本文關(guān)鍵詞： 個(gè)人信用評(píng)分 信貸配給 單一信用評(píng)分方法 選擇性集成方法　出處：《哈爾濱工業(yè)大學(xué)》2016年博士論文　論文類型：學(xué)位論文

【摘要】：隨著時(shí)代的發(fā)展,信用個(gè)人、信用經(jīng)濟(jì)、信用社會(huì)逐漸形成并具有規(guī)模效應(yīng)。以個(gè)人為單位的借貸客戶在我國銀行業(yè)務(wù)和利潤配比上所占份額越來越大,與此同時(shí),違約風(fēng)險(xiǎn)也隨之增大。由于借貸者個(gè)人在向銀行等金融借貸機(jī)構(gòu)申請(qǐng)貸款時(shí),亦或銀行對(duì)借貸者進(jìn)行信用監(jiān)管的過程中,往往會(huì)出現(xiàn)由于信息不對(duì)稱、逆向選擇等問題引起的個(gè)人信貸配給錯(cuò)位現(xiàn)象,導(dǎo)致銀行優(yōu)質(zhì)貸款未達(dá)到最優(yōu)發(fā)放比率,高風(fēng)險(xiǎn)貸款增加引致違約風(fēng)險(xiǎn)概率增加。因此,能否有效的控制、管理個(gè)人信用風(fēng)險(xiǎn),在評(píng)分過程中對(duì)潛在風(fēng)險(xiǎn)進(jìn)行有效的識(shí)別、計(jì)量和預(yù)警成為商業(yè)銀行規(guī)避風(fēng)險(xiǎn)的重要手段。本文在梳理了國內(nèi)外個(gè)人信用違約風(fēng)險(xiǎn)研究的基礎(chǔ)上發(fā)現(xiàn),提高信用風(fēng)險(xiǎn)控制能力,需要對(duì)個(gè)人信用評(píng)分過程進(jìn)行全面的優(yōu)化處理:找出個(gè)人貸款過程中信貸配給失衡的原因、對(duì)包括指標(biāo)權(quán)重、樣本配比、樣本容量、評(píng)分方法在內(nèi)的評(píng)分系統(tǒng)進(jìn)行分析、優(yōu)化,選擇更加合理的信用評(píng)分方法、提高個(gè)人信用違約風(fēng)險(xiǎn)的預(yù)測精度和穩(wěn)定性。這樣才能更加有效的管理信用違約風(fēng)險(xiǎn),提高放貸機(jī)構(gòu)的收益和效益。在此種情況下,商業(yè)銀行如何優(yōu)化信用評(píng)分過程,選擇更合適的個(gè)人信用評(píng)分的模型,成為學(xué)術(shù)界和金融界普遍關(guān)注的問題。本文系統(tǒng)論述了個(gè)人信用評(píng)分的過程,主要分問題定義、理論機(jī)理分析、數(shù)據(jù)采集和處理、建立個(gè)人信用評(píng)分模型、模型的檢驗(yàn)和應(yīng)用等階段。首先,本文運(yùn)用信貸配給理論揭示了信用評(píng)分與信貸配給的相關(guān)關(guān)系;對(duì)個(gè)人信用貸款過程中出現(xiàn)的信息不對(duì)稱、逆向選擇、道德風(fēng)險(xiǎn)方面等引起的信貸配給失衡的問題,提出相應(yīng)的優(yōu)化方案,即對(duì)指標(biāo)權(quán)重、樣本配比和樣本容量進(jìn)行系統(tǒng)的優(yōu)化,在此基礎(chǔ)上構(gòu)建單一的個(gè)人信用評(píng)分模型、基于模型的預(yù)測精度、穩(wěn)定性和適用性進(jìn)行比較,引入差異化概念和選擇性集成方法,構(gòu)建了基于選擇性集成算法的信用評(píng)分體系。為了驗(yàn)證模型的預(yù)測效果,采用三個(gè)國家商業(yè)銀行的數(shù)據(jù)進(jìn)行了實(shí)證分析。本文主要研究內(nèi)容及取得的主要成果如下:首先,本文使用信貸配給理論分析了信用評(píng)分與信貸配給的相關(guān)關(guān)系,并運(yùn)用該理論揭示了信用評(píng)分的微觀機(jī)理和作用機(jī)制。從需求和供給的角度分析個(gè)人信用貸款過程中出現(xiàn)的信息不對(duì)稱、逆向選擇、道德風(fēng)險(xiǎn)方面等引起的信貸配給失衡問題。通過分析信用評(píng)分方法的優(yōu)化機(jī)理,為個(gè)人信用評(píng)分體系奠定了理論基礎(chǔ)。其次,為解決理論分析中提出的信貸配給問題,通過對(duì)指標(biāo)體系及樣本結(jié)構(gòu)的優(yōu)化分析,建立了無偏的個(gè)人信用評(píng)級(jí)指標(biāo)體系。其中,對(duì)個(gè)人信用評(píng)分指標(biāo)的優(yōu)化,建立結(jié)構(gòu)方程模型將指標(biāo)變量的相互影響系數(shù)通過模型的路徑系數(shù)表示出來,對(duì)指標(biāo)變量賦予權(quán)重。結(jié)果表明:通過該方法優(yōu)化的指標(biāo)變量,增加模型的分類精度和穩(wěn)定性。對(duì)樣本容量和樣本配比的優(yōu)化,采用多種單一模型對(duì)不同樣本配比和樣本容量下的預(yù)測精度的變化進(jìn)行比較分析,最終確定合理的樣本配比和樣本容量。再次,構(gòu)建更具適應(yīng)性的基于選擇性集成方法的個(gè)人信用評(píng)分模型,引入差異化作為選擇性集成算法的依據(jù),根據(jù)選擇性集成模型的特點(diǎn),對(duì)作為基分類器的單一模型進(jìn)行差異化處理,選擇Q差異性度量方法,從最具代表性的15個(gè)單一模型中優(yōu)選出4個(gè)單一模型進(jìn)行后續(xù)的選擇性集成。通過不同的選擇集成規(guī)則,建立了基于GSEAN優(yōu)化算法的個(gè)人信用評(píng)分模型,基于OO排序的個(gè)人信用評(píng)分模型,基于FCM-CFP分簇的個(gè)人信用評(píng)分模型。