Logistic回歸及其相關(guān)方法在個人信用評分中的應(yīng)用.pdf

1、近年來，隨著經(jīng)濟的快速發(fā)展，人們的消費觀念也隨之改變，人們越來越傾向于提前消費，越來越多的人向銀行或者商業(yè)公司等金融機構(gòu)申請貸款，申請人往往關(guān)心能否被授予貸款。銀行等金融機構(gòu)則關(guān)注申請人是否能按事先約定的時間償還貸款，他們應(yīng)用信用評分模型來作為評估個人信用評分的工具，判斷是否將貸款授予申請人，同時預(yù)測申請人是違約顧客還是信譽顧客。如何將銀行等金融機構(gòu)的損失降到最小，使利潤獲得最大，是信用決策者一直關(guān)注的問題，因此，建立合適有效的信用評分

2、模型顯得尤為重要。
　　本文采用非平衡個人信用數(shù)據(jù)，在對非平衡數(shù)據(jù)進行預(yù)處理時，采用重抽樣方法中的隨機過抽樣方法，應(yīng)用模型選擇影響個人信用評分的因素時，采用傳統(tǒng)的Logistic回歸方法，以及在Logistic回歸方法上進行改進的Lasso-Logistic回歸、Adaptive Lasso-Logistic回歸三種方法，Lasso-Logistic回歸在似然函數(shù)上加了懲罰項，Adaptive Lasso-Logistic回歸在懲

3、罰項上加權(quán)重，對不同的回歸系數(shù)給予不同的懲罰，即用適應(yīng)性的權(quán)重來懲罰不同的系數(shù)，在計算系數(shù)權(quán)重時，AdaptiveLasso-Logistic回歸方法分別將極大似然估計和嶺估計作為最初的估計，通過對個人信用評分數(shù)據(jù)的分析，以最小誤分類錯誤和預(yù)測精度作為衡量標準，并采用ROC曲線進行驗證，分析比較幾種方法在信用評分中的預(yù)測結(jié)果。
　　通過對信用數(shù)據(jù)應(yīng)用上述幾種方法，實踐結(jié)果表明，Logistic回歸及其改進的方法都具有很好的穩(wěn)健性和

4、可解釋性，相比較而言，Logistic回歸的預(yù)測精度確是最低的，而誤分類錯誤也是最高的，由于Lasso-Logistic回歸在 Logistic回歸方法上進行了懲罰估計，其選擇了相對較少的變量，降低了模型的復(fù)雜度，并且提高了模型的預(yù)測精度，減少了誤分類錯誤。Adap tive Lasso-Lo gistic回歸方法給予每個系數(shù)適應(yīng)性的權(quán)重，最初估計選用極大似然估計時，模型表現(xiàn)出最好的預(yù)測精度以及最低的誤分類錯誤，同時第I類錯誤和第II類