基于信號(hào)噪音差的個(gè)人信用評(píng)估模型研究.pdf

1、隨著中國(guó)經(jīng)濟(jì)的迅猛發(fā)展，居民消費(fèi)觀念的改變，以及信貸政策的積極支持，我國(guó)商業(yè)銀行個(gè)人信貸業(yè)務(wù)不斷發(fā)展，規(guī)模日益龐大。在這快速發(fā)展的過程中，信用交易的擴(kuò)大化導(dǎo)致銀行面臨的信用風(fēng)險(xiǎn)越來越復(fù)雜，商業(yè)銀行的信用風(fēng)險(xiǎn)管理成為風(fēng)險(xiǎn)管理體系中關(guān)鍵的一個(gè)部分。為了能夠增強(qiáng)商業(yè)銀行抵御風(fēng)險(xiǎn)的能力、降低其潛在的經(jīng)營(yíng)損失，關(guān)于商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)的話題越來越受到關(guān)注。本文在此背景之下，選擇商業(yè)銀行個(gè)人信用評(píng)估模型進(jìn)行研究，旨在探索商業(yè)銀行對(duì)個(gè)人信用

2、風(fēng)險(xiǎn)的預(yù)測(cè)和評(píng)估方法?？茖W(xué)合理的評(píng)估方法不僅可以有效地降低商業(yè)銀行信貸評(píng)估的成本，減少潛在損失，而且對(duì)中國(guó)間接融資的規(guī)模擴(kuò)張和金融市場(chǎng)的健康持續(xù)發(fā)展都將產(chǎn)生積極影響，在理論和實(shí)際上都具有較大的意義。
　　在對(duì)個(gè)人信用風(fēng)險(xiǎn)評(píng)估時(shí)多采用信用評(píng)分模型，即通過篩選有信息含量的個(gè)人特征指標(biāo)，借助一定的分析方法進(jìn)行建模。其中，如何在客戶所提供的諸多個(gè)人特征變量中篩選出最有價(jià)值、信息含量最高的變量，如何對(duì)所選取的變量進(jìn)行科學(xué)合理的編碼分組，這些

3、都成為商業(yè)銀行在個(gè)人信用風(fēng)險(xiǎn)評(píng)估中所遇到的關(guān)鍵問題。基于對(duì)此話題的濃厚興趣及其所體現(xiàn)的應(yīng)用價(jià)值，本文選取德國(guó)某銀行和澳大利亞某銀行的客戶數(shù)據(jù)作為樣本，借助SAS統(tǒng)計(jì)軟件，對(duì)不同方法下的個(gè)人信用風(fēng)險(xiǎn)評(píng)估和預(yù)測(cè)進(jìn)行研究。本文引入信號(hào)噪音差方法，將其與傳統(tǒng)T檢驗(yàn)方法做比較，通過實(shí)證進(jìn)行檢驗(yàn)，從而體現(xiàn)信號(hào)噪音差方法在變量篩選方面的優(yōu)越性。此外，在對(duì)特征變量進(jìn)行編碼分組時(shí)，本文提供了傳統(tǒng)的由多到少逐步合并和基于信號(hào)噪音差方法的由少到多逐步分組兩種

4、不同的編碼方法，結(jié)合SAS程序?qū)嵶C檢驗(yàn)兩種方法的有效性，基于信號(hào)噪音差的編碼方式為商業(yè)銀行在信用風(fēng)險(xiǎn)評(píng)估變量編碼問題上提供了又一種值得借鑒的方法。
　　在信用評(píng)估模型的構(gòu)建方面，本文采用基于Logistic回歸分析的信用評(píng)分模型和基于修正的樸素貝葉斯分類法的違約概率預(yù)測(cè)模型。通過實(shí)證檢驗(yàn)出對(duì)于德國(guó)某銀行和澳大利亞某銀行兩個(gè)樣本，在運(yùn)用Logistic回歸分析所構(gòu)建的模型中，基于信號(hào)噪音差的編碼方式與基于傳統(tǒng)編碼方式所構(gòu)建的模型具有