基于遗传算法的个人信用风险组合评估研究

发布时间：2017-12-25 07:51

  本文关键词：基于遗传算法的个人信用风险组合评估研究　出处：《电子科技大学》2014年硕士论文　论文类型：学位论文

  更多相关文章： 个人信用风险评估 因子分析 组合评估 遗传算法

【摘要】：我国现在正处于经济快速发展时期,加之我国消费信贷市场的不断完善,个人消费信贷的规模在迅速扩大。目前,很多银行等金融机构将个人消费信贷作为未来发展的主要战略之一,他们投入大量的人力、财力和物力“抢占”信贷消费市场,这其中最重要的就是风险管理控制问题。众所周知,个人消费信贷的风险是很高的,但是我国的风险管理水平比较低,风险管理手段和发放也都比较落后,尤其是对个人信用风险的评估。个人信用风险评估是消费信贷的第一步,准确合理的评估信用风险,是完善信贷市场、保障个人信贷健康开展的重中之重。本文从信用的定义和分类入手,对个人信用风险评估的必要性,国外个人信用风险评估方法的研究现状以及国内个人信用风险评估指标、个人信用风险评估方法和个人信用风险的产生来源进行阐述,指出目前存在个人信用评估方法指标体系混乱、精确度与稳健性无法兼顾等问题。对于指标体系问题,本文以德国信用数据为样本数据,先对指标进行初步筛选,进而通过因子分析中的主成分分析法进行指标优化,综合提取出9个公因子,并以此作为构建模型的变量。为了对比模型的准确度和稳健性问题,本文先后构建了三个单一模型,即:基于因子分析的Logistic回归模型、基于因子分析的多元线性回归模型以及PCA-RBF神经网络模型和三个基于遗传算法的组合评估模型,即:Logistic回归与多元线性回归的组合评估模型、Logistic回归与RBF神经网络的组合评估模型、多元线性回归与RBF神经网络的组合评估模型,并对结果进行比较分析。研究表明,总体上,在同一指标体系下,基于遗传算法的个人信用组合评估模型要比相应的单一模型更优,适用性更强。从组合模型角度而言,统计模型与神经网络模型的组合要比统计模型之间的组合分类效果更好,而统计模型之间的组合模型的稳定性要优于统计模型与神经网络模型的组合。在实际的应用过程中,我们可以通过不同的模型组合来实现分类准确率和模型稳定性的最优组合。
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F832.4;F224

【相似文献】

相关期刊论文 前10条

1 杨磊;;遗传算法在解决经典运筹问题中的应用[J];合作经济与科技;2012年01期

2 曾瑛;;遗传算法在优化求解中的应用[J];科技创业月刊;2012年10期

3 郑士贵;时刻表和计划综合的遗传算法[J];管理科学文摘;1997年08期

4 岁丰;利用遗传算法编制程序[J];管理科学文摘;1998年06期

5 俞书伟,张华雨,杨林;遗传算法在库存模糊逻辑控制中的应用[J];中国管理科学;2000年02期

6 王昕岩,蔡临宁,姚健;采用遗传算法进行车间平面布置[J];工业工程与管理;2002年04期

7 石宣华,李晖,杨伟;基于遗传算法的邮路优化[J];四川工业学院学报;2002年02期

8 游贵荣,魏仁兴;遗传算法中的哲学思想[J];福建商业高等专科学校学报;2004年01期

9 杨鸿春;刘刚;易艳红;;遗传算法在商业中的应用及其展望[J];上海商学院学报;2005年04期

10 徐小龙,王文国;遗传算法的原理与应用[J];沿海企业与科技;2005年05期

相关会议论文 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展（上册）[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集（下册）[C];1996年

相关重要报纸文章 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

相关博士学位论文 前10条

1 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

2 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

3 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

4 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

5 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

6 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

7 刘冀成;基于改进遗传算法的生物电磁成像与磁场聚焦应用研究[D];四川大学;2005年

8 袁丽华;基于物种进化的遗传算法研究[D];南京航空航天大学;2009年

9 李航;遗传算法求解多模态优化问题的研究[D];天津大学;2007年

10 石玉;提高实数遗传算法数值优化效率的研究[D];南京航空航天大学;2002年

相关硕士学位论文 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年

，

本文编号：1331960