基于客户特征分析的G商业银行个人住房贷款风险管理研究

发布时间：2024-01-25 12:45

　　近年来,个人贷款业务成为银行低风险贷款业务的重中之重,以G银行C支行为例,其个人贷款余额占贷款总余额的73%。个人贷款业务市场竞争激烈,各银行不断强调加大营销力度、提升市场占比、扩大市场份额,内部管理逐渐弱化,但伴随着个人贷款体量的不断增加,“重营销、轻管理”的结果不断显现,低风险业务并不意味着无风险,其个人贷款不良率呈现出逐年增长的态势。个人住房贷款业务是个人贷款业务的中流砥柱,其具有贷款年限长、风险分散、利息收入稳定的特点,其产生的利润给银行总利润做出了巨大的贡献,且个人住房贷款业务有利于拓宽客户渠道,所以利用大数据对个人住房贷款业务进行科学的信贷风险,提高风险管理水平,将有助于商业银行盈利能力的提升。疫情以后,线上化业务成为各银行争抢资源的最新利器,而个人住房贷款业务的线上化终于被提上议程,从贷前视频调查、线上授权查询征信、电子化签署合同等资料,贷中与合作机构直连推送客户信息到贷后与不动产登记中心数据直连办理抵押、线上提前还款,个人住房贷款业务线上化的时代已步步逼近,但其核心贷款自动化审核却未能实现。在个人消费贷款早已全线上化的背景下,相信个人住房贷款全线上化也不再遥远,大数据时...

【文章页数】：79 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究综述
        1.2.1 个人贷款风险形成和控制方面的研究现状
        1.2.2 贷款风险评分的研究现状
    1.3 研究方法及内容
        1.3.1 研究方法
        1.3.2 研究内容
    1.4 创新点
2 理论依据
    2.1 商业银行个人住房贷款风险理论依据
        2.1.1 理性违约和被迫违约
        2.1.2 信息不对称理论
        2.1.3 信贷配给理论
        2.1.4 预期收入理论
    2.2 数据模型理论依据
        2.2.1 信用评分卡
        2.2.2 Logistic回归
3 G银行个人住房贷款风险管理现状、成因及问题分析
    3.1 G银行个人住房贷款风险管理现状
        3.1.1 G银行个人住房贷款业务贷前审批流程
        3.1.2 G银行个人住房贷款业务贷后管理方法
    3.2 G商业银行个人住房贷款风险成因分析
        3.2.1 内部因素
        3.2.2 外部因素
    3.3 G银行个人住房贷款风险管理问题分析
        3.3.1 客户基础信息识别凭经验
        3.3.2 客户第一还款来源难以判断真实性
        3.3.3 个人信贷前台客户经理培养的成本较高
4 数据预处理分析及模型选取
    4.1 数据预处理分析
        4.1.1 样本选取
        4.1.2 影响因素选取
        4.1.3 单因素交叉分析
    4.2 模型选取
        4.2.1 信用评分卡
        4.2.2 logistic回归分析
    4.3 模型评价方法
        4.3.1 准确率
        4.3.2 精确率、召回率与F₁值
        4.3.3 ROC曲线和AUC值
5 基于客户特征的实证分析
    5.1 模型实现
        5.1.1 信用评分卡
        5.1.2 Logistic回归
        5.1.3 样本数据
    5.2 模型试验结果
        5.2.1 混淆矩阵
        5.2.2 评价指标
        5.2.3 ROC曲线
6 风险管理建议
    6.1 基于描述统计分析的审核中需重点关注客户类别
    6.2 客户第一还款来源判定方式建议
    6.3 管理建议
        6.3.1 时间管理
        6.3.2 营销管理
        6.3.3 人员管理
        6.3.4 部门发展
    6.4 研究结论的现实意义及展望
参考文献
致谢



本文编号：3884843