论文部分内容阅读
随着中国经济的快速发展,个人信贷业务的规模在迅速扩大,住房按揭、汽车贷款、教育贷款、信用卡等各种个人消费贷款成为我国商业银行新的利润增长点。但相对于企业信用风险评估,国内银行业对信用风险管理方法还较为落后,银行在个人贷款的发放过程中,主要依靠信贷审批人员的主观判断来确定是否批准贷款申请者贷款申请,并没有一个成熟稳健的模型来辅助评估。因此银行工作人员的个人喜好对评估结果影响很大,同时由于审批时间长、效率低、成本高,严重阻碍了个人消费贷款业务的发展。银行个人信用评估是根据客户的个人信息评判客户信用程度的过程。信用评估是涉及消费信用的企业实体最重要的核心管理技术之一,因此有必要研究银行客户信用评估的模型和方法。本文从已获得的郑州某商业银行的真实消费贷款样本出发,在分析国内外商业银行个人信用风险评估模式与方法应用的基础上,结合个人消费信贷业务的特点,基于数据挖掘方法来构建个人信用风险评估体系。主要工作包括:参考国内外已有的指标体系,对影响信用风险的变量进行分析和选择,并加以量化,建立适合中国国情的商业个人信用风险评估体系的备选指标集;结合目前我国商业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;建立基于数据挖掘的个人信用风险评估指标体系,将Logistic回归和RBF神经网络的方法相结合,建立了个人信用评估的线性组合预测模型;对建立的个人信用评估模型进行实证分析并进行检验,对比单一预测模型和组合预测模型的精准度和稳健性。由于统计模型的精准度不如神经网络模型,但稳健性强于神经网络模型,因此组合预测模型集中了两种方法的优势,在分类精确度和模型稳健性上均表现良好。本课题主要研究工作和成果如下:1)建立适合中国国情的个人信用风险评估体系指标集;2)对样本数据库中的数据进行清洗和转换;3)选择进行风险评估的单一模型:Logistic回归方法和RBF神经网络方法;4)将两种方法组合,建立信用风险评估组合模型;5)使用数据样本进行训练和检验。本文的研究成果,有利于推动我国商业银行个人信用风险评估体系的建设,从而有利于提高我国商业银行个人消费信贷业务的提高审批效率,提高银行客户满意度,降低银行的不良资产。在促进我国消费信贷市场的发展及提高我国商业银行的核心竞争力方面具有很大的现实意义。