基于BP神經(jīng)網(wǎng)絡(luò)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(guān)。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(wù)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(fēng)險管理中的一項重要參考指標(biāo)。
　　在國外，商業(yè)銀行在對客戶還款能力評估方面已經(jīng)進(jìn)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(jìn)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(fēng)險較大。因此，加快商業(yè)銀行信用評估系統(tǒng)建設(shè)的任務(wù)迫在眉睫，從而為商業(yè)銀行提供科學(xué)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(luò)模型以其自學(xué)習(xí)、自調(diào)整以及非線性映射的優(yōu)點，被應(yīng)用于量化個人信用評估模型中，但是神經(jīng)網(wǎng)絡(luò)在個人信用住房貸款評估中的實際應(yīng)用并不是很廣泛，有待進(jìn)一步探索。在多種神經(jīng)網(wǎng)絡(luò)模型中，BP神經(jīng)網(wǎng)絡(luò)在神經(jīng)網(wǎng)絡(luò)中應(yīng)用較為廣泛，因為BP神經(jīng)網(wǎng)絡(luò)的具有自適應(yīng)、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(biāo)構(gòu)建評估體體系.然后在計算上利用MATLAB軟件對數(shù)據(jù)進(jìn)行仿真分析。同時，隨著科研工作者對BP神經(jīng)網(wǎng)絡(luò)的研究不斷深入，至目前為止已經(jīng)產(chǎn)生了很多訓(xùn)練算法，對于這些訓(xùn)練算法性能優(yōu)劣評比應(yīng)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(luò)模型的設(shè)計過程中，分別使用附加動量法、自適應(yīng)學(xué)習(xí)速率、擬牛頓法、

4、共軛梯度法、LM算法對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，通過對比每個訓(xùn)練結(jié)果的誤差、訓(xùn)練次數(shù)、訓(xùn)練時間及收斂速度，進(jìn)而確定采用基于LM算法的BP神經(jīng)網(wǎng)絡(luò)。使用已經(jīng)訓(xùn)練好的最優(yōu)BP神經(jīng)網(wǎng)絡(luò)對重新選擇的新客戶的住房貸款信息進(jìn)行測試，然后比較期望值與預(yù)測值之間的誤差，考核該BP神經(jīng)網(wǎng)絡(luò)模型的泛化能力，試驗結(jié)果表明該網(wǎng)絡(luò)模型泛化能力良好。在基于LM算法的BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，本文提出一種改進(jìn)初始權(quán)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