论文部分内容阅读
随着中国经济的快速发展,个人信贷消费也逐步成为个人消费的主要方式。个人信贷消费的快速增长要求商业银行具有较为完备的信用风险管理体系。但是缺乏科学的个人信用评估体系是目前中国商业银行信用风险管理中最严重的问题之一。而已有的信用评估模型之所以不能得以推广,主要原因是很多模型精确性得到提高的同时,稳健性不是很理想,对于第二类误判率的处理能力较弱,本文将利用组合预测模型思想解决这个问题。本文在国内外学者研究的基础上,分析了单一模型和组合预测模型的原理和建模思想,并选取了十个具有代表性的个人信用评估指标,同时在我国某商业银行数据中随机抽取了五组样本,分别用于训练和检验。利用统计学方法Logistic回归模型的高稳健性和非统计学方法RBF网络模型的高精确性,建立了非变权组合预测模型和变权组合预测模型,以求能够综合不同单一模型的优点,来提高组合预测模型的精确性和稳健性。同时对单一模型和组合预测模型的选择,适用性等进行了分析。将单一模型Logistic回归模型和RBF神经网络模型与组合预测模型进行比较后发现:Logistic回归模型的稳健度为0.0071,比RBF网络模型的0.0159更具有稳健性,而精确度为92.47%,要低于RBF网络模型的94.77%;两个组合预测模型的精确度、稳健度和第二类预测问题的处理能力都要高于两个单一模型;变权组合预测模型的精确度为95.23%,稳健度为0.0042,两者都要高于非变权组合预测模型,因此,个人信用评估中,组合预测模型要优于单一模型;变权组合预测模型优于非变权组合预测模型。组合预测模型解决了单一模型应用中精确性和稳健性不能同时兼得的问题,同时通过Logistic模型,使组合预测模型具有可解释性,有利用于模型的应用和推广,达到了预期的效果。