小微貸授信額度測(cè)算研究.pdf

1、小微信貸具有“短、小、頻、急”的特點(diǎn)，目前銀行大多是專家打分、人工單筆審核的信貸評(píng)審模式，主觀性強(qiáng)、成本高、效率低。降低小微信貸審核的成本、提高貸款發(fā)放效率，最有效的手段是改變?nèi)斯喂P審核的業(yè)務(wù)模式，將貸款的審批和發(fā)放標(biāo)準(zhǔn)化，特別是信用額度測(cè)算的信息化和標(biāo)準(zhǔn)化。通過(guò)建立信用額度測(cè)算模型，從大量數(shù)據(jù)中提煉出的預(yù)測(cè)信息和行為模式，能夠比較準(zhǔn)確地預(yù)測(cè)貸款申請(qǐng)人的信用表現(xiàn)，有助于銀行對(duì)貸款申請(qǐng)人授信額度的掌握、計(jì)量和控制。
　　本文在總結(jié)

2、和借鑒國(guó)內(nèi)外相關(guān)研究成果和實(shí)踐經(jīng)驗(yàn)的基礎(chǔ)上，以實(shí)際小微信貸業(yè)務(wù)數(shù)據(jù)為樣本，采用了有序多分類Logistic回歸模型、模糊C均值聚類模型（FCM聚類）兩種方法進(jìn)行對(duì)比研究。通過(guò)實(shí)證研究發(fā)現(xiàn)，有序多分類Logistic回歸模型對(duì)樣本信用等級(jí)的回判正確率整體高于FCM聚類模型。作為一種演繹式的模型，回歸模型能夠更好地模擬人工信貸評(píng)審的過(guò)程；FCM聚類模型屬于非監(jiān)督式模型，在基于授信評(píng)審前期數(shù)據(jù)的學(xué)習(xí)過(guò)程中，模型的預(yù)測(cè)結(jié)果與人工評(píng)審結(jié)果偏差較大