基于遺傳算法的個人信用風(fēng)險組合評估研究.pdf_第1頁
已閱讀1頁,還剩62頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、我國現(xiàn)在正處于經(jīng)濟快速發(fā)展時期,加之我國消費信貸市場的不斷完善,個人消費信貸的規(guī)模在迅速擴大。目前,很多銀行等金融機構(gòu)將個人消費信貸作為未來發(fā)展的主要戰(zhàn)略之一,他們投入大量的人力、財力和物力―搶占信貸消費市場,這其中最重要的就是風(fēng)險管理控制問題。眾所周知,個人消費信貸的風(fēng)險是很高的,但是我國的風(fēng)險管理水平比較低,風(fēng)險管理手段和發(fā)放也都比較落后,尤其是對個人信用風(fēng)險的評估。個人信用風(fēng)險評估是消費信貸的第一步,準確合理的評估信用風(fēng)險,是完善

2、信貸市場、保障個人信貸健康開展的重中之重。
  本文從信用的定義和分類入手,對個人信用風(fēng)險評估的必要性,國外個人信用風(fēng)險評估方法的研究現(xiàn)狀以及國內(nèi)個人信用風(fēng)險評估指標、個人信用風(fēng)險評估方法和個人信用風(fēng)險的產(chǎn)生來源進行闡述,指出目前存在個人信用評估方法指標體系混亂、精確度與穩(wěn)健性無法兼顧等問題。對于指標體系問題,本文以德國信用數(shù)據(jù)為樣本數(shù)據(jù),先對指標進行初步篩選,進而通過因子分析中的主成分分析法進行指標優(yōu)化,綜合提取出9個公因子,并

3、以此作為構(gòu)建模型的變量。為了對比模型的準確度和穩(wěn)健性問題,本文先后構(gòu)建了三個單一模型,即:基于因子分析的Logistic回歸模型、基于因子分析的多元線性回歸模型以及PCA-RBF神經(jīng)網(wǎng)絡(luò)模型和三個基于遺傳算法的組合評估模型,即:Logistic回歸與多元線性回歸的組合評估模型、Logistic回歸與 RBF神經(jīng)網(wǎng)絡(luò)的組合評估模型、多元線性回歸與RBF神經(jīng)網(wǎng)絡(luò)的組合評估模型,并對結(jié)果進行比較分析。
  研究表明,總體上,在同一指標體

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論