651911