非負(fù)約束權(quán)重的個(gè)人信用評(píng)估組合預(yù)測(cè)模型研究.pdf

1、隨著我國消費(fèi)信貸市場(chǎng)的不斷發(fā)展，個(gè)人信用得到了空前的重視。我國目前尚未建立起完善的個(gè)人征信體系，商業(yè)銀行目前沒有一套科學(xué)合理的個(gè)人信用評(píng)估指標(biāo)和方法。在這種情況下，加強(qiáng)對(duì)個(gè)人信用評(píng)估方法的研究，對(duì)于商業(yè)銀行降低消費(fèi)信貸風(fēng)險(xiǎn)，減少不良貸款比率，擴(kuò)大消費(fèi)信貸的積極性，促進(jìn)國民經(jīng)濟(jì)快速穩(wěn)定發(fā)展具有積極意義。
　　本文在對(duì)國內(nèi)外相關(guān)研究成果進(jìn)行分析的基礎(chǔ)上，首先闡述了個(gè)人信用評(píng)估中用到的三種統(tǒng)計(jì)方法的基本原理并分別建立了基于這三種統(tǒng)計(jì)方法

2、的個(gè)人信用評(píng)估模型并進(jìn)行了檢驗(yàn)，隨后對(duì)組合預(yù)測(cè)原理及其權(quán)重求解的方法進(jìn)行了闡述，最后構(gòu)建了基于線性回歸、Logistic回歸和Probit回歸三種統(tǒng)計(jì)方法的非負(fù)約束權(quán)重的組合預(yù)測(cè)模型，并將組合預(yù)測(cè)模型應(yīng)用到個(gè)人信用評(píng)估中。在非負(fù)約束權(quán)重的組合預(yù)測(cè)模型的權(quán)重求解計(jì)算中，引入了較傳統(tǒng)解法更有效、結(jié)果更合理的二次規(guī)劃的神經(jīng)網(wǎng)絡(luò)解法，并且利用遺傳算法對(duì)非負(fù)權(quán)重進(jìn)行了求解。在最后的模型應(yīng)用中，將非負(fù)約束權(quán)重的組合預(yù)測(cè)模型與單一模型進(jìn)行對(duì)比，結(jié)果表

3、明：從總分類準(zhǔn)確率和總錯(cuò)分率來看，三種單一統(tǒng)計(jì)模型及組合預(yù)測(cè)模型的分類準(zhǔn)確率都在90％以上，其中非負(fù)約束權(quán)重的組合預(yù)測(cè)模型的總分類效果最好，與此同時(shí)非負(fù)約束權(quán)重的組合預(yù)測(cè)模型的第一類錯(cuò)分率雖然不是最低，但在第二類錯(cuò)分率上具有優(yōu)勢(shì)，因此可以判定非負(fù)約束權(quán)重的組合預(yù)測(cè)模型的分類綜合效果高于單一模型。將利用二次規(guī)劃算法求解的非負(fù)約束權(quán)重的組合預(yù)測(cè)模型與利用遺傳算法求解得到的非負(fù)約束權(quán)重的組合預(yù)測(cè)模型進(jìn)行對(duì)比表明，二次規(guī)劃算法中線性回歸模型的權(quán)