基于Logistic和神經(jīng)網(wǎng)絡(luò)的個人信用評估組合模型研究.pdf

1、在市場經(jīng)濟高速發(fā)展的時代，個人信用作為個人提前消費的必要前提，在擴大內(nèi)需，刺激金融信貸業(yè)發(fā)展方面都起著至關(guān)重要的作用。不僅如此，個人信用作為一種個人行為的承載體，也逐漸被認可為是一種提升個人道德、維持經(jīng)濟秩序和社會秩序的必要手段。個人信用評估的重要性可見一斑。然而在西方個人信用評估體系已步入專業(yè)化甚至產(chǎn)業(yè)化階段之時，我國個人信用評估體系的建設(shè)才剛剛起步。在個人消費信貸的發(fā)展過程中，面對的主要問題之一就是個人信用風(fēng)險難以評估和控制。而近幾

2、十年來各商業(yè)銀行將消費信貸業(yè)務(wù)作為其發(fā)展戰(zhàn)略的重要組成部分，這就使個人信用評估方法的研究變得尤為關(guān)鍵。
　　鑒于大多數(shù)構(gòu)建個人信用評估模型的相關(guān)研究僅考慮到模型的精確度，本文從更系統(tǒng)的角度，從精確度、穩(wěn)健性、時間復(fù)雜度和可解釋性四個方面，重點研究了個人信用評估定量化模型。首先參考國外經(jīng)驗構(gòu)建個人信用評估指標體系，結(jié)合樣本數(shù)據(jù)進行初步分析。在數(shù)據(jù)預(yù)處理后，以Logistic回歸模型對樣本數(shù)據(jù)進行建模，利用Logistic模型的回歸結(jié)

3、果，對統(tǒng)計上顯著的個人信用評估指標進行了更深入的解釋。針對目前應(yīng)用最為普遍的BP神經(jīng)網(wǎng)絡(luò)容易造成不收斂且耗時過長的問題，分別以Boosting算法和改進后的LMBP（ILMBP）算法對之進行優(yōu)化。經(jīng)過優(yōu)化后的神經(jīng)網(wǎng)絡(luò)在個人信用樣本數(shù)據(jù)上取得了預(yù)測精度的提升。通過對以上單一模型的適用性分析，提出基于熵權(quán)法的Logistic-ILMBP組合模型。最后將個人信用樣本數(shù)據(jù)的評估結(jié)果進行了比較和分析。
　　研究結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)所提出的

4、兩種改進辦法均能有效提高分類準確度，但改進后的LMBP（ILMBP）算法在性能和效率上具有更大的優(yōu)勢，因此也就更具實際應(yīng)用價值。而基于熵權(quán)法的Logistic-ILMBP組合模型，結(jié)合了神經(jīng)網(wǎng)絡(luò)模型的高分類精度和Logistic回歸模型的穩(wěn)健性，其一類誤判率和二類誤判率較兩種單一模型均有降低；并且計算簡單，由于在權(quán)重計算中使用了信息熵的原理，易于解釋。在我國個人信用評估模型定量化的發(fā)展初期，還面臨信用數(shù)據(jù)不完整等問題，Logistic-