基于指標(biāo)優(yōu)化的個(gè)人信用評(píng)估組合模型研究.pdf

1、隨著經(jīng)濟(jì)的快速發(fā)展，各種個(gè)人消費(fèi)貸款的規(guī)模迅速擴(kuò)大。在消費(fèi)信貸熱不斷升溫的形勢(shì)下，各商業(yè)銀行均把發(fā)展消費(fèi)貸款作為未來(lái)發(fā)展戰(zhàn)略的重要組成部分。但是目前商業(yè)銀行對(duì)消費(fèi)貸款的風(fēng)險(xiǎn)管理水平較低，管理手段與方法均較落后，在消費(fèi)信貸的發(fā)放過(guò)程中，仍然采用傳統(tǒng)的信用分析方法來(lái)評(píng)價(jià)消費(fèi)信貸申請(qǐng)者的信用狀況及還款能力，缺乏一套有效的個(gè)人信用評(píng)估方法，這嚴(yán)重阻礙了個(gè)人消費(fèi)信貸業(yè)務(wù)的發(fā)展。因此，開(kāi)發(fā)出一套能夠有效降低信用風(fēng)險(xiǎn)的個(gè)人信用評(píng)估方法，對(duì)社會(huì)經(jīng)濟(jì)的發(fā)

2、展具有十分重要的意義。
　　本文闡述了個(gè)人信用評(píng)估方法的發(fā)展和國(guó)內(nèi)外研究的現(xiàn)狀，以及個(gè)人信用評(píng)估指標(biāo)體系的現(xiàn)狀，指出目前存在個(gè)人信用評(píng)估方法指標(biāo)體系混亂、精確度與穩(wěn)健性無(wú)法兼顧等問(wèn)題。針對(duì)指標(biāo)體系混亂問(wèn)題，利用因子分析和遺傳算法兩種指標(biāo)優(yōu)化方法構(gòu)建兩種個(gè)人信用評(píng)估指標(biāo)體系。針對(duì)單一模型中存在的分類(lèi)精度以及模型穩(wěn)健性等方面的不足，將組合預(yù)測(cè)模型的思想引入個(gè)人信用評(píng)估中，構(gòu)建了Logistic回歸和Probit回歸的線性非負(fù)組合預(yù)測(cè)模

3、型，為了解決數(shù)據(jù)過(guò)少的問(wèn)題，在檢驗(yàn)?zāi)Ｐ蜕希捎昧嗣商乜迥M進(jìn)行樣本數(shù)據(jù)的模擬。利用德國(guó)銀行的信貸數(shù)據(jù)進(jìn)行的實(shí)證研究表明，總體上，在同一指標(biāo)體系下Logistic回歸模型和組合預(yù)測(cè)模型的分類(lèi)效果都很好，在穩(wěn)健性方面，組合預(yù)測(cè)模型要優(yōu)于相應(yīng)的單一評(píng)估模型，遺傳算法優(yōu)化指標(biāo)的組合預(yù)測(cè)模型分類(lèi)精度的標(biāo)準(zhǔn)差僅為0.0070228，波動(dòng)很小，說(shuō)明組合預(yù)測(cè)模型的穩(wěn)定性很強(qiáng)；在相同模型的情況下，遺傳算法優(yōu)化指標(biāo)的模型結(jié)果要優(yōu)于因子分析優(yōu)化指標(biāo)的模型。