论文部分内容阅读
随着中国经济的快速发展，信用消费增长迅速，住房按揭、汽车贷款、教育贷款、信用卡等各种个人消费贷款的规模在迅速扩大。在消费信贷热不断升温的形势下，各商业银行均把发展消费贷款作为未来发展战略的重要组成部分。但是目前黑龙江省农业银行对消费贷款的风险管理水平较低，管理手段与方法均较落后，在消费信贷的发放过程中，仍然采用传统的信用分析方法来评价消费信贷申请者的信用状况及还款能力，在个人信用评估方法上仍然没有形成稳健可靠的模型。因此对适用于黑龙江省农业银行的个人信用评分方法进行研究具有重要的理论意义和现实意义。 本文在分析国内外个人信用评估发展历史及其方法应用现状的基础上，结合目前黑龙江省农业银行银行业务系统中所获取的实际数据情况，确定评估中所使用的指标，并就指标赋值、标准化、数据缺失、违约标准确定等数据处理过程提出了相应方法并加以应用，在目前常用的抽样方法中选择合理的方法加以应用，确定样本容量并进行分组，从而保证数据样本的可靠性。建立了个人信用评分的统计模型和神经网络模型，其中基于传统统计理论的模型包括：多元线性回归、Logistic回归和 Probit回归；人工智能方法中的神经网络模型则包括BP网络、RBF网络、Elman网络和LVQ网络四种。结合所建立的个人信用评估指标体系和所选取的样本，7种个人信用评估模型应用，从分类效果以及稳健性两方面对应用结果进行比较。