基于组合预测模型的银行个人信用风险评估体系应用研究

发布时间：2022-02-19 02:30

　　随着中国经济的快速发展,个人信贷业务的规模在迅速扩大,住房按揭、汽车贷款、教育贷款、信用卡等各种个人消费贷款成为我国商业银行新的利润增长点。但相对于企业信用风险评估,国内银行业对信用风险管理方法还较为落后,银行在个人贷款的发放过程中,主要依靠信贷审批人员的主观判断来确定是否批准贷款申请者贷款申请,并没有一个成熟稳健的模型来辅助评估。因此银行工作人员的个人喜好对评估结果影响很大,同时由于审批时间长、效率低、成本高,严重阻碍了个人消费贷款业务的发展。银行个人信用评估是根据客户的个人信息评判客户信用程度的过程。信用评估是涉及消费信用的企业实体最重要的核心管理技术之一,因此有必要研究银行客户信用评估的模型和方法。本文从已获得的郑州某商业银行的真实消费贷款样本出发,在分析国内外商业银行个人信用风险评估模式与方法应用的基础上,结合个人消费信贷业务的特点,基于数据挖掘方法来构建个人信用风险评估体系。主要工作包括:参考国内外已有的指标体系,对影响信用风险的变量进行分析和选择,并加以量化,建立适合中国国情的商业个人信用风险评估体系的备选指标集;结合目前我国商业银行业务系统中所获取的实际数据情况,确定评估... 

【文章来源】：中南民族大学湖北省

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究现状
        1.2.1 国外已有的评估模式
        1.2.2 国外评估方法综述
        1.2.3 国内发展现状
    1.3 研究的意义
    1.4 本文的主要研究内容、研究方法、结构与创新
        1.4.1 论文主要内容
        1.4.2 论文研究的方法
        1.4.3 论文的结构
        1.4.4 论文创新
第2章 个人信用风险评估
    2.1 个人信用风险评估相关概念
        2.1.1 “信用”的概念
        2.1.2 个人信用
        2.1.3 信用风险
        2.1.4 个人信用风险评估
        2.1.5 个人信用风险评估的原则
    2.2 个人信用风险的经济学成因
        2.2.1 逆向选择
        2.2.2 道德风险
    2.3 数据挖掘基本知识
        2.3.1 信用风险评估方法
        2.3.2 数据挖掘技术
    2.4 本章小结
第3章 基于数据挖掘个人信用风险评估单一模型
    3.1 个人信用风险评估的统计模型
        3.1.1 统计模型选择
        3.1.2 模型基本原理
    3.2 个人信用风险评估的神经网络模型
        3.2.1 神经网络的基本工作原理
        3.2.2 神经网络模型的选择
        3.2.3 RBF神经网络的原理
第4章 商业银行个人信用风险评估指标体系构建及数据预处理
    4.1 商业银行个人信用风险评估指标体系的构建
        4.1.1 个人信用风险评估指标体系的设计原则
        4.1.2 我国商业银行现行的个人信用风险评估指标体系
        4.1.3 商业银行个人信用风险评估指标的确定
    4.2 样本数据的预处理
        4.2.1 本文样本数据的来源
        4.2.2 数据清洗
        4.2.3 数据的标准化处理
    4.3 个人信用评估样本的抽取和分组
        4.3.1 违约标准的确定
        4.3.2 个人信用评估的抽样方法
        4.3.3 样本分组
    4.4 本章小结
第5章 基于数据挖掘方法个人信用风险评估体系的构建
    5.1 单一Logistic回归模型
        5.1.1 多重共线性
        5.1.2 Logistic回归模型的应用
        5.1.3 Logistic 回归模型的检验
    5.2 RBF神经网络单一模型
        5.2.1 数据标准化处理
        5.2.2 RBF 神经网络模型的应用
    5.3 基于统计方法和神经网络的组合预测模型的应用
        5.3.1 组合预测模型权重求解
        5.3.2 非负权重组合预测模型
        5.3.3 非负权重组合预测模型与单一模型比较
    5.4 本章小结
第六章 结论
参考文献
致谢
附录：攻读硕士研究生期间公开发表的论文


【参考文献】：
期刊论文
[1]破解民事执行难的对策——建设社会信用体系,破解执行难[J]. 张志爱.  法制与社会. 2010(17)
[2]商业银行个人抵押贷款违约风险管理研究[J]. 黄春.  世界经济情况. 2010 (03)
[3]随机变量独立性的一个注记[J]. 张宏礼,王苫社,周晓晶,赵艳楠.  高等数学研究. 2010(01)
[4]数据挖掘技术在信用卡客户关系管理中的应用分析[J]. 吴昊.  中国金融电脑. 2009(09)
[5]数据挖掘技术综述[J]. 万韵,刘建辉.  科技广场. 2009(03)
[6]基于神经网络的个人信用评分模型研究[J]. 张成虎,李育林.  云南师范大学学报(哲学社会科学版). 2008(06)
[7]基于MATLAB的RBF神经网络建模及应用[J]. 王艳芹,张维.  大庆师范学院学报. 2007(02)
[8]信用评分模型与方法[J]. 陈文华.  中国信用卡. 2007(06)
[9]我国建立个人信用体系的问题探讨[J]. 郎雯雯,宋娇.  科技情报开发与经济. 2006(01)
[10]中国个人征信体系对美国经验借鉴研究[J]. 姜磊,姜明辉,刘玉山,杨唯一.  商业研究. 2005(12)

博士论文
[1]基于支持向量机的消费信贷中个人信用评估方法研究[D]. 沈翠华.中国农业大学 2005

硕士论文
[1]缺失值填充的若干问题研究[D]. 朱晓峰.广西师范大学 2007
[2]我国个人信用评估研究[D]. 姜金明.广东工业大学 2006



本文编号：3632033