基于支持向量機(jī)的個(gè)人信用評(píng)估研究.pdf

1、個(gè)人信用評(píng)估是信貸實(shí)務(wù)的重要組成部分。銀行通過分析借款人提交的貸款申請(qǐng)，評(píng)估申請(qǐng)者未來(lái)的違約風(fēng)險(xiǎn)，進(jìn)而決定是否批準(zhǔn)個(gè)人貸款申請(qǐng)，風(fēng)險(xiǎn)判別模型精度的高低直接影響銀行的信用風(fēng)險(xiǎn)。信用評(píng)估就是基于借款人的信用質(zhì)量對(duì)客戶進(jìn)行分類，相關(guān)技術(shù)方法國(guó)外研究已有60多年，整體上經(jīng)歷了從統(tǒng)計(jì)學(xué)方法到非參數(shù)方法再到人工智能方法的發(fā)展過程，學(xué)者們一直都致力于尋找更加精準(zhǔn)高效的評(píng)估方法。支持向量機(jī)(SVM)作為一種新型機(jī)器學(xué)習(xí)技術(shù)，是建立在統(tǒng)計(jì)學(xué)習(xí)原理上的常見

2、分類方法，在處理小樣本、非線性數(shù)據(jù)及高維模式識(shí)別等領(lǐng)域具有廣泛的應(yīng)用，呈現(xiàn)出特有的優(yōu)勢(shì)。
　　本研究旨在構(gòu)建個(gè)人信用評(píng)估的SVM模型，并對(duì)SVM模型建立過程中的變量選取、參數(shù)優(yōu)化等問題進(jìn)行深入的探討，以獲得更高的預(yù)測(cè)精度。具體地，本文首先認(rèn)真匯總了文獻(xiàn)中SVM分類模型的原理及算法，認(rèn)識(shí)到傳統(tǒng)SVM模型中無(wú)法有效篩選預(yù)測(cè)指標(biāo)的不足。以此為出發(fā)點(diǎn)，本文提出通過計(jì)算待選信用指標(biāo)的信息價(jià)值判斷信用指標(biāo)的重要程度，并將按照該方法篩選后的變量

3、輸入SVM模型。同時(shí)，文獻(xiàn)表明SVM模型中的核函數(shù)參數(shù)與懲罰因子的選擇對(duì)模型性能有至關(guān)重要的影響，本文將群智能優(yōu)化算法與支持向量機(jī)結(jié)合，分別采用了遺傳算法(GA)、粒子群算法(PSO)、灰狼算法(GWO)等三種群智能算法優(yōu)化SVM模型關(guān)鍵參數(shù)，分別構(gòu)建了GA-SVM，PSO-SVM，GWO-SVM組合優(yōu)化個(gè)人信用評(píng)估模型。本文實(shí)證分析以真實(shí)的信貸數(shù)據(jù)為基礎(chǔ)，并通過Matlab軟件編程重點(diǎn)測(cè)算了考慮變量選取后的SVM模型及上述三個(gè)組合優(yōu)化