- 相關(guān)推薦
銀行個(gè)人信用評(píng)估方法研究論文
在學(xué)習(xí)、工作生活中，大家對(duì)論文都再熟悉不過(guò)了吧，通過(guò)論文寫(xiě)作可以培養(yǎng)我們的科學(xué)研究能力。如何寫(xiě)一篇有思想、有文采的論文呢？下面是小編為大家整理的銀行個(gè)人信用評(píng)估方法研究論文，希望對(duì)大家有所幫助。
一、國(guó)內(nèi)外信用評(píng)估狀況比較
目前，中國(guó)除了上海之外，其它城市還沒(méi)有專(zhuān)營(yíng)消費(fèi)信貸調(diào)查業(yè)務(wù)的報(bào)告機(jī)構(gòu)。1999年下半年，建設(shè)銀行濟(jì)南分行出臺(tái)的《個(gè)人信用等級(jí)評(píng)定辦法》在信用評(píng)估方面進(jìn)行了嘗試。該辦法對(duì)不同的指標(biāo)賦予不同的分值，對(duì)借款申請(qǐng)人的還款能力、信用狀況等做出綜合評(píng)價(jià)以決定貸款決策。隨著信貸業(yè)務(wù)的需要，國(guó)內(nèi)越來(lái)越多金融機(jī)構(gòu)以業(yè)務(wù)對(duì)象的個(gè)人信用記錄直接作決策參考，或附以一些評(píng)分方法，但畢竟以主觀經(jīng)驗(yàn)為主。而國(guó)外在信用評(píng)估方面已經(jīng)有人做了大量的工作，提出了有FICO評(píng)分模型、神經(jīng)網(wǎng)絡(luò)模型、貝葉斯分析模型等等各種評(píng)估模型，并采用了各種數(shù)學(xué)的、統(tǒng)計(jì)學(xué)的、信息學(xué)的方法，取得了一定的效果，特別是FICO評(píng)分模型，更是成為西方發(fā)達(dá)國(guó)家信用評(píng)分事實(shí)上的標(biāo)準(zhǔn)。
二、常用評(píng)估方法
1.標(biāo)準(zhǔn)數(shù)理統(tǒng)計(jì)模型
基于標(biāo)準(zhǔn)數(shù)理統(tǒng)計(jì)理論的信用評(píng)分模型是對(duì)大量的個(gè)人消費(fèi)貸款的歷史信用數(shù)據(jù)進(jìn)行科學(xué)的歸納、總結(jié)、計(jì)算而得到的量化分析公式。在美國(guó)，不同的行業(yè)有不同的信用評(píng)分模型來(lái)幫助專(zhuān)業(yè)人士進(jìn)行信用風(fēng)險(xiǎn)管理。
從概念上講，信用評(píng)分就是利用消費(fèi)者過(guò)去的信用表現(xiàn)來(lái)預(yù)測(cè)其未來(lái)的信用行為。
信用評(píng)分模型的關(guān)鍵是科學(xué)合理地選出信用變量，并產(chǎn)生一個(gè)公式。信用評(píng)分模型的統(tǒng)計(jì)方法有線性概率模型、logit模型、probit模型以及線性判別(Discriminant)分析方法。
�。�1）線性概率模型
線性概率模型假設(shè)違約概率Y與信用變量X之間的關(guān)系是線性的， 用于解釋過(guò)去信用行為(違約或不違約)的信用變量及其重要性(系數(shù))被用來(lái)預(yù)測(cè)未來(lái)的信用行為。線性概率模型數(shù)學(xué)表達(dá)如下：
根據(jù)歷史樣本數(shù)據(jù)進(jìn)行優(yōu)化計(jì)算，得出系數(shù)βj的估算值。
�。�2）Logit信用評(píng)分模型
Logit信用評(píng)分模型是采用數(shù)理統(tǒng)計(jì)的logit回歸方法建模分析。logit信用評(píng)分模型的分析方法如下：
這里，Y∈{0，1}是二元響應(yīng)變量，表示信貸狀況；為logit概率累積分布函數(shù)。當(dāng)Xj屬于度量變量時(shí)，Xj表示為第j個(gè)可度量變量；當(dāng)Xj屬于范疇變量時(shí)，Xj表示為啞元變量向量。
