基于樣本集優(yōu)化的個(gè)人信用貝葉斯網(wǎng)絡(luò)評(píng)分模型研究.pdf

1、隨著我國(guó)商業(yè)銀行的迅速發(fā)展,個(gè)人信貸在銀行業(yè)務(wù)發(fā)展中扮演著越來(lái)越重要的角色。個(gè)人信用評(píng)分的效果直接影響銀行的業(yè)務(wù)水平和銀行發(fā)展的整體要求。因此,能否對(duì)個(gè)人信用進(jìn)行準(zhǔn)確的識(shí)別和評(píng)估,就成為銀行能否合理控制風(fēng)險(xiǎn)的關(guān)鍵。
　　本文首先總結(jié)了傳統(tǒng)評(píng)分模型的研究現(xiàn)狀,現(xiàn)有的評(píng)分模型主要基于統(tǒng)計(jì)學(xué)方法和人工智能方法,統(tǒng)計(jì)學(xué)方法在個(gè)人信用評(píng)分的應(yīng)用中會(huì)出現(xiàn)不穩(wěn)定的問(wèn)題,而人工智能方法的預(yù)測(cè)精度往往不甚理想。這些問(wèn)題制約了個(gè)人信用評(píng)分的發(fā)展。針對(duì)

2、這些問(wèn)題,本文從個(gè)人信用數(shù)據(jù)入手,分析了個(gè)人信用數(shù)據(jù)的特點(diǎn)及個(gè)人信用評(píng)分模型對(duì)信用數(shù)據(jù)的要求,從樣本優(yōu)化的角度對(duì)數(shù)據(jù)進(jìn)行挖掘,對(duì)樣本數(shù)據(jù)進(jìn)行“降維”和“去噪”處理,運(yùn)用多指標(biāo)分層抽樣對(duì)樣本數(shù)據(jù)進(jìn)行篩選和抽取,從而避免樣本偏差問(wèn)題,構(gòu)建出屬性品質(zhì)優(yōu)良的樣本集。在樣本集優(yōu)化的基礎(chǔ)上,本文將貝葉斯網(wǎng)絡(luò)運(yùn)用在個(gè)人信用評(píng)分中,貝葉斯網(wǎng)絡(luò)能夠有效解決不確定性問(wèn)題,在概率論的支撐下,能夠很好的對(duì)結(jié)果進(jìn)行解釋,基于先驗(yàn)概率建立網(wǎng)絡(luò)結(jié)構(gòu),保證了模型的穩(wěn)定