基于BP優(yōu)化算法的個(gè)人信用評(píng)價(jià)模型研究.pdf

1、市場(chǎng)經(jīng)濟(jì)的快速發(fā)展促使信貸消費(fèi)逐漸成為區(qū)別于傳統(tǒng)消費(fèi)模式的新潮流。個(gè)人信用作為信貸消費(fèi)的評(píng)價(jià)基礎(chǔ)，它體現(xiàn)了當(dāng)事人履行信用承諾的能力，如今它也不僅僅是傳統(tǒng)觀念上的一種美德，更確切的說(shuō)是一種商品，是一種建立在個(gè)人凈資產(chǎn)和對(duì)未來(lái)收入預(yù)期基礎(chǔ)上的支付能力。運(yùn)用先進(jìn)的技術(shù)構(gòu)建個(gè)人信用評(píng)價(jià)模型，進(jìn)而客觀正確評(píng)價(jià)個(gè)人信用，能夠公平維護(hù)授信雙方的合法利益，也為信貸機(jī)構(gòu)提供了預(yù)測(cè)信用風(fēng)險(xiǎn)的有效工具，同時(shí)維持市場(chǎng)經(jīng)濟(jì)健康穩(wěn)定發(fā)展。
　　本文在分析了國(guó)

2、內(nèi)信貸行情和國(guó)內(nèi)外在個(gè)人信用評(píng)價(jià)領(lǐng)域的研究現(xiàn)狀的基礎(chǔ)上，對(duì)比分析了統(tǒng)計(jì)和非統(tǒng)計(jì)個(gè)人信用評(píng)價(jià)模型的優(yōu)越性和局限性，并且探討了人工智能算法中的BP神經(jīng)網(wǎng)絡(luò)算法和粒子群優(yōu)化算法，然后運(yùn)用屬性信息熵對(duì)德國(guó)個(gè)人信用數(shù)據(jù)集的原始指標(biāo)體系做二次優(yōu)化，通過(guò)指標(biāo)增益值的大小來(lái)選取合適的信用評(píng)價(jià)指標(biāo)，從而構(gòu)建了新的指標(biāo)體系;其次，在原始預(yù)測(cè)分類(lèi)模型基礎(chǔ)評(píng)價(jià)指標(biāo)（整體預(yù)測(cè)正確率、兩類(lèi)信用等級(jí)預(yù)測(cè)精度和兩類(lèi)信用等級(jí)召回精度）的基礎(chǔ)上，創(chuàng)建了兩個(gè)適合度量個(gè)人信用

3、評(píng)價(jià)模型評(píng)測(cè)性能的綜合評(píng)價(jià)指標(biāo):綜合評(píng)價(jià)性能指標(biāo)和綜合評(píng)價(jià)損失率指標(biāo);再次依據(jù)新的指標(biāo)體系結(jié)合BP算法和PSO算法構(gòu)建了不同訓(xùn)練函數(shù)下的BP常規(guī)優(yōu)化個(gè)人信用評(píng)價(jià)模型和基于PSO優(yōu)化的個(gè)人信用評(píng)價(jià)模型。最后通過(guò)實(shí)例驗(yàn)證表明:在常規(guī)優(yōu)化的BP個(gè)人信用評(píng)價(jià)模型中，采用trainbfg訓(xùn)練函數(shù)的模型收斂速度較快，而且泛化性能好，兩個(gè)綜合評(píng)價(jià)指標(biāo)在同類(lèi)常規(guī)優(yōu)化算法中表現(xiàn)最好;基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)個(gè)人信用評(píng)價(jià)模型的評(píng)測(cè)性能隨著迭代次數(shù)不同有