（3）Probit信用評(píng)分模型
Probit 模型同樣能夠把違約概率的預(yù)測(cè)值限制在0和1之間。它與logit模型的不同在于probit模型假設(shè)違約概率服從累積正態(tài)分布(cumulative normal distribution)，即
�。�4）線性判別模型
判別模型根據(jù)過(guò)去觀察到的借貸者的信用特征，把他們劃分成高違約風(fēng)險(xiǎn)和低違約風(fēng)險(xiǎn)類(lèi)別。線性判別模型(Linear Discriminant Model) 假定信用變量對(duì)這種劃分的影響是線性的。
2.數(shù)據(jù)挖掘技術(shù)
數(shù)據(jù)挖掘從大量數(shù)據(jù)中提取或“挖掘”知識(shí)，其任務(wù)可以分為描述和預(yù)測(cè)兩類(lèi)，用于信用評(píng)估，可對(duì)客戶(hù)進(jìn)行分類(lèi)、聚類(lèi)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)、預(yù)測(cè)、偏差檢測(cè)等。其中多數(shù)用分類(lèi)、關(guān)聯(lián)規(guī)則發(fā)現(xiàn)和預(yù)測(cè)方法進(jìn)行個(gè)人信用評(píng)估。
(1)分類(lèi)
按分析對(duì)象的屬性、特征建立不同的組類(lèi)描述事物。它基于對(duì)類(lèi)標(biāo)記已知的數(shù)據(jù)對(duì)象的分析，導(dǎo)出描述并區(qū)分?jǐn)?shù)據(jù)類(lèi)或概念的模型（或函數(shù)），用以預(yù)測(cè)類(lèi)標(biāo)記未知的對(duì)象類(lèi)。導(dǎo)出模式可以用分類(lèi)規(guī)則、判定樹(shù)、數(shù)學(xué)公式或神經(jīng)網(wǎng)絡(luò)等形式表示。
(2)關(guān)聯(lián)規(guī)則發(fā)現(xiàn)
某種事物發(fā)生時(shí)其他事物會(huì)發(fā)生的一種聯(lián)系，這些規(guī)則展示屬性－值頻繁地在給定數(shù)據(jù)集中一起出現(xiàn)的條件，關(guān)聯(lián)規(guī)則形式：X=>Y，即“A1∧...∧Am=>B1∧...∧Bm”。
(3)預(yù)測(cè)
把握分析對(duì)象發(fā)展的規(guī)律，對(duì)未來(lái)的趨勢(shì)作出預(yù)見(jiàn)，其表示形式與分類(lèi)同。
三、一種基于歷史記錄規(guī)則相似性的綜合評(píng)估方法
由于國(guó)內(nèi)銀行業(yè)現(xiàn)有客戶(hù)記錄多數(shù)是不完整的，所以使用單一的方法進(jìn)行評(píng)估未必能體現(xiàn)客戶(hù)真實(shí)的信用歷史狀況。為了將數(shù)據(jù)挖掘技術(shù)和數(shù)理統(tǒng)計(jì)完全基于記錄本身特征并與能夠體現(xiàn)專(zhuān)家判斷的評(píng)分很好地結(jié)合起來(lái)，本文提出一種基于關(guān)聯(lián)規(guī)則的相似推薦方法，實(shí)現(xiàn)如下：
1.應(yīng)用粗糙集理論對(duì)歷史數(shù)據(jù)記錄進(jìn)行屬性約簡(jiǎn)及規(guī)則提取
粗糙集理論是數(shù)據(jù)表簡(jiǎn)化和生成最小決策算法的有效方法，可以實(shí)現(xiàn)知識(shí)約簡(jiǎn)，發(fā)現(xiàn)屬性表中的屬性依賴(lài)，從而在信息不完全環(huán)境下進(jìn)行知識(shí)發(fā)現(xiàn)，其定義如下：
S=<U，A，F(xiàn)，V>
