基于云模型的农户获贷能力预测研究
发布时间：2020-12-16 15:27
农村金融资本是农户发展转型的推动力,农户合格抵押品的普遍缺乏导致存在一定程度的金融抑制,如何有效区分农户获贷能力,减少违约风险,制定更有针对性的金融扶贫政策还需要不断研究。精准贫困和乡村振兴需要农村金融的支持,农户自身获贷能力是家庭经济良性发展的重要指标,对破解金融配给问题具有重要意义。本文从农户自身获贷能力的角度出发,使用实际调研数据,利用Logit回归模型分析农户获贷能力影响因素,建立农户获贷能力预测指标体系,进而构建主客观权重云模型,利用农户实际数据进行验证和对比分析,旨在对农户获贷能力做出合理评估,为农村借贷的可持续发展提供相关的建议。主要内容如下:本文以农户为研究对象,通过对农户借贷相关文献的梳理,界定农户贷款可得和获贷能力的概念。根据实地调研数据进行了回归分析,筛选出对农户获贷能力影响显著的因素指标,从农户家庭特征、生产特征、物质资本特征和社会资本四个方面建立农户获贷能力评估指标。以建立的指标体系为核心对其进行赋权,将序关系赋权和变异系数法赋权两种主客观赋权方式相结合,得到本文所需指标的综合权重。最后,本文将云模型引入到农户贷款可得能力的预测中,构建基于正态分布云模型的农户...
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
技术路线图
Figure5-2 Reverse Cloud Generator云模型通过三个数字特征期望xE 、熵nE 、超熵eH 来表现模糊语言，记为（）xneU E, E,H。其中，[ ,3]nEEx± 是指该语言表达的对称作用的区域。例如，用一组云模型参数（ ）xneE , E,H来表示一个定性概念“成绩良好”，成绩=分数（80，5，0.1），该语言的正态一维云图如下图 所示，图中每一点（x,y）表示一个云滴，横坐标 x 表示具体的分数，该分数与语言值“成绩良好”的隶属度用纵坐标 y 表示。由下图可以看出，横坐标越靠近 80 分，其代表“成绩良好”的隶属度越大。
本文应用黄金分割法的云生成方法，在论域[0,1]范围内，取中间评价状态“一般”的云模型参数为 0.5x3E =、 = 0.005，则各评价状态的云模型参数如表 5-3。对第 2 个评价状态“较高”，参数为：= /0.618=0.0081对第 1 个评价“高”，参数为：1 1 2 1 21; /0.618 0.103; /0.618 0.0131x n n e eE = E = E = H = H=剩余评价状态可计算得到。本文的各预测等级在 x 轴上的范围如下表所示，各评价状态云图见下图：其中各预测等级在 x 轴上的范围为[E + 3E ,E 3E ]，且在[1,0]范围内。
【参考文献】：
期刊论文
[1]代际差异视角下阎良农户银行获贷影响因素分析[J]. 相立宾,王静,胡广银. 北方园艺. 2019(04)
[2]农村金融体系发展与农村经济增长关系实证分析——基于1978年～2015年黑龙江省数据[J]. 焦晋鹏,赵大伟,杨慧瀛. 农村经济. 2018(10)
[3]基于组合赋权-云模型理论的岩爆预测研究[J]. 董源,裴向军,张引,梁玉飞,习朝辉. 地下空间与工程学报. 2018(S1)
[4]农户混合性贷款需求及其影响因素——基于生产经营和生活消费用途的农户[J]. 李岩,赵尚梅,赵翠霞. 科技促进发展. 2018(07)
[5]非对称信息下“农村贫困户”贷款难问题研究[J]. 刘东坡,陈红. 安徽农业科学. 2018(09)
[6]我国农村金融发展对农村消费影响的时变特征研究[J]. 齐红倩,李志创. 农业技术经济. 2018(03)
[7]社会网络、非正规金融与农户多维贫困[J]. 谭燕芝,张子豪. 财经研究. 2017(03)
[8]农村金融供给侧改革与普惠金融体系建设[J]. 董晓林,朱敏杰. 南京农业大学学报(社会科学版). 2016(06)
