版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、基于基于AHP法和法和BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行客戶信用評(píng)估模型神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行客戶信用評(píng)估模型美國(guó)次貸危機(jī)和希臘主權(quán)債務(wù)危機(jī)使人們對(duì)次貸風(fēng)險(xiǎn)的防范意識(shí)有了更進(jìn)一步的增強(qiáng)特別是對(duì)金融衍生產(chǎn)品創(chuàng)新中風(fēng)險(xiǎn)度量、風(fēng)險(xiǎn)控制甚至風(fēng)險(xiǎn)管理的理論和方法進(jìn)行了深層次全方位的審視和思考.毫無(wú)疑問(wèn)次貸風(fēng)險(xiǎn)的防范應(yīng)該從信貸源頭即商業(yè)銀行客戶開始.商業(yè)銀行對(duì)客戶的信用評(píng)估是銀行貸款的核心內(nèi)容對(duì)銀行客戶的信用等級(jí)評(píng)估是否合理、科學(xué)、準(zhǔn)確關(guān)系著銀行貸款承擔(dān)風(fēng)險(xiǎn)的大小
2、.因此準(zhǔn)確評(píng)價(jià)客戶信用對(duì)銀行來(lái)說(shuō)至關(guān)重要.商業(yè)銀行客戶基數(shù)大屬性多而且不同客戶有著其各自不同的特點(diǎn)銀行不可能依次對(duì)每一個(gè)用戶進(jìn)行分析來(lái)確定其信用程度這在時(shí)間、人力以及效率等方面都是不可取也是不現(xiàn)實(shí)的那么銀行應(yīng)該按照一種特定的指標(biāo)體系在擁有客戶登記表的情況下對(duì)客戶進(jìn)行信用評(píng)估這種特定的體系就是本文將要提出的基于AHP法和BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行客戶信用評(píng)估模型.問(wèn)題分析問(wèn)題分析商業(yè)銀行信貸最關(guān)心的是客戶的信用程度和償還能力以及在此基礎(chǔ)上所能
3、獲得的最大利潤(rùn)問(wèn)題銀行在評(píng)估客戶信用程度時(shí)是基于客戶所提交的客戶登記表來(lái)進(jìn)行的比如年齡、職業(yè)、學(xué)歷、月收入、信用額度、信用歷史等都是評(píng)估客戶的要素.根據(jù)客戶信息銀行在借貸時(shí)自然更偏重于那些職業(yè)較好、收入較高、信用歷史較好的客戶但是這類客戶很可能學(xué)歷較低、信用額度偏大這使得銀行很難判斷其真正的信用程度.因此為了更加公正、客觀的評(píng)估每個(gè)客戶的信用程度銀行首先應(yīng)該對(duì)客戶所提交的客戶登記表里的信息資料進(jìn)行初步評(píng)分基于對(duì)現(xiàn)實(shí)的考慮在本文中假設(shè)銀行
4、主要對(duì)客戶的24項(xiàng)基本資料進(jìn)行評(píng)分也就是說(shuō)客戶的信用程度就是通過(guò)這24項(xiàng)評(píng)估指標(biāo)所建立起來(lái)的(如圖1所示)[1].考察這24項(xiàng)指標(biāo)按先后順序編號(hào)為其中前9項(xiàng)決定客戶的特2421xxx?征中間8項(xiàng)決定客戶的償還能力最后7項(xiàng)決定客戶的信用狀況由圖1可知銀行對(duì)客戶的信用程度的評(píng)估就是基于這3大項(xiàng)的加權(quán)所得.根據(jù)BP(全稱為BackPropagation)神經(jīng)網(wǎng)絡(luò)的算法銀行可采用大量的數(shù)據(jù)進(jìn)行訓(xùn)練學(xué)習(xí)使各個(gè)分量的權(quán)重最后趨于穩(wěn)定然后以此來(lái)計(jì)算客
5、戶的信用程度.由于在現(xiàn)實(shí)中很難找到大量、準(zhǔn)確、可靠的數(shù)據(jù)來(lái)完成訓(xùn)練學(xué)習(xí)這個(gè)過(guò)程因此為了避免BP神經(jīng)網(wǎng)絡(luò)算法在初始化時(shí)采用隨機(jī)數(shù)取值所帶來(lái)的較大誤差本文首先采用層次分析法(AnalyticHierarchyProcess簡(jiǎn)稱AHP)對(duì)24小項(xiàng)以及3大商業(yè)銀行客戶信用評(píng)估指標(biāo)體系Z年齡1x性別2x文化程度3x職業(yè)4x婚姻狀況5x健康狀況6x是否本地戶口7x住宅性質(zhì)8x本地居住時(shí)間9x客戶特征1y個(gè)人財(cái)產(chǎn)10x家庭月收入11x活期存款余額12
