個(gè)人信用評(píng)估模型研究.pdf

1、當(dāng)前，我國(guó)個(gè)人業(yè)務(wù)的飛速發(fā)展使商業(yè)銀行積累了一定量的數(shù)據(jù)，商業(yè)銀行紛紛進(jìn)行數(shù)據(jù)集中，建立數(shù)據(jù)倉(cāng)庫(kù)，開(kāi)始應(yīng)用數(shù)據(jù)挖掘技術(shù)建立科學(xué)的個(gè)人信用評(píng)估模型，進(jìn)面建立完善的個(gè)人信用評(píng)估機(jī)制，以降低個(gè)人信貸業(yè)務(wù)成本和風(fēng)險(xiǎn)。雖然進(jìn)行了各種積極的嘗試，但是我國(guó)銀行業(yè)在個(gè)人信用評(píng)估模型的建立和應(yīng)用方面仍處于起步階段，對(duì)各種方法建立的個(gè)人信用評(píng)分模型的準(zhǔn)確性和適用性的研究還有待深入。在目前中國(guó)個(gè)人征信體系不完善，商業(yè)銀行個(gè)人信用信息不完整的條件下，如何建立有

2、一定參考價(jià)值的個(gè)人信用評(píng)估模型非常有意義。從現(xiàn)有的研究結(jié)果看，還沒(méi)有一致性的結(jié)論，有些結(jié)論甚至相互矛盾。本文將對(duì)此進(jìn)行系統(tǒng)研究，并以某商業(yè)銀行個(gè)人信貸數(shù)據(jù)為分析對(duì)象，采用已有的數(shù)據(jù)挖掘算法進(jìn)行適應(yīng)性研究，使用判別分析法、Logistic回歸法、K近鄰法、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)分別建立模型對(duì)個(gè)人客戶進(jìn)行分類(lèi)，并比較模型表現(xiàn)。在對(duì)個(gè)人信用評(píng)估模型進(jìn)行比較評(píng)價(jià)時(shí)，一般應(yīng)綜合考慮以下幾個(gè)方面：模型的適用條件，模型精確度及穩(wěn)健程度，模型經(jīng)濟(jì)含義解釋能力

3、，建模的效率等。對(duì)比結(jié)果顯示，Logistic回歸模型是個(gè)人信用評(píng)估最優(yōu)模型，該模型的準(zhǔn)確率達(dá)到75％以上，訓(xùn)練樣本和確認(rèn)樣本誤判率相差不大，模型穩(wěn)健性好，易于理解，效率高，推廣能力強(qiáng)，是當(dāng)前商業(yè)銀行可以采用的最優(yōu)模型，值得在實(shí)踐中推廣。 本文的研究方法：采用理論與數(shù)據(jù)相結(jié)合的思路，使用定量分析的方法，對(duì)現(xiàn)有的幾種個(gè)人信用評(píng)估方法進(jìn)行對(duì)比研究。 論文主要分為五章：第一章主要介紹了數(shù)據(jù)挖掘概念及其在個(gè)人信用評(píng)估中的應(yīng)用。

4、 首先闡述了數(shù)據(jù)挖掘的基本概念，介紹了數(shù)據(jù)挖掘的功能和常用技術(shù)以及基本流程；然后介紹了數(shù)據(jù)挖掘技術(shù)的應(yīng)用情況及其在商業(yè)銀行風(fēng)險(xiǎn)管理方面發(fā)揮的作用。 第二章討論了個(gè)人信用評(píng)估的基本概念及其發(fā)展歷程。指出個(gè)人信用評(píng)估是對(duì)消費(fèi)信貸中的個(gè)人誠(chéng)實(shí)守信的意志和能力做出評(píng)價(jià)，并對(duì)目前西方國(guó)家流行幾種定量方法進(jìn)行了綜述，介紹了這些方法的基本原理和前人的研究成果。最后，分析了國(guó)內(nèi)研究現(xiàn)狀，強(qiáng)調(diào)了構(gòu)建適合我國(guó)現(xiàn)狀的個(gè)人信用評(píng)估模型的必要性，指

