商业银行个人信用风险评价投影寻踪建模和其实证探究

《商业银行个人信用风险评价投影寻踪建模和其实证探究》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、商业银行个人信用风险评价投影寻踪建模和其实证探究　　摘要根据已有的商业银行个人信用风险评价指标体系和数据，应用投影寻踪分类（PPC）技术进行建模，通过改变指标归一化方式前后权重是否互为相反数等性质，以确保PPC建模时求得真正的全局最优解.实证研究表明：对于商业银行个人信用分类问题，PPC模型的识别正确率高于判别分析模型；在评价指标的四个方面中，借贷人与本行关系最重要，其次是其基本情况，而偿债能力和稳定性的影响很小；而且，删除偿债能力和稳定性两个均值差异不存在显著性的指标后建立的PPC模型，不仅不会降低识别正确率，还有利于银行降低采集数

2、据的成本和节约时间，简化流程，对提高PPC模型的实用性等具有重要理论意义和实践价值.关键词商业银行；评价指标体系；个人信用风险；实证研究；投影寻踪分类技术中图分类号F830.5文献标识码A1引言5巴塞尔协议为商业银行进行风险管理提供了有效的指南，我国银监会要求有条件的银行尽可能实现内部评级和进行风险识别.国内商业银行信贷业务（尤其是个人信贷业务）发展很快，与此同时，银行也必须承担较大的风险.因此，国内商业银行个人信用风险评价与预警已成为学界和业界急需解决的理论和实践问题[1-6].国内对个人信用风险研究的历史并不长，主要从两个方面来开

3、展：①建立评价指标体系；②确定各评价指标的权重，进行综合评价研究.这两个方面既有联系，又有区别.绝大部分文献既讨论建立评价指标体系，又进行综合评价研究，如文献[2，4-5].个人信用综合评价方法目前主要有两大类，第一类的样本结果是已知的（如通过有关银行、专家学者等的分析判定，个人的信用状况是已知的），要求根据这些已知结果的样本建立评价模型，无论对已知的还是未知的新样本，要求模型有尽可能高的识别正确率，这类方法主要有logistic模型、判别分析模型、Probit模型、决策树模型和神经网络等建模方法[2-6，8-12]，第二类情况是所有

4、样本的信用（结果）事先是不知道的，针对这类样本的建模方法主要有层次分析法（AHP）、基于各种传统赋权方法（信息熵、均方差法、离差法等）的综合评价法、支持向量机、模糊综合评价法、因子分析法、主成分分析法、投影寻踪分类方法等等[2，13，14].此外，有些作者把几种模型（或权重）进行组合，以期获得更高的识别正确率[7，8，514].但就被广泛采用的有关个人信用评价的公用数据—德国和澳大利亚个人信用数据（http：//archive.ics.uci.edu/ml/machinelearningdatabases/statlog/）—国内外的

5、大量研究、建模结果表明：针对第一类问题，各种模型的识别正确率几乎相等，差异很小，德国个人信用数据的识别正确率均在75%左右，澳大利亚个人信用数据的识别正确率在85%左右[6，9，10，12].另一方面，对于非上述个人信用公用数据，作者们的研究结果往往是不同模型具有不同的识别正确率，有时还相差很大，如文献[8]的结果是ANN的正确识别率最高，而文献[10]的结果是ANN的识别正确率最低.针对第二类模型，因为样本的结果事先是不知道的，而且不同方法的原理差异很大，结果的差异性往往也较大，可比性较差.其实，个人信用风险评价主要涉及两大方面，即

6、涉及建立合理、有效的综合评价指标体系和采用合适的方法进行综合评价两个方面，主要要达到个人信用的识别正确率尽可能高，或者在满足识别正确率的情况下，评价指标应尽可能的少，或者建模方法尽可能简洁（单），模型的稳健性要好.因此，就目前来看，对于个人信用评价问题，无论是有关如何选取合理、有效的评价模型还是建立评价指标体系（选取有效、删除冗余指标）等问题，都还有待于深入研究探讨.另一方面，投影寻踪分类（ProjectionPursuit5Clustering，简称PPC）模型是一种适用于高维、非线性、非正态分布数据处理的新兴统计建模方法[15-1

7、8]，PPC模型不仅数学意义清晰，而且便于对样本和评价指标重要性进行排序和分类研究.本文以文献[2]的银行实际调研数据为例，与判别分析法为对照，将PPC技术引入到个人信用评价研究中，以期获得更可靠和有效的结果，并探索一种新的个人信用评价研究方法.2构建个人信用风险评价指标体系构建个人信用风险评价指标体系的基本原则为全面性、重要性、科学性、公正性和可操作性，以及还必须具备各项指标数据的可获得性和具有本国特色等实用性和适用性.5不同学者建立的个人信用风险指标体系往往不完全相同，但大致都包含基本情况类指标、偿债能力类指标、稳定性指标、以及与

8、本行的关系等四大类指标[2-7，13-14].基本情况指标大致包括年龄、性别、学历、婚姻与健康状况、配偶职业等；偿债能力类指标主要有经济来源、个人月收入、家庭月收入、家庭人均收入、月均还款占家庭收入比、单位经济状况以及职