6、x分期付款占收入的比重13x工作年限14x存儲(chǔ)帳戶余額15x分期付款計(jì)劃16x其他借貸情況17x償還能力2y銀行卡記錄18x信用歷史19x代發(fā)工資情況20x信用額度21x持卡時(shí)間22x持卡消費(fèi)情況23x擔(dān)保情況24x信用狀況3y最后根據(jù)所得結(jié)果的不同分值我們將客戶信用程度分為五類分別用綠、藍(lán)、黃、橙、紅5種顏色表示客戶從高到低的信用程度[1].綠色:表示該客戶信用程度高不必?fù)?dān)憂其會(huì)發(fā)生不按期償還貸款的情況.藍(lán)色:表示該客戶信用程度較高只
7、要在還款期限之前進(jìn)行適當(dāng)提醒該用戶就能保證按時(shí)還款.黃色:表示該客戶信用程度一般只要及時(shí)催促就能保證其按時(shí)還款.橙色:表示客戶信用程度較低為了保證客戶按時(shí)還款應(yīng)該加強(qiáng)與用戶之間的聯(lián)系在借貸時(shí)也要適當(dāng)進(jìn)行決策.紅色:表示該用戶信用程度差銀行在借貸時(shí)應(yīng)該考慮是否要對(duì)其進(jìn)行貸款.模型的假設(shè)模型的假設(shè)分別對(duì)AHP法和BP神經(jīng)網(wǎng)絡(luò)算法中所涉及到的變量以及其他因素進(jìn)行假設(shè).1.AHP算法所涉及到的比較矩陣是根據(jù)Saaty等人提出來(lái)的19尺度法進(jìn)行度
8、量的在具體的矩陣擬定中對(duì)人為因素所造成的誤差忽略不計(jì).2.基于現(xiàn)實(shí)以及計(jì)算考慮在商業(yè)銀行客戶信用評(píng)估指標(biāo)體系中本文僅選取24項(xiàng)其余指標(biāo)不予考慮設(shè)分別表示客戶登記表中的24小項(xiàng)的分值2421xxx?在實(shí)際的銀行信貸過(guò)程中只要客戶填寫了客戶登記表那么這24項(xiàng)的值就隨之確定.3.用表示各個(gè)小項(xiàng)所屬的大項(xiàng)分別為客戶特征、償還能力以及信用321yyy狀況用Z表示客戶的信用程度.4.在BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中假定輸出單元的閾值為0.5.基于商業(yè)銀行客戶登
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行客戶信用風(fēng)險(xiǎn)評(píng)價(jià)研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行客戶信用評(píng)級(jí)研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 基于Logit模型和人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型的研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)模型的中國(guó)和越南上市商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 民營(yíng)商業(yè)銀行客戶信用風(fēng)險(xiǎn)評(píng)估研究.pdf
- 商業(yè)銀行客戶信用風(fēng)險(xiǎn)評(píng)估及管理.pdf
- 商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估模型研究——基于優(yōu)化的神經(jīng)網(wǎng)絡(luò)系統(tǒng).pdf
- bp神經(jīng)網(wǎng)絡(luò)下商業(yè)銀行綠色信貸風(fēng)險(xiǎn)評(píng)估研究
- BP神經(jīng)網(wǎng)絡(luò)下商業(yè)銀行綠色信貸風(fēng)險(xiǎn)評(píng)估研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)估模型的研究.pdf
- 基于logistic回歸的商業(yè)銀行客戶分類模型
- 基于支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)估模型研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)控制模型.pdf
- PSO-BP神經(jīng)網(wǎng)絡(luò)在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的商業(yè)銀行供應(yīng)鏈融資信用風(fēng)險(xiǎn)評(píng)價(jià)研究.pdf
- mba論文民營(yíng)商業(yè)銀行客戶信用風(fēng)險(xiǎn)評(píng)估研究pdf
- 神經(jīng)網(wǎng)絡(luò)法在商業(yè)銀行信用風(fēng)險(xiǎn)計(jì)量中的應(yīng)用
評(píng)論
0/150
提交評(píng)論