基于SA-GA算法的组合预测模型在个人信用评分中的应用研究

发布时间：2020-03-20 09:04

【摘要】：随着我国经济的高速增长和消费内需的不断扩大,以及城镇住房制度改革等相关政策的带动,近几年,我国个人信贷需求发展强劲,个人信贷规模也逐步扩大。但是,在不断发展的过程中,国内商业银行在个人信贷业务的风险管理中却存在着许多问题,尤其是缺乏适用于本国个人信用发展情况的个人信用评分方法。并且,这一问题已在一定程度上制约和阻碍了个人信贷业务的良性发展。因此,开发出一套能够有效降低风险的个人信用评分方法,不仅具有较高的学术价值,更具有较强的使用意义。本文针对个人信用评分问题,在国内外学者有关个人信用评分模型的研究基础上,并依据组合预测的原理,提出通过运用模拟退火遗传算法(SA-GA)优化组合模型中单一模型权重的方法,构建基于SA-GA算法的个人信用评分组合预测模型。首先从遗传算法(GA)以及模拟退火算法(SA)的原理出发,对GA在优化组合预测模型权重问题中的适用性,以及将局部搜索能力较强的SA算法引入全局搜索能力较强的GA算法问题中的可行性进行了详尽的分析。确定BP网络模型和RBF网络模型作为单一模型,基于SA-GA算法构建了个人信用组合预测模型,将组合预测模型的误判率作为SA-GA的适应度函数,利用SA算法较强的局部搜索能力来提高GA算法的整体预测效果。通过对两种单一模型、GA组合模型以及SA-GA组合模型在不同样本中的应用结果精度及稳健度的比较分析,可以看出组合模型可以有效地综合单一模型的优点,基于SA改进的GA算法在预测精度及稳健性上更具优势,而且可以更好地解释各变量对违约的影响,更利于模型实现预期的预测效果。
【图文】：

变化曲线,变化曲线,网络模型,分类精度

哈尔滨工业大学经济学硕士学位论文一模型的稳健性比较 BP 网络与 RBF 网络在各训练样本及与训练样本相对应的检验样本可以看出 BP 网络模型虽然在总的分类精度上稍高于 RBF 网络模型不同的检验样本时，BP 网络模型的分类精度曲线的波动要大于 RB如图 4-1 所示。

变化曲线,变化曲线,网络模型,组合模型

根据三种模型在对应相同样本下的检验结果可以看出，GA 组合模型在不同检测样本下的分类精度的波动趋势，要小于 BP 网络模型，而略大于 RBF 网络模型，如图 4-3 所示：图 4-3 三种模型的总错分率变化曲线并且，，可以从图 4-4 中看处三种模型在不同检测样本下的第二类错分率具的波动，具有同样的变化趋势，即 GA 组合模型波动幅度和频率小于 BP 网络模型，但却大于 RBF 网络。图 4-4 三种模型的第二类错分率变化曲线
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2010
【分类号】：F224;F832.4

【参考文献】