近年來(lái),國(guó)際貿(mào)易愈發(fā)繁榮,一些問(wèn)題也逐漸凸顯出來(lái),“次貸危機(jī)”一詞再一次引發(fā)了諸多關(guān)注。引發(fā)“次貸危機(jī)”的諸多原因中重要的一個(gè)就是各個(gè)放款機(jī)構(gòu),比如傳統(tǒng)的商業(yè)銀行以及近些年發(fā)展迅猛的P2P(peer to peer lending)網(wǎng)絡(luò)信貸機(jī)構(gòu)對(duì)信貸客戶的評(píng)價(jià)不夠全面,不夠科學(xué),缺乏一整套合適的評(píng)價(jià)機(jī)制與評(píng)估模型。壞賬、逾約等問(wèn)題越來(lái)越發(fā)嚴(yán)重。尤其是在21世紀(jì)進(jìn)入大數(shù)據(jù)時(shí)代以來(lái),“及時(shí)行樂(lè)”成為了越來(lái)越多人的心理,個(gè)人信貸業(yè)務(wù)也隨之愈加興盛,相應(yīng)的數(shù)據(jù)維度大大增加,傳統(tǒng)的主觀判定、評(píng)分法等已經(jīng)不能滿足當(dāng)前的需求。信用評(píng)價(jià)的實(shí)質(zhì)是一種分類問(wèn)題,即分辨出哪些是不會(huì)逾期的“好”客戶,哪些是可能會(huì)逾期的“壞”客戶,由此再?zèng)Q定是否為其提供信貸服務(wù)。人工神經(jīng)網(wǎng)絡(luò)作為一種出色的分類工具,在建模之前不需要對(duì)輸入和輸出做某些固定的前提或者假設(shè),能夠自學(xué)習(xí)、自適應(yīng),具有很強(qiáng)的非線性映射能力以及容錯(cuò)機(jī)制,因而成為解決信貸問(wèn)題的有力工具。BP神經(jīng)網(wǎng)絡(luò)是其發(fā)展最成熟的一個(gè)模型,在實(shí)際任務(wù)中使用神經(jīng)網(wǎng)絡(luò)時(shí)大多數(shù)都是使用BP算法進(jìn)行訓(xùn)練的。因此,本文在介紹個(gè)人信用評(píng)價(jià)指標(biāo)、神經(jīng)網(wǎng)絡(luò)以及模型的選擇與評(píng)價(jià)標(biāo)準(zhǔn)等相應(yīng)的理論知識(shí)的基礎(chǔ)上,借助數(shù)據(jù)分析與處理軟件R語(yǔ)言,對(duì)國(guó)內(nèi)某金融公司的真實(shí)數(shù)據(jù)與德國(guó)某信用數(shù)據(jù)庫(kù)提供的信貸客戶數(shù)據(jù)進(jìn)行清洗以及變量篩選之后,建立了一個(gè)相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)模型。通過(guò)正確率、AUC值等標(biāo)準(zhǔn)對(duì)所建立的模型進(jìn)行評(píng)價(jià),并以較好的擬合效果對(duì)相應(yīng)的數(shù)據(jù)集做出了預(yù)測(cè)。
【學(xué)位單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F832.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 張玉才;宋新平;羅瑜;;基于模糊支持向量機(jī)的客戶信用評(píng)估研究[J];統(tǒng)計(jì)與決策;2008年07期

2 馮鐵軍;基于GA神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)估[J];上海金融;2003年03期

本文編號(hào)：2812546