基于ALB模型的个人信用评分系统设计及其应用研究

发布时间：2019-08-15 12:09

【摘要】：随着中国改革开放的逐渐深入，居民的消费观念不断更新，银行业个人信贷业务的热点也相继涌出。个人信贷业务已经发展成为各家商业银行的核心业务。因此剖析个人信贷业务风险成因，建立完善的风险控制机制，并挖掘出高效的风险控制技术，对于化解商业银行个人信贷业务风险具有十分重要的现实意义。论文分析了商业银行个人信贷业务的各种风险，认为信用风险是其面临的主要风险，并对信用风险成因进行了剖析。通过对信用风险，个人信用评分的管理，层次分析法，BP神经网络和Logistic回归分析的分析，，结合我国商业银行目前风险管理的实际情况，构建了信用评分的ALB评分模型，为银行机构对个人信用评估时提供更为准确的，科学的决策信息。模型的主要工作如下：首先，利用层次分析理论得到用户特征的权值，找出重要的特征因素。其次将这些重要的因素分别进行Logistic回归分析和BP神经网络分析。将重要的特征值经过BP神经网络和Logistic回归分析，最后得到全面评价用户的一个指标值，从而决定个人信贷业务是否发放。论文对模型进行了实证分析，以我国商业银行登记的个人信用数据为输入，检验了模型的预测精度。实验结果表明，ALB模型的预测精度比使用单一的模型有明显提高，ALB模型的稳定性要比使用BP模型高，效率要好。ALB模型中特征变量具有更加清晰的解释意义，可以更好的指导制定审批的征信政策，指导营销人员准确的定位目标客户。
【图文】：

个人信用,个人信用评估,状况,因素

图 2.1 个人信用状况因素图.2 个人信用评分方法个人信用评估经历了二十年的发展，总体来说主要分为两大类：传统的个用评估法和现代的个人信用评估法。1．传统的个人信用评估方法[20]传统的个人信用的评估主要依靠评估人员的个人经验、以及对于个人信用的理解。传统的对用户评估的内容比较单一，尤其是评估依靠专家知识和个验。所以，客户特征指标的赋值具有很大的主观随意性以及指标选用的标准都会对评估结果有所偏差。数理统计能有效的消除主观因素对个人信用评估响，因此随着数理统计方法在个人信用评估方面的应用。古典的个人信用评法悄然的退出历史的舞台。2．现代个人信用评估法（信用风险度量模型）许多的专家和学者一直研究更加准确的个人信用评估的新模型和新方法，

示意图,逐步回归,示意图,变量

神经网络获得的结果和层次分析排序结果中权值大的变量作为解释ogistic 回归模型中，结合 Logistic 回归模型中的解释变量，重新构ic 回归的混合模型。利用 SPSS 软件进行 Logistic 回归，得到的混合1 2 3 4 56 7 8 9log( ) 10.98 0.63 19.65 1.89 0.85 1.091.28 1.67 1.90 3.89p x x x x xx x x x （逐步回归择合适的变量子集的方法有很多，包括向后剔除法，逐步筛选法，等，但是最常用的选择方法是逐步筛选法。逐步筛选法的基本步骤下：规的步骤：对自变量逐个引入，每次引入对 Y 影响最显著的自变量量进行检验，将不显著的变量逐个的从方程中剔除掉。最后方程中影响很显著的变量，同时那些对 Y 影响很少的变量不包含在方程中本的步骤：首先输入引入变量的显著性水平输入和剔除变量的显著然后按照一下流程图进行变量的筛选。
【学位授予单位】：湖南大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：F832.479;TP183

【参考文献】