商业银行个人信用评估组合预测方法研究

论文摘要

随着中国经济的快速发展,信用消费增长迅速,住房按揭、汽车贷款、教育贷款、信用卡等各种个人消费贷款的规模在迅速扩大。在消费信贷热不断升温的形势下,各商业银行均把发展消费贷款作为未来发展战略的重要组成部分。但是目前国内商业银行对消费贷款的风险管理水平较低,管理手段与方法均较落后,在消费信贷的发放过程中,仍然采用传统的信用分析方法来评价消费信贷申请者的信用状况及还款能力,在个人信用评估方法上仍然没有形成稳健可靠的模型。而目前学术界虽然提出了包括数理统计、人工智能等多种信用评估模型,但是这些方法都无法同时达到精确性和稳健性的最优状态。本文在分析国内外个人信用评估发展历史及其方法应用现状的基础上,指出目前个人信用评估方法指标体系混乱、非系统性、精确度与稳健性无法兼顾等问题。针对指标体系混乱问题,利用货币效用曲线分析影响个人消费贷款履约行为的关键性因素,参考国内外已有的指标体系,构建适合中国国情的商业银行个人信用评估指标体系。针对非系统性问题,结合目前我国商业银行业务系统中所获取的实际数据情况,确定评估中所使用的指标,并就指标赋值、标准化、数据缺失、违约标准确定等数据处理过程提出了相应方法并加以应用,在目前常用的抽样方法中选择合理的方法加以应用,确定样本容量并进行分组,从而保证数据样本的可靠性,从而建立系统性的评估思路。针对精确度与稳健性无法兼顾问题,利用组合预测的思想,综合考虑权重非负约束、目标函数的最优解准则、可变权重、计算的复杂性、预测精确度等因素,建立了个人信用评估的线性组合预测模型、变权组合预测模型和非线性组合预测模型,提出了应用各模型进行预测的求解方法。分别就个人信用评估的统计模型和神经网络模型进行筛选、应用和比较,选择有效的单一模型对基于统计方法的组合预测模型、基于统计方法和神经网络的组合预测模型、基于神经网络的组合预测模型进行应用,对应用的结果进行比较分析。通过研究发现,统计模型在分类精确度方面不如神经网络模型,但神经网络模型在稳健型性方面较统计模型差。组合预测模型比单一模型在分类精确度以及模型稳健性方面均具有优势。而组合模型之间比较的结果,综合考

