基于神經(jīng)網(wǎng)絡(luò)的個人信用模型.pdf

1、隨著國內(nèi)銀行業(yè)對個人消費(fèi)信貸業(yè)務(wù)的日益重視，個人消費(fèi)信貸業(yè)務(wù)的規(guī)模急劇擴(kuò)大，我國一些大城市居民家庭債務(wù)比率已經(jīng)達(dá)到甚至超過美國等發(fā)達(dá)國家的水平。較高的家庭債務(wù)比率放大了借款人對經(jīng)濟(jì)波動的敏感程度，存在著很大的信用危機(jī)，一旦有風(fēng)險，商業(yè)銀行將承擔(dān)巨大的損失。在商業(yè)銀行的個人消費(fèi)信貸業(yè)務(wù)所面臨風(fēng)險中信用風(fēng)險是影響商業(yè)銀行最重要的風(fēng)險。因而對信用風(fēng)險的主體——個人的信用分析是商業(yè)銀行個人消費(fèi)信貸業(yè)務(wù)風(fēng)險控制的核心工作，對商業(yè)銀行的安全經(jīng)營有著

2、極其重要的意義。 對于我國的銀行業(yè)來說，因?yàn)閲鴥?nèi)的金融市場的發(fā)育不完善以及銀行業(yè)內(nèi)部的自身問題，對風(fēng)險的控制一直是其薄弱環(huán)節(jié)。對風(fēng)險基本上只能做到定性，與國際已經(jīng)做到的定量的先進(jìn)風(fēng)險管理水平相差甚遠(yuǎn)。我國目前針對公司業(yè)務(wù)的風(fēng)險管理體制主要是采用財務(wù)分析和專家法這類定性的方法，這種方法對人員的素質(zhì)要求較高，其業(yè)務(wù)的成本也很高，辦理業(yè)務(wù)速度也較慢，對公司業(yè)務(wù)這種筆數(shù)小，金額大的業(yè)務(wù)還勉強(qiáng)適合。而個人業(yè)務(wù)由于其金額相對較小，但筆數(shù)很多

3、，再用銀行針對公司客戶的風(fēng)險管理體制顯然是不大現(xiàn)實(shí)的。目前，我國銀行對個人客戶信用狀況的評價，主要采用按學(xué)歷、職稱、職業(yè)、工作年限、家庭年度收入等變量打分然后按其權(quán)重將得分相加得到個人的信用評價。 本文正是針對當(dāng)前我國個人信用分析相對薄弱的現(xiàn)實(shí)出發(fā)，全面研究了個人信用理論并對個人信用進(jìn)行分析，比較了國內(nèi)外在該領(lǐng)域內(nèi)的研究現(xiàn)狀。在此基礎(chǔ)上并結(jié)合數(shù)學(xué)方法與模型設(shè)計理論，以大量的個人數(shù)據(jù)分析為基礎(chǔ)，然后利用神經(jīng)網(wǎng)絡(luò)算法(Neural

4、Network)設(shè)計出個人信用評分模型。該模型對個人客戶信用的綜合正確判別率達(dá)到85.49％，將壞客戶誤判為好客戶的概率僅為13.38％，并且模型的穩(wěn)健性良好，即使代入不同的參數(shù)其對個人客戶的綜合正確判別率一般也可以達(dá)到80％以上。其泛化能力很強(qiáng)，很適合銀行業(yè)推廣使用。 本論文主要分為五章： 第一章主要是關(guān)于個人信用研究方面的一些內(nèi)容，介紹了信用，個人信用的定義，概念及其特征，功能。在此基礎(chǔ)上定義了信用風(fēng)險的概念并對個人

5、信用風(fēng)險分析進(jìn)行了分析。 第二章主要是關(guān)于個人信用評估含義和方法的一些介紹。在提出個人信用評估含義的基礎(chǔ)上介紹了目前國內(nèi)外對個人信用評估研究的方法介紹，并比較了各種方法的優(yōu)缺點(diǎn)。 第三章主要是有關(guān)人工神經(jīng)網(wǎng)絡(luò)方面的基礎(chǔ)理論。對神經(jīng)網(wǎng)絡(luò)的起源，發(fā)展和人工神經(jīng)網(wǎng)絡(luò)的特性，模型以及相關(guān)的算法，研究現(xiàn)狀做了詳細(xì)介紹。并對人工神經(jīng)網(wǎng)絡(luò)與生物神經(jīng)網(wǎng)絡(luò)進(jìn)行了相應(yīng)的比較。 第四章是對本文的建模的基礎(chǔ)——誤差反向傳播神經(jīng)網(wǎng)絡(luò)，即B

6、P神經(jīng)網(wǎng)絡(luò)的詳細(xì)介紹，這也是本文的重點(diǎn)。首先介紹了誤差反向傳播算法基本原理，并用梯度下降法對誤差反向傳播算法學(xué)習(xí)過程進(jìn)行了詳細(xì)的推導(dǎo)。然后歸納了誤差反向傳播神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程的具體步驟。同時針對誤差反向傳播算法存在的收斂速度慢，易于陷入局部最小值等主要問題，介紹了目前的一些改進(jìn)的算法。最后對誤差反向傳播算法神經(jīng)網(wǎng)絡(luò)的設(shè)計做了詳細(xì)的描述。本章為本文最終建立個人信用模型打下了良好的基礎(chǔ)。 第五章研究了基于神經(jīng)網(wǎng)絡(luò)對個人信用模型建模并對

7、其進(jìn)行實(shí)證與分析，是本文的核心。在本章中首先介紹了建模需要使用的兩個軟件：SAS軟件和MATLAB軟件。然后開始介紹建模的具體過程。首先利用SAS軟件對建模的數(shù)據(jù)進(jìn)行處理和分析，然后介紹了如何確定網(wǎng)絡(luò)結(jié)構(gòu)，和對網(wǎng)絡(luò)的參數(shù)進(jìn)行選取。并利用MATLAB軟件對數(shù)據(jù)進(jìn)行具體建模。最后對建模的結(jié)果進(jìn)行了詳細(xì)的分析。分析結(jié)果也證明了利用神經(jīng)網(wǎng)絡(luò)建立的個人信用評價模型相對于其他方法來說具有一定的優(yōu)越性。 本文的主要貢獻(xiàn)：本文的主要貢獻(xiàn)在于針對

8、國內(nèi)銀行業(yè)個人消費(fèi)信貸業(yè)務(wù)快速發(fā)展受到個人信用評估環(huán)節(jié)薄弱這個瓶頸的制約的情況。在分析了目前國內(nèi)外使用的各種個人信用評估方法的優(yōu)缺點(diǎn)后，引入了神經(jīng)網(wǎng)絡(luò)方法這種目前最先進(jìn)的方法對銀行的個人客戶進(jìn)行個人信用評估建模。目前利用神經(jīng)網(wǎng)絡(luò)建模在經(jīng)濟(jì)類文獻(xiàn)中主要是應(yīng)用于財務(wù)預(yù)警模型方面的文章比較多。但將神經(jīng)網(wǎng)絡(luò)用于個人信用評估則并不多見，而且原來利用神經(jīng)網(wǎng)絡(luò)進(jìn)行個人信用評估的研究由于受到數(shù)據(jù)難于取得的制約，從而造成模型的訓(xùn)練不足，也影響了模型判別的