5、出雖然進(jìn)行了各種積極的嘗試，但是我國(guó)銀行業(yè)在個(gè)人信用評(píng)分模型的建立和應(yīng)用方面仍處于起步階段，對(duì)各種方法建立的個(gè)人信用評(píng)估模型的準(zhǔn)確性和適用性研究還有待深入。本章的論述為后面進(jìn)行實(shí)證分析奠定理論基礎(chǔ)。第三章研究了個(gè)人信用評(píng)估前的數(shù)據(jù)準(zhǔn)備問(wèn)題。論文研究所采用的數(shù)據(jù)是由四川省某商業(yè)銀行提供的個(gè)人客戶歷史資料數(shù)據(jù)庫(kù)的真實(shí)數(shù)據(jù)，由于建模用的實(shí)際數(shù)據(jù)存在著不完整、不一致、不精確和重復(fù)數(shù)據(jù)，所以需要對(duì)其進(jìn)行預(yù)處理，本章具體介紹了數(shù)據(jù)清洗和轉(zhuǎn)換的方法和

6、過(guò)程；然后，介紹了建模所采用的抽樣方法。 第四章應(yīng)用SAS等軟件，對(duì)樣本數(shù)據(jù)使用判別分析法、Logistic回歸、K近鄰法、決策樹(shù)和神經(jīng)網(wǎng)絡(luò)法具體構(gòu)建個(gè)人信用評(píng)估模型。詳細(xì)介紹了建立模型的過(guò)程、算法、判別準(zhǔn)則并計(jì)算了訓(xùn)練樣本和確認(rèn)樣本的總體誤判率及兩類(lèi)錯(cuò)誤率。 第五章對(duì)第四章中所建立的幾種模型進(jìn)行評(píng)估和比較。分析結(jié)果認(rèn)為，就本文所使用的數(shù)據(jù)而言，幾種模型建模效果在一定范圍內(nèi)差別不大。相比較來(lái)說(shuō)，Logistic回歸模型是

7、個(gè)人信用評(píng)估最優(yōu)模型，值得在實(shí)踐中推廣。最后，提出商業(yè)銀行具體運(yùn)用過(guò)程中還需注意的幾點(diǎn)問(wèn)題。 本文的主要特點(diǎn)： (1)采用商業(yè)銀行個(gè)人信貸真實(shí)數(shù)據(jù)進(jìn)行實(shí)證分析，所建立的模型更符合現(xiàn)實(shí)情況。論文探討了對(duì)有噪聲的原始數(shù)據(jù)進(jìn)行預(yù)處理的方法和過(guò)程，采用適當(dāng)?shù)挠诙螌?duì)數(shù)據(jù)進(jìn)行清洗和轉(zhuǎn)換，使其符合建模的要求。 (2)論文用幾種方法對(duì)樣本數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘，找出客戶資信3水平和個(gè)人特征信息之間的關(guān)系，構(gòu)建信用評(píng)估模型并用于預(yù)測(cè)。采

8、用對(duì)比研究的方法，對(duì)各模型進(jìn)行評(píng)估比較。最終所推薦的模型具有客觀性強(qiáng)，預(yù)測(cè)準(zhǔn)確高的特點(diǎn)，有較強(qiáng)的信用風(fēng)險(xiǎn)識(shí)別能力和預(yù)測(cè)能力。 (3)本文在選取建模方法時(shí)，采用了較多的非參數(shù)分析方法，由于參數(shù)分析法建模往往對(duì)數(shù)據(jù)有特殊要求，如自變量服從正態(tài)分布等，而現(xiàn)實(shí)中的數(shù)據(jù)常常不符合這一假定，非參數(shù)法對(duì)數(shù)據(jù)分布沒(méi)有特別的要求，避免了傳統(tǒng)技術(shù)對(duì)模型設(shè)定的困難。本文對(duì)非參數(shù)法在實(shí)際中的應(yīng)用進(jìn)行了探討，為定量分析方法應(yīng)用于個(gè)人信貸風(fēng)險(xiǎn)評(píng)估提供了選擇