基于RBF神經(jīng)網(wǎng)絡(luò)的銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估研究.pdf

1、近年來(lái)，個(gè)人消費(fèi)信貸的普及帶來(lái)了商業(yè)銀行利潤(rùn)的增長(zhǎng)，但信用風(fēng)險(xiǎn)評(píng)估方法的落后制約了銀行業(yè)務(wù)的發(fā)展。由于客戶信息的多元化，傳統(tǒng)定性分析和計(jì)量分析評(píng)估結(jié)果的準(zhǔn)確性低、穩(wěn)定性差，并且運(yùn)行成本高、時(shí)間長(zhǎng)，不利于商業(yè)銀行對(duì)貸款申請(qǐng)人風(fēng)險(xiǎn)的把控。因此，進(jìn)一步完善個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型，是我國(guó)商業(yè)銀行發(fā)展信貸業(yè)務(wù)、控制信用風(fēng)險(xiǎn)的必要舉措。
　　信用風(fēng)險(xiǎn)評(píng)估一般包括特征變量選擇和分類兩個(gè)階段，首先通過(guò)篩選初始屬性集，降低搜索空間維度；繼而訓(xùn)練輸入目

2、標(biāo)變量，將學(xué)習(xí)規(guī)律用于分類評(píng)估。本文基于對(duì)常見(jiàn)算法模型的理論研究，結(jié)合我國(guó)商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估現(xiàn)狀，改進(jìn)了基于RBF神經(jīng)網(wǎng)絡(luò)的兩階段模型，綜合運(yùn)用統(tǒng)計(jì)方法和數(shù)據(jù)挖掘技術(shù)，通過(guò)增益率、相關(guān)系數(shù)和公因子從區(qū)分度、冗余度和貢獻(xiàn)度三個(gè)方面對(duì)初始屬性進(jìn)行篩選，再將約簡(jiǎn)后結(jié)果輸入RBF神經(jīng)網(wǎng)絡(luò)，對(duì)客戶信用等級(jí)進(jìn)行分類，從而提高評(píng)估的準(zhǔn)確度和運(yùn)行效率。本文具體的研究?jī)?nèi)容包括：
　　（1）文獻(xiàn)查閱：研究國(guó)內(nèi)外文獻(xiàn)，進(jìn)而分析了目前商業(yè)銀行個(gè)人信

3、用風(fēng)險(xiǎn)評(píng)估方面存在的問(wèn)題，并針對(duì)性的從模型完善上提出解決方案。
　?。?）理論研究：研究了信用風(fēng)險(xiǎn)評(píng)估理論，并從特征變量選擇以及分類兩個(gè)階段分析了常見(jiàn)算法的原理和適用性，增加了文章的說(shuō)服力。
　?。?）技術(shù)運(yùn)用：研究了決策樹、相關(guān)分析、因子分析以及神經(jīng)網(wǎng)絡(luò)算法的運(yùn)行機(jī)制，改進(jìn)了基于RBF神經(jīng)網(wǎng)絡(luò)的信用風(fēng)險(xiǎn)評(píng)估模型。
　　（4）實(shí)證分析：運(yùn)行環(huán)境采用SPSS以及SPSS Modeler軟件，樣本選自北京某銀行真實(shí)個(gè)人信貸