基于指標優(yōu)化的個人信用評估組合模型研究.pdf

1、隨著經(jīng)濟的快速發(fā)展，各種個人消費貸款的規(guī)模迅速擴大。在消費信貸熱不斷升溫的形勢下，各商業(yè)銀行均把發(fā)展消費貸款作為未來發(fā)展戰(zhàn)略的重要組成部分。但是目前商業(yè)銀行對消費貸款的風險管理水平較低，管理手段與方法均較落后，在消費信貸的發(fā)放過程中，仍然采用傳統(tǒng)的信用分析方法來評價消費信貸申請者的信用狀況及還款能力，缺乏一套有效的個人信用評估方法，這嚴重阻礙了個人消費信貸業(yè)務的發(fā)展。因此，開發(fā)出一套能夠有效降低信用風險的個人信用評估方法，對社會經(jīng)濟的發(fā)

2、展具有十分重要的意義。
　　本文闡述了個人信用評估方法的發(fā)展和國內(nèi)外研究的現(xiàn)狀，以及個人信用評估指標體系的現(xiàn)狀，指出目前存在個人信用評估方法指標體系混亂、精確度與穩(wěn)健性無法兼顧等問題。針對指標體系混亂問題，利用因子分析和遺傳算法兩種指標優(yōu)化方法構建兩種個人信用評估指標體系。針對單一模型中存在的分類精度以及模型穩(wěn)健性等方面的不足，將組合預測模型的思想引入個人信用評估中，構建了Logistic回歸和Probit回歸的線性非負組合預測模

3、型，為了解決數(shù)據(jù)過少的問題，在檢驗模型上，采用了蒙特卡洛模擬進行樣本數(shù)據(jù)的模擬。利用德國銀行的信貸數(shù)據(jù)進行的實證研究表明，總體上，在同一指標體系下Logistic回歸模型和組合預測模型的分類效果都很好，在穩(wěn)健性方面，組合預測模型要優(yōu)于相應的單一評估模型，遺傳算法優(yōu)化指標的組合預測模型分類精度的標準差僅為0.0070228，波動很小，說明組合預測模型的穩(wěn)定性很強；在相同模型的情況下，遺傳算法優(yōu)化指標的模型結(jié)果要優(yōu)于因子分析優(yōu)化指標的模型。