基于遺傳算法的個(gè)人信用風(fēng)險(xiǎn)組合評(píng)估研究.pdf

1、我國現(xiàn)在正處于經(jīng)濟(jì)快速發(fā)展時(shí)期,加之我國消費(fèi)信貸市場(chǎng)的不斷完善,個(gè)人消費(fèi)信貸的規(guī)模在迅速擴(kuò)大。目前,很多銀行等金融機(jī)構(gòu)將個(gè)人消費(fèi)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(cái)力和物力―搶占信貸消費(fèi)市場(chǎng),這其中最重要的就是風(fēng)險(xiǎn)管理控制問題。眾所周知,個(gè)人消費(fèi)信貸的風(fēng)險(xiǎn)是很高的,但是我國的風(fēng)險(xiǎn)管理水平比較低,風(fēng)險(xiǎn)管理手段和發(fā)放也都比較落后,尤其是對(duì)個(gè)人信用風(fēng)險(xiǎn)的評(píng)估。個(gè)人信用風(fēng)險(xiǎn)評(píng)估是消費(fèi)信貸的第一步,準(zhǔn)確合理的評(píng)估信用風(fēng)險(xiǎn),是完善

2、信貸市場(chǎng)、保障個(gè)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(duì)個(gè)人信用風(fēng)險(xiǎn)評(píng)估的必要性,國外個(gè)人信用風(fēng)險(xiǎn)評(píng)估方法的研究現(xiàn)狀以及國內(nèi)個(gè)人信用風(fēng)險(xiǎn)評(píng)估指標(biāo)、個(gè)人信用風(fēng)險(xiǎn)評(píng)估方法和個(gè)人信用風(fēng)險(xiǎn)的產(chǎn)生來源進(jìn)行闡述,指出目前存在個(gè)人信用評(píng)估方法指標(biāo)體系混亂、精確度與穩(wěn)健性無法兼顧等問題。對(duì)于指標(biāo)體系問題,本文以德國信用數(shù)據(jù)為樣本數(shù)據(jù),先對(duì)指標(biāo)進(jìn)行初步篩選,進(jìn)而通過因子分析中的主成分分析法進(jìn)行指標(biāo)優(yōu)化,綜合提取出9個(gè)公因子,并

3、以此作為構(gòu)建模型的變量。為了對(duì)比模型的準(zhǔn)確度和穩(wěn)健性問題,本文先后構(gòu)建了三個(gè)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(gè)基于遺傳算法的組合評(píng)估模型,即:Logistic回歸與多元線性回歸的組合評(píng)估模型、Logistic回歸與 RBF神經(jīng)網(wǎng)絡(luò)的組合評(píng)估模型、多元線性回歸與RBF神經(jīng)網(wǎng)絡(luò)的組合評(píng)估模型,并對(duì)結(jié)果進(jìn)行比較分析。
　　研究表明,總體上,在同一指標(biāo)體