本文采用中國、德國和澳大利亞樣本對(duì)所建立的選擇性集成的個(gè)人信用評(píng)分模型進(jìn)行應(yīng)用和檢驗(yàn),對(duì)三種選擇性集成方法的評(píng)分進(jìn)行比較分析,采用模型精度、選擇時(shí)間、基分類器數(shù)量三個(gè)指標(biāo)作為評(píng)價(jià)的依據(jù)。結(jié)果表明:三個(gè)選擇性集成個(gè)人信用評(píng)估模型各有優(yōu)勢(shì)。其中OO排序法和FCM-CFP分簇法預(yù)測性能最好、OO排序法進(jìn)行基分類器選擇時(shí)所用時(shí)間最短、GASAN所使用的基分類器數(shù)量最少。最后,為了綜合檢驗(yàn)和比較包括單一模型在內(nèi)的各種信用評(píng)分方法的應(yīng)用效果。本文將所建立的三種選擇性集成個(gè)人信用評(píng)分模型分別同單一個(gè)人信用評(píng)分模型、集成個(gè)人信用評(píng)分模型進(jìn)行相較,結(jié)果表明,選擇性集成個(gè)人信用評(píng)分模型能夠獲得更好的評(píng)分精度,穩(wěn)定性更強(qiáng)。
[Abstract]:With the development of the times , the credit individual , the credit economy and the credit society gradually form and have the scale effect . This paper analyzes the relationship between credit scoring and credit rationing by introducing differentiation concept and selective integration method . The paper analyzes the relationship between credit scoring and credit rationing by using the theory of credit rationing .

【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：F831.2

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

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

2 潘慧;;我國小企業(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;;國內(nèi)外小企業(yè)信用評(píng)分研究動(dòng)態(tài)[J];國際金融研究;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

相關(guān)會(huì)議論文 前2條

1 李建平;潘若愚;李軼琳;;一種簡單而有效的信用評(píng)分方法[A];2004年中國管理科學(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）中國管理學(xué)年會(huì)——商務(wù)智能分會(huì)場論文集[C];2011年

相關(guān)重要報(bào)紙文章 前10條

1 中國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];中國經(jīng)營報(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;美國商業(yè)銀行消費(fèi)信貸研究及啟示（上）[N];中國城鄉(xiāng)金融報(bào);2005年

相關(guān)博士學(xué)位論文 前3條

1 陳昊潔;基于選擇性集成算法的個(gè)人信用評(píng)分方法研究[D];哈爾濱工業(yè)大學(xué);2016年

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

3 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

相關(guān)碩士學(xué)位論文 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 丁衛(wèi)東;信用評(píng)分卡在電商小微企業(yè)信貸中的應(yīng)用[D];浙江大學(xué);2016年

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

4 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

5 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

6 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

7 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

8 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

9 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

10 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

，

本文編號(hào)：1451537