[9]基于信贷交易合约模型的民族地区农村金融扶贫研究——以四川省凉山彝族自治州为例[J]. 陆铭宁,陈璐,刘富. 农村经济. 2016(09)
[10]财政支农、金融支农促进了农民增收吗?——基于空间面板分位数模型的研究[J]. 黄寿峰. 财政研究. 2016(08)
硕士论文
[1]农村经济发展的金融支持研究[D]. 王静.南京财经大学 2013
本文编号：2920383
【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校
【文章页数】：65 页
【学位级别】：硕士
【部分图文】：
技术路线图
Figure5-2 Reverse Cloud Generator云模型通过三个数字特征期望xE 、熵nE 、超熵eH 来表现模糊语言，记为（）xneU E, E,H。其中，[ ,3]nEEx± 是指该语言表达的对称作用的区域。例如，用一组云模型参数（ ）xneE , E,H来表示一个定性概念“成绩良好”，成绩=分数（80，5，0.1），该语言的正态一维云图如下图 所示，图中每一点（x,y）表示一个云滴，横坐标 x 表示具体的分数，该分数与语言值“成绩良好”的隶属度用纵坐标 y 表示。由下图可以看出，横坐标越靠近 80 分，其代表“成绩良好”的隶属度越大。
本文应用黄金分割法的云生成方法，在论域[0,1]范围内，取中间评价状态“一般”的云模型参数为 0.5x3E =、 = 0.005，则各评价状态的云模型参数如表 5-3。对第 2 个评价状态“较高”，参数为：= /0.618=0.0081对第 1 个评价“高”，参数为：1 1 2 1 21; /0.618 0.103; /0.618 0.0131x n n e eE = E = E = H = H=剩余评价状态可计算得到。本文的各预测等级在 x 轴上的范围如下表所示，各评价状态云图见下图：其中各预测等级在 x 轴上的范围为[E + 3E ,E 3E ]，且在[1,0]范围内。
【参考文献】：
期刊论文
[1]代际差异视角下阎良农户银行获贷影响因素分析[J]. 相立宾,王静,胡广银. 北方园艺. 2019(04)
[2]农村金融体系发展与农村经济增长关系实证分析——基于1978年～2015年黑龙江省数据[J]. 焦晋鹏,赵大伟,杨慧瀛. 农村经济. 2018(10)
[3]基于组合赋权-云模型理论的岩爆预测研究[J]. 董源,裴向军,张引,梁玉飞,习朝辉. 地下空间与工程学报. 2018(S1)
[4]农户混合性贷款需求及其影响因素——基于生产经营和生活消费用途的农户[J]. 李岩,赵尚梅,赵翠霞. 科技促进发展. 2018(07)
[5]非对称信息下“农村贫困户”贷款难问题研究[J]. 刘东坡,陈红. 安徽农业科学. 2018(09)
[6]我国农村金融发展对农村消费影响的时变特征研究[J]. 齐红倩,李志创. 农业技术经济. 2018(03)
[7]社会网络、非正规金融与农户多维贫困[J]. 谭燕芝,张子豪. 财经研究. 2017(03)
[8]农村金融供给侧改革与普惠金融体系建设[J]. 董晓林,朱敏杰. 南京农业大学学报(社会科学版). 2016(06)
[9]基于信贷交易合约模型的民族地区农村金融扶贫研究——以四川省凉山彝族自治州为例[J]. 陆铭宁,陈璐,刘富. 农村经济. 2016(09)
[10]财政支农、金融支农促进了农民增收吗?——基于空间面板分位数模型的研究[J]. 黄寿峰. 财政研究. 2016(08)
硕士论文
[1]农村经济发展的金融支持研究[D]. 王静.南京财经大学 2013
本文编号：2920383
本文链接：https://www.wllwen.com/jingjilunwen/nongyejingjilunwen/2920383.html
