基于神经网络的个人信用模型

《基于神经网络的个人信用模型》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、西南财经大学硕士学位论文基于神经网络的个人信用模型姓名：胡勇申请学位级别：硕士专业：金融学指导教师：黄纯国20060401论文摘要随着我国加入WTO后金融市场的逐步对外开放，国外银行业将大举进入中国，它们具有在国际竞争中培养出来的高超的风险控制技术和能力，可以提供丰富多样化的金融产品以满足市场的需求和采用先进的管理制度。而这些恰好是我国银行业的薄弱环节，国内的银行业在未来将面临国外银行业越来越强大的竞争压力。与此同时，国内的金融市场正在逐渐的发育成熟，资本市场正在日益的完善，越来越多的国内企业通过国内外的资本市场而不是银行借贷来筹集资金，这就意味着国内银行业的主要业务和主要的盈利

2、来源——公司业务，正在逐渐失去最好和最优良的客户，为了争夺客户银行不得不提供比以前更优惠的贷款条件和将目标转向风险更大的次优客户。银行将面临着越来越大的风险，但利润却越来越低。因而为了控制风险和寻找新的利润来源，银行不得不拓展新的业务，同时监管当局对资本的要求也日趋严格。个人消费信贷业务在此背景下成为了国内银行业关注的焦点。金融统计数据表明，2005年l一4月，国内个人储蓄占金融机构各项存款的比例高达51．3％，储蓄存款成为金融机构存款来源的半壁江山。2005年4月末，金融机构个人贷款余额达至1J27043亿元，比上年同期增长了57％，呈现了快速发展的态势。并且随着我国社会经济的

3、不断发展，中产及富裕阶层不断扩大，这个为发展个人消费信贷业务奠定丫物质基础。如汽车消费和住房消费市场的启动和繁荣就为个人消费信贷业务中的消费贷款开辟了广阔的空间。个人消费信贷业务具有低资本消耗、低风险、收益稳定的特征，其中的信用卡、住房信贷等业务，不仅能使银行获得稳定的利差收入，还ij．以获得可观的中间业务收入，这将弥补因利差或市场萎缩而带来的利润下降因素的影响，而且由于个人消费信贷业务风险权重低，能够有效减轻资本充足率带来的压力。随着国内银行业对个人消费信贷业务的日益重视，个人消费信贷业务的规模急剧扩大，我国一些大城市居民家庭债务比率已经达到甚至超过美国等发达国家的水平。较高的

4、家庭债务比率放大了借款人对经济波动的敏感程度，存在着很大的信用危机，一旦有风险，商业银行将承担巨大的损失。在商业银行的个人消费信贷业务所面临风险中信用风险是影响商业银行最重要的风险。因而对信用风险的主体——个人的信用分析是商业银行个人消费信贷业务风险控制的核心工作，对商业银行的安全经营有着极其重要的意义。对于我国的银行业来说，因为国内的金融市场的发育不完善以及银行业内部的自身问题，对风险的控制一直是其薄弱环节。对风险基本上只能做到定性，与国际已经做到的定量的先进风险管理水平相差甚远。我国目前针对公司业务的风险管理体制主要是采用财务分析和专家法这类定性的方法，这种方法对．人员的素质

5、要求较高，其业务的成本也很高，办理业务速度也较慢，对公司业务这种笔数小，金额大的业务还勉强适合。。而个人业务由于其金额相对较小，但笔数很多，再用银行针对公司客户的风险管理体制显然是不大现实的。目前，我国银行对个人客户信用状况的评价，主要采用按学历、职称、职业、工作年限、家庭年度收入等变量打分然后按其权重将得分相加得到个人的信用评价。这种方法还存在着很大的问题，最主要的是打分的主观性太强，并且变量和权重的设置实际上是线性的并不符合实际情况。因此用这种方法对个人客户信用状况的评价并不准确，存在着较大的误差。这就意味着建立在这种方法评价基础上的个人消费信贷业务存在着严重的风险隐患。随着

6、个人消费信贷业务规模的扩大，这种风险将会越来越大，最终将严重的威胁我国银行和金融体系的安全。本文正是针对当前我国个人信用分析相对薄弱的现实出发，全面研究了个人信用理论并对个人信用进行分析，比较了国内外在该领域内的研究现状。在此基础上并结合数学方法与模型设计理论，以大量的个人数据分析为基础，然后利用神经网络算法(NeuralNetwork)设计出个人信用评分模型。该模型对个人客户信用的综合正确判别率达到85．49％，将坏客户误判为好客户的概率仅为13．38％，并且模型的稳健性良好，即使代入不同的参数其对个人客户的综合正确判别率一股也可以达到80％以上。其泛化能力很强，很适合银行业推

7、广使用。本论文主要分为五章：第一章主要是关于个人信用研究方面的一些内容，介绍了信用，个人信用的定义，概念及其特征，功能。在此基础上定义了信用风险的概念并对个人信用风险分析进行了分析。第二章主要是关于个人信用评估含义和方法的一些介绍。在提出个人信用评估含义的基础上介绍了目前国内外对个人信用评估研究的方法介绍，并比较了各种方法的优缺点。第三章主要是有关人工神经网络方面的基础理论。对神经网络．的起源，发展和人工神经网络的特性，模型以及相关的算法，研究现状做了详细介绍。并对人工神经网络与