基于RBF神經(jīng)網(wǎng)絡(luò)的銀行個人信用風(fēng)險評估研究.pdf

1、近年來，個人消費信貸的普及帶來了商業(yè)銀行利潤的增長，但信用風(fēng)險評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)定性分析和計量分析評估結(jié)果的準(zhǔn)確性低、穩(wěn)定性差，并且運(yùn)行成本高、時間長，不利于商業(yè)銀行對貸款申請人風(fēng)險的把控。因此，進(jìn)一步完善個人信用風(fēng)險評估模型，是我國商業(yè)銀行發(fā)展信貸業(yè)務(wù)、控制信用風(fēng)險的必要舉措。
　　信用風(fēng)險評估一般包括特征變量選擇和分類兩個階段，首先通過篩選初始屬性集，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)律用于分類評估。本文基于對常見算法模型的理論研究，結(jié)合我國商業(yè)銀行個人信用風(fēng)險評估現(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)計方法和數(shù)據(jù)挖掘技術(shù)，通過增益率、相關(guān)系數(shù)和公因子從區(qū)分度、冗余度和貢獻(xiàn)度三個方面對初始屬性進(jìn)行篩選，再將約簡后結(jié)果輸入RBF神經(jīng)網(wǎng)絡(luò)，對客戶信用等級進(jìn)行分類，從而提高評估的準(zhǔn)確度和運(yùn)行效率。本文具體的研究內(nèi)容包括：
　　（1）文獻(xiàn)查閱：研究國內(nèi)外文獻(xiàn)，進(jìn)而分析了目前商業(yè)銀行個人信

3、用風(fēng)險評估方面存在的問題，并針對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)險評估理論，并從特征變量選擇以及分類兩個階段分析了常見算法的原理和適用性，增加了文章的說服力。
　?。?）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)險評估模型。
　　（4）實證分析：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個人信貸