基于BP神經(jīng)網(wǎng)絡的個人住房貸款還款信用評估.pdf

1、隨著國家經(jīng)濟的不斷發(fā)展，房地產(chǎn)業(yè)與人們的生活日益相關。不論是企業(yè)還是個人，都把投資房地產(chǎn)業(yè)作為資產(chǎn)投資的重要一項。至目前為止個人住房貸款已成為商業(yè)銀行的最大業(yè)務之一，因此企業(yè)和個人的還款能力成為商業(yè)銀行住房信貸風險管理中的一項重要參考指標。
　　在國外，商業(yè)銀行在對客戶還款能力評估方面已經(jīng)進行很長時間的探索并取得很好的發(fā)展成果，目前商業(yè)銀行基本采用統(tǒng)計的方法對客戶還款能力進行量化分析。在我國，客戶信用評估系統(tǒng)的建立相對落后，并未形

2、成一個完整的體系，因而銀行的信用風險較大。因此，加快商業(yè)銀行信用評估系統(tǒng)建設的任務迫在眉睫，從而為商業(yè)銀行提供科學的決策依據(jù)。
　　作為個人住房貸款還款信用評估的其中一種方法，神經(jīng)網(wǎng)絡模型以其自學習、自調整以及非線性映射的優(yōu)點，被應用于量化個人信用評估模型中，但是神經(jīng)網(wǎng)絡在個人信用住房貸款評估中的實際應用并不是很廣泛，有待進一步探索。在多種神經(jīng)網(wǎng)絡模型中，BP神經(jīng)網(wǎng)絡在神經(jīng)網(wǎng)絡中應用較為廣泛，因為BP神經(jīng)網(wǎng)絡的具有自適應、較強泛化

3、能力以及容錯能力好的顯著優(yōu)點。本文利用某家商業(yè)銀行客戶住房貸款還款真實記錄信息，并選取每一項還款記錄中的11項評估指標構建評估體體系.然后在計算上利用MATLAB軟件對數(shù)據(jù)進行仿真分析。同時，隨著科研工作者對BP神經(jīng)網(wǎng)絡的研究不斷深入，至目前為止已經(jīng)產(chǎn)生了很多訓練算法，對于這些訓練算法性能優(yōu)劣評比應該具體問題具體分析，從而針對某一具體問題找到其最最優(yōu)算法。本文在BP神經(jīng)網(wǎng)絡模型的設計過程中，分別使用附加動量法、自適應學習速率、擬牛頓法、

4、共軛梯度法、LM算法對BP神經(jīng)網(wǎng)絡模型進行訓練，通過對比每個訓練結果的誤差、訓練次數(shù)、訓練時間及收斂速度，進而確定采用基于LM算法的BP神經(jīng)網(wǎng)絡。使用已經(jīng)訓練好的最優(yōu)BP神經(jīng)網(wǎng)絡對重新選擇的新客戶的住房貸款信息進行測試，然后比較期望值與預測值之間的誤差，考核該BP神經(jīng)網(wǎng)絡模型的泛化能力，試驗結果表明該網(wǎng)絡模型泛化能力良好。在基于LM算法的BP神經(jīng)網(wǎng)絡基礎上，本文提出一種改進初始權值和樣本數(shù)據(jù)隨機性選取的方法，通過誤判率的減小說明基于LM