其中，S：信息系統(tǒng)（決策表）
U：論域
A：屬性集合
F：UXA→V的映射
V：屬性值域集合
采用決策偏好信息的挖掘方法（參見(jiàn)文獻(xiàn)[3]），對(duì)S進(jìn)行屬性約簡(jiǎn)并提取規(guī)則，形成不同支持度S和信任度C決策規(guī)則集合DN{ф→Ψ}（其中N代表提取的規(guī)則數(shù)量，可根據(jù)實(shí)際情況確定），且D是S不重復(fù)的子集，ф是條件屬性，Ψ是決策屬性，ф、Ψ∈A。
2.對(duì)測(cè)試記錄與步驟1提取的規(guī)則進(jìn)行相似性計(jì)算
相似性是某種關(guān)系強(qiáng)度的度量，可以通過(guò)數(shù)值比較來(lái)衡量（參見(jiàn)文獻(xiàn)[4]）。因?yàn)闆Q策規(guī)則集合D不能完全覆蓋所有測(cè)試記錄屬性值組合，而且決策表對(duì)象結(jié)構(gòu)相同。測(cè)試集合SD中的任一組合（規(guī)則）Dd對(duì)照D中Dn進(jìn)行相似性計(jì)算，得出SIM1、SIM2...SIMn
其中， B：歸一化因子
�。˙=1/ ∑Wi）
Wi：屬性i貢獻(xiàn)因子
（體現(xiàn)數(shù)據(jù)特性或?qū)＜医?jīng)驗(yàn)，也可通過(guò)多種賦權(quán)綜合評(píng)價(jià)求得）
SD（Dd，Dn）：已知Dd發(fā)生，Dn也在同一組發(fā)生的概率
3.多賦權(quán)綜合評(píng)價(jià)
對(duì)上述步驟求得參照各個(gè)規(guī)則的支持度S、信任度C及相似性SIM組成一個(gè)N個(gè)對(duì)象、3個(gè)指標(biāo)的矩陣XN×3。
�。�1）運(yùn)用變異系數(shù)法進(jìn)行客觀賦權(quán)
此時(shí)，第j個(gè)指標(biāo)的權(quán)重就是 這種加權(quán)方法是為了突出各指標(biāo)的相對(duì)變化幅度，即變異程度。
�。�2）對(duì)X使用線性插值法進(jìn)行規(guī)范化處理，得到規(guī)范化矩形ZN×3，對(duì)其使用互補(bǔ)判斷矩陣排序法求屬性權(quán)重：
I=1運(yùn)用綜合賦權(quán)法將（1）、（2）兩個(gè)權(quán)向量進(jìn)行有機(jī)集成，得到綜合權(quán)向量W=（W1，W2,......,WN）。傳統(tǒng)的綜合賦權(quán)有乘法合成歸一化、線性加權(quán)組合法、基于spearman等級(jí)相關(guān)系數(shù)綜合賦權(quán)法等，也可采用基于灰色關(guān)聯(lián)度的客觀權(quán)重綜合集成法。
最終求出測(cè)試記錄對(duì)各個(gè)規(guī)則的評(píng)價(jià)值fi=∑wj×zij ,(i=1,2,......,N),其中MAX（fi）就是與測(cè)試記錄最相似的規(guī)則,可將其決策偏好作為測(cè)試記錄的預(yù)期偏好。
四、結(jié)束語(yǔ)
基于歷史記錄規(guī)則相似性的綜合評(píng)估方法以客觀存在的記錄規(guī)則為依據(jù)，更好地保留數(shù)據(jù)特征并結(jié)合專(zhuān)家經(jīng)驗(yàn)，評(píng)估結(jié)果更加客觀準(zhǔn)確。
【銀行個(gè)人信用評(píng)估方法研究論文】相關(guān)文章：
論文研究方法包括哪些12-17
論文研究方法怎么寫(xiě)12-17
畢業(yè)論文的研究方法都有哪些12-17
課題研究的方法03-13
高中化學(xué)教學(xué)方法研究論文（通用9篇）12-28
(必備)課題研究的方法03-13
課題研究的方法【優(yōu)選】03-13
齒輪五桿機(jī)構(gòu)實(shí)現(xiàn)預(yù)定軌跡設(shè)計(jì)方法的研究分析論文12-07