受约束的logistic模型在信用评分中的研究与应用

发布时间：2019-09-28 02:45

【摘要】：互联网金融已经成为一个全民话题。互联网金融借助大数据和移动互联的技术优势,为资金供求双方提供了低成本、高效率的金融服务。包括P2P借贷在内的互联网金融的首要的核心是如何控制风险。风险管理是金融管理的一个核心问题。信用风险则是风险管理中最为重要的问题,是银行和信贷类的互联网金融企业都需要面对的风险。因此,对信用风险评估方法进行创新具有重要的意义。建立个人信用评分体系的目的是将定量分析和定性分析相结合,为金融机构在信贷审批时提供决策支持。金融机构在接受客户贷款申请后经授权查询得到客户信用报告,之后将客户相关基本信息代入评分模型中,计算其信用得分,通过信用得分判断其信用等级。本文在不考虑宏观经济影响的前提下,采用规范研究与实证研究相结合的方法对信用风险管理中最为重要的信用风险评估方法进行了深入研究。分析了不同信用风险评估方法的特点,指出了现有评估模型的优缺点。详细介绍了当前业界应用最广泛的logistic模型,并在此基础上提出了用受约束的logistic模型进行信用评分的基本思想。研究内容主要有以下四部分：首先对信用风险的概念进行介绍。信用风险是指交易对手(比如借款人、债权发行人等)直接违约或者信用质量下降导致信用资产价值受损的可能性,是一种广泛存在的金融风险。然后概括了信用评分的基本思想。在大多数的信用评分系统中,客户的得分较高表示该客户的风险较低,贷款机构基于它所能承受的风险设置一个临界值,得分在这一临界值之上的客户的贷款申请被接受,得分低于这一临界值的客户的贷款申请被拒绝。第三在信用风险评估的基本思想的指导下,介绍了几种常见的模型,并总结各模型的优缺点。最后一部分是本文的重点,该部分的研究主要从两方面展开：一方面,在介绍传统的logistic回归模型基本原理基础上,加入约束条件,构建“受约束的logistic模型”,并分别建立两模型的得分公式,介绍了评分模型的评价指标；另一方面,用实证研究比较两模型,对两模型结果进行详细的分析与说明。相对于传统的logistic模型,受约束的logistic模型对共线性和过度拟合问题进行了一定程度的改进。因为对不同的授信机构来说,它们愿意或有能力承受的风险不同,使得每个授信机构所设置的信用标准也不同,选择的临界值就会不同,对潜在客户的分类定义也会不同。
【图文】：

违约率,经验分布,样本,信用评级

、要说清楚民０Ｃ曲线的原理，我们从一个简单的分类实例问题说起。假如我逡逑有了基于商业银行企业贷款数据建立违约－非违约的业务分类模型，比如说我逡逑是预测的所有样本的违约概率或者信用评级得分，比如信用评级得分，我们获逡逑了关于两类样本的分布图形：逡逑

统计量,切线,样本

０逡逑１邋Ｆａｌｓｅ邋Ａｌａｍ邋Ｒａｔｅ逡逑图３．３评级得分模型的ＲＯＣ曲线逡逑（３）ＲＯＣ曲线意义逡逑对于风险规避型决策者而言，大多数时候我们关也坏的样本能否被正确预逡逑测，，因为坏的样本如果不能正确预测，往往能带来损失。一个好的分类器应有的逡逑效果是：Ｗ牺牲一个较小的好样本误判率（Ｆｍｄ（Ｃ））换取坏样本较高的击中率逡逑Ｆｄ（Ｃ）。好分类器的这个要求的效果反映在ＲＯＣ曲线上就是：位于ｙ邋＝邋ｘ左侧的逡逑ｒｏｃ光滑曲线越早陡哨越化越趋近于ｙ邋＝邋：ｌ直线越化也即是ｒｏｃ曲线与Ｘ轴围逡逑成的面积越大也好。逡逑因而对于业务建模而言，民０Ｃ曲线的面积成为我们评价模型好坏的标准之逡逑一。ＲＯＣ曲线的面积我们用ＡＵＣ表示。逡逑２、ＲＯＣ面积ＡＵＣ计算逡逑ａ）Ｒ0ｃ面巧的概率转化逡逑前面提到，民０Ｃ曲线实际上是在ｘｙ坐栋平面上进行逡逑｛Ｆｋｄ（Ｃ），Ｆｄ（Ｃ）｜Ｃｅ信用得分区间｝的绘制。那么根据参变量积分原理，ＡＵＣ有如逡逑下公式：逡逑００逦００逦ＧＯ逡逑ＡＵＣ＝邋ＪＦｄＣＷＦ肥脚ｊｊｆ。的ＵＷｄＷｄＷ逡逑－ｏｏ逦－泌逦－0ｏｙ＜ｓ逦（３邋２１）逡逑对于上式，ｆＤ，ｆＫＤ表示两类样本的概率密度函数，有两类样本独立的假设，逡逑２５逡逑
【学位授予单位】：南京财经大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F832.4

【相似文献】