个人住房贷款信用评估指标体系的构建

《个人住房贷款信用评估指标体系的构建》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、华北水利水电学院硕士论文个人住房贷款信用评估指标体系的构建摘要个人住房抵押贷款业务在我国迅速发展，由于自身的特点，存在着操作风险、市场风险、流动风险、信用风险、法律政策风险等，个人信用风险是银行防范的重点，所以建立规范科学的住房贷款信用风险评估体系非常必要。我国个人信用评估起步较晚，有些银行已建立了个人信用评估体系，但还存在一些不足。并且没有统一标准的评估体系运用于住房贷款业务，这严重影响了住房贷款业务的健康发展。本文以目前我国银行现有的个人信用评估体系为基础，借鉴西方发达国家相对成熟的个人信用评估体系，结合我国住房贷款信用评估专家的主观经验，

2、对个人信用风险的影响因素进行分析，建立一个相对合理科学、定量化的信用评估指标体系。把信用评分系统与人工神经网络模型相结合，采用信用评估体系的指标及分值作为训练数据，利用BP人工神经网络模型进行评估，结果具有一致性。对目前我国现有的个人信用评估指标做了修改，使指标更具有效性，同时把住房贷款抵押物、贷款状况也作为指标，使指标体系更贴近住房信贷业务，更具有专业性质；根据银行住房信贷专家意见，利用层次分析法对指标进行权重分析，把他们对指标的重视程度由定性转化为定量，具有一定的标准性，为个人信用评估提供了相对合理的指标权重，弥补了我国信用评估体系指标权重

3、以主观判断为主的随意性；利用神经网络对个人信用评估体系进行模拟，把信用评估体系对不同借款人状况评估的定量化指标及信用分数，作为训练样本，克服了训练数据残缺不全的状况，模拟结果与层次分析法加权计分的结果基本一致，网络有很好的稳定性与泛化能力，可以作为以后信息化操作的基础。本文研究成果对于加强我国商业银行住房贷款个人信用风险评估，构建和完善我国商业银行住房贷款信用评估体系提供了参考，为商业银行对个人住房贷款的发放提供了一定的依据，也为防范个人信用风险提供了参考方法。关键词：个人住房贷款，信用风险，信用评估，权重，BP神经网络华北水利水电学院磺士论文

4、REASERCHONTHEBUⅡDINGCREDITRAnNGINDEXsYsTEMFOR．IlmINDIVIDIIAI，HOUS玳GMoKr(诈岖诹IoANIndividualhousingmortgageloanservicehasbeendevelopingrapidlyinourcountry．Becauseofitscharacter，thereismuchrisksuchasorationrisk，marketrisk，mobilerisk，creditrisk，legalpolicyriskandsoon．Individualcr

5、editriskisthemostimportant．Atpresentsomebankshavealsoestablishedindividualcreditassessmentsystemlaterinchina．Buttheyarenoteffectire．Being．nostandardandunificationsystemforhousingmortgageloan，ithasseriouslyaffectedthehousingloanbusinessdevelopment．Soit’sextremelyessentialtoes

6、tablishamorescientificassessmentsystemforhousingloancreditrisk．Weprofitfromrelativelymatureindividualcreditappraisalsystemofthewesterndevelopedcountrytoimprovethepresentindividualcreditappraisalsystem．Weanalysisthefactorofindividnalcreditrisktoestablisharelativelyreasonables

7、cientificandquantitativecreditappraisalindexsystemaccordingtotheexpert’ssubjectiveexperience．TakingthedifferentindexesandcreditScoresasthetrainingsampletocarryontheBPartificialnervenetwork，ourcountryhousingloancreditappraisesystemandtheartificialnervenetworkmodelareunified．F

8、irstlythemortgageandconditionofhousingloanaretakenastheindex，whichmakesthei