資源描述：
《商業(yè)銀行個(gè)人信用評(píng)估模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、‘’’‘、＾－．’、．８３０．＞分類號(hào)：Ｆ．５＞咬：：學(xué)校代碼：１〇７１２、；、？．攻．１成：齊護(hù)、：；一，ＵＤＣ：３Ｗ．７—．Ａ，；這？杳、許茹Ｖ或；＇吝、．．密級(jí)：Ｖ：．、．：．；、【苗，’￣如是辨片右編‘壞＂’衣樹(shù)托辮解瑚麵漏戴／屆專業(yè)學(xué)位碩壬研究生學(xué)位（畢業(yè)）論文／：．＼，、襄；婆誦．‘．－‘乂：＇’－＾蒼－決擊．，：營(yíng)；Ｋｒ身興ＣｆＶ’．．，．乂＼堿鴻補(bǔ)灣＇－八、商業(yè)銀行個(gè)人信用評(píng)估模型研究；諸一了記＇＾‘－，＞一心；ｖ敲廬ｒ＼
2、睡‘’別‘‘矜聲，文處，‘：Ｔ屬纔費(fèi)％ＶＴ／攀滬。興：；命?。崳娐椋У模⑸凇?；；：‘％：：：＜：；興暮；興令於＂，、｛＾均：＇，、類＾型Ｓ金離碩±：蠻誦Ｐ＃免ｆ＾’－－；於／巧領(lǐng)域＇、氣私—、方‘向、４心ｒ：，．矮若皆Ｖ＇點(diǎn)？＇’心＞，＾，研究生馮金龍一：：訊音＂＇、、、＇＇‘心、六＾ｌＬ．．；燕－’盧Ｈ媒．＇：＇．－－：’Ｖ—指導(dǎo)教師淮建軍副教授、，六：如＊產(chǎn)寫’＇．＇＂女＇－－ｆ－＾？一？－ｓ一＊ｙ，Ｗ：Ｉ；＇＼
3、戶，＇完成日寸間２０１６年５月—？嫁冷Ｉ邊．’．’，心、＂‘；‘？，４？公，終，；去／，參．皆，＞；Ｖ／‘矣’一、心各辦勺於刮為打沁；－巧：玄棘ｙ若Ｖ＃．馬辦ｎ、．＇．‘｜＾：國(guó)陜西纖巧始中；貨＇，巧衣，＃幫公＇礦＾＇－－／、奪＞勢(shì)；：１＿：譚續(xù)義朵，Ｖ眾Classificationcode:F830.5Universitycode:10712UDC:336.7Postgraduatenumber:2014051830Confidentialitylev
4、el:PublicThesisforMaster’sDegreeNorthwestA＆FUniversityin2016COMMERCIRALBANKCUSTOMERS’CREDITEVALUATIONMODELSTUDYMajor:MasterofFinanceResearchfield:NameofPostgraduate:JinlongFengAdviser:JianjunHuaiDateofsubmission:May,2016YanglingShaanxiChina商業(yè)銀行個(gè)人信用評(píng)估模
5、型研究摘要我國(guó)商業(yè)銀行不良貸款率持續(xù)上升，個(gè)人信用風(fēng)險(xiǎn)亟需控制，傳統(tǒng)的人工信用審核方式周期較長(zhǎng)，效率較低，準(zhǔn)確率難以保障，建立高準(zhǔn)確率、高穩(wěn)定性的信用評(píng)估模型勢(shì)在必行。國(guó)內(nèi)外學(xué)者對(duì)于信用評(píng)估模型做了大量的研究，回顧已有文獻(xiàn)，發(fā)現(xiàn)眾多信用評(píng)估模型變量選取和參數(shù)設(shè)定含有較強(qiáng)的主觀性，并且缺乏對(duì)違約客戶評(píng)估準(zhǔn)確率的重視。本文在現(xiàn)有研究的基礎(chǔ)上，應(yīng)用德國(guó)銀行客戶數(shù)據(jù)，選取了理論上適合處理個(gè)人信用評(píng)估問(wèn)題的邏輯回歸、支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)三種單一模型。邏輯回歸模型建立過(guò)程中，作者引入分類變量，分界值根據(jù)前
6、人的研究設(shè)定為0.551，對(duì)于總體的預(yù)測(cè)準(zhǔn)確率達(dá)到62.5%，違約客戶識(shí)別率達(dá)到44%。支持向量機(jī)模型的建立過(guò)程中，對(duì)比了不同核函數(shù)的預(yù)測(cè)準(zhǔn)確率，選取了多項(xiàng)式作為核函數(shù)，相比理論上推薦的徑向基函數(shù)，對(duì)違約客戶識(shí)別率更高。常見(jiàn)的BP神經(jīng)網(wǎng)絡(luò)模型僅包含一個(gè)隱含層，本文在對(duì)比了不同節(jié)點(diǎn)數(shù)的單隱含層和雙隱含層對(duì)總體和違約客戶預(yù)測(cè)準(zhǔn)確率后，發(fā)現(xiàn)單隱含層具有較高的預(yù)測(cè)準(zhǔn)確率和穩(wěn)定性，所選用的單隱含層模型具有更強(qiáng)數(shù)據(jù)支持。通過(guò)比較單一模型的運(yùn)行結(jié)果，得出神經(jīng)網(wǎng)絡(luò)模型對(duì)違約客戶具有較高的識(shí)別率且三個(gè)模型的總體預(yù)測(cè)
7、準(zhǔn)確率相差不大。在神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上，采用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的初始權(quán)值和閾值，提升模型的穩(wěn)定性，應(yīng)用邏輯回歸對(duì)數(shù)據(jù)指標(biāo)進(jìn)行篩選，減少了數(shù)據(jù)指標(biāo)共線性對(duì)模型結(jié)果的影響，分別建立了GA_BP模型和Logit_GA_BP模型，前者對(duì)總體平均預(yù)測(cè)準(zhǔn)確率為66.17%，對(duì)違約客戶平均識(shí)別率為63.1%，后者對(duì)總體平均預(yù)測(cè)準(zhǔn)確率為64.81%，對(duì)違約客戶平均識(shí)別率為68.32%。Logit_GA_BP組合模型對(duì)于違約客戶具有較高的預(yù)測(cè)準(zhǔn)確率和較強(qiáng)的穩(wěn)定性，并且可以清楚的解釋各指標(biāo)變量對(duì)信用狀況的影響，
8、對(duì)于商業(yè)銀行建立自動(dòng)化的信用評(píng)估系統(tǒng)具有一定借鑒意義和應(yīng)用價(jià)值。關(guān)鍵詞：商業(yè)銀行；信用評(píng)估；神經(jīng)網(wǎng)絡(luò)；Lgoit_GA_BP組合模型COMMERCIRALBANKCUSTOMERS’CREDITEVALUATIONMODELSTUDYABSTRACTThenon-performingloanratioofChina'scommercialbankscontinuedtorise.Thereisneedtocontrolindividualscreditrisk.Thetraditi