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 问题提出
• 1.2 个人信用评估方法研究现状
• 1.2.1 国外个人信用评估方法研究现状
• 1.2.2 国内个人信用评估方法的研究现状
• 1.2.3 国内外个人信用评估方法研究评述
• 1.3 国内外组合预测方法的研究现状
• 1.3.1 国外组合预测方法的研究现状
• 1.3.2 国内组合预测方法的研究现状
• 1.3.3 国内外组合预测方法研究评述
• 1.4 论文研究的意义
• 1.5 论文研究方法及内容
• 1.5.1 论文研究的方法
• 1.5.2 论文的主要内容
• 1.5.3 论文的结构
• 第2章 个人信用评估的理论基础
• 2.1 个人信用评估相关概念及内涵
• 2.1.1 信用和个人信用
• 2.1.2 个人信用评估
• 2.1.3 个人信用评估体系
• 2.2 个人信用形成机理的经济学分析
• 2.2.1 个人货币效用曲线的建立与描述
• 2.2.2 个人信贷行为的效用决策及其影响因素分析
• 2.2.3 个人信贷违约行为的效用决策及其影响因素分析
• 2.3 个人信用评估要素分析
• 2.3.1 个人信用评估的特点
• 2.3.2 个人信用信息的主要内容
• 2.3.3 个人信用信息的主要来源
• 2.4 本章小结
• 第3章 个人信用评估指标体系设计及数据处理
• 3.1 商业银行个人信用评估指标体系的构建
• 3.1.1 个人信用评估指标的类别体系
• 3.1.2 我国商业银行现行的个人信用评估指标体系
• 3.1.3 商业银行个人信用评估指标的确定
• 3.2 样本数据的选择及预处理
• 3.2.1 本文样本数据的来源
• 3.2.2 样本数据的初步分析
• 3.2.3 样本数据的预处理
• 3.3 个人信用数据的处理
• 3.3.1 个人信用数据的赋值
• 3.3.2 个人信用指标的标准化
• 3.3.3 缺失数据的处理
• 3.3.4 违约标准的确定
• 3.4 个人信用评估样本的抽取和分组
• 3.4.1 个人信用评估的抽样方法
• 3.4.2 样本分组
• 3.5 本章小结
• 第4章 个人信用评估组合预测模型的构建
• 4.1 组合预测模型及其对个人信用评估的适用性分析
• 4.1.1 组合预测模型
• 4.1.2 组合预测对个人信用评估的适用性分析
• 4.1.3 组合预测模型的构建思路
• 4.2 线性组合预测模型的构建
• 4.2.1 线性组合预测的基本原理
• 4.2.2 非变权线性组合预测模型权重求解
• 4.2.3 优性组合预测与冗余方法
• 4.3 变权组合预测模型的构建
• 4.3.1 变权组合预测模型的基本原理
• 4.3.2 变权组合预测的权重求解
• 4.3.3 两种单一预测方法的变权组合预测求解
• 4.4 非线性组合预测模型的构建
• 4.4.1 非线性组合预测模型的基本原理
• 4.4.2 非线性组合预测模型求解
• 4.5 组合预测模型效果的评价
• 4.5.1 损失函数的定义
• 4.5.2 组合预测模型评价的准则
• 4.6 本章小结
• 第5章 个人信用评估单一模型的应用与比较
• 5.1 个人信用评估的统计模型
• 5.1.1 个人信用评估的统计模型
• 5.1.2 统计模型的基本原理
• 5.2 统计模型的应用
• 5.2.1 解释变量的共线性诊断
• 5.2.2 多元线性回归模型的应用
• 5.2.3 Logistic回归模型的应用
• 5.2.4 Probit回归模型的应用
• 5.3 个人信用评估的神经网络模型
• 5.3.1 神经网络基本原理
• 5.3.2 神经网络的选择
• 5.4 神经网络模型的应用
• 5.4.1 指标的预处理
• 5.4.2 BP神经网络模型的应用
• 5.4.3 RBF神经网络模型的应用
• 5.4.4 Elman神经网络模型的应用
• 5.4.5 LVQ神经网络模型的应用
• 5.5 单一模型分类精度的比较
• 5.5.1 统计模型分类精度的比较
• 5.5.2 神经网络模型分类精度的比较
• 5.5.3 统计模型与神经网络模型的比较
• 5.6 本章小结
• 第6章 个人信用评估组合预测模型的应用
• 6.1 基于统计方法的组合预测模型的应用
• 6.1.1 单一模型的选择
• 6.1.2 权重无非负约束的组合预测模型
• 6.1.3 非负权重组合预测模型
• 6.1.4 基于统计方法的组合预测冗余方法剔出
• 6.2 基于统计方法的组合预测模型应用结果比较
• 6.2.1 稳健性指标的确定
• 6.2.2 权重无非负约束的组合预测模型与单一模型的比较
• 6.2.3 基于统计方法的组合预测模型间比较
• 6.3 基于统计方法和神经网络的组合预测模型的应用
• 6.3.1 单一模型的选择
• 6.3.2 非负权重组合预测模型
• 6.3.3 变权组合预测模型
• 6.4 基于统计方法和神经网络的组合模型应用结果比较
• 6.4.1 非负权重组合预测模型与单一模型比较
• 6.4.2 非变权组合模型与变权组合模型间的比较
• 6.5 基于神经网络的非线性组合预测模型的应用
• 6.5.1 单一模型的选择
• 6.5.2 RBF组合模型
• 6.5.3 PNN组合模型
• 6.6 基于神经网络的组合预测模型应用结果比较
• 6.7 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历