信用評(píng)分模型探討分析論文
一、信用評(píng)分概況
信用評(píng)分模型作為信用風(fēng)險(xiǎn)管理的基礎(chǔ)和核心,無(wú)論是對(duì)于建立社會(huì)征信體系還是對(duì)于金融機(jī)構(gòu)的信貸資產(chǎn)管理,都有著不可替代的作用。其主要目的,在于盡量將能夠預(yù)測(cè)借款人未來(lái)行為的指標(biāo)加以整合,并統(tǒng)一成可以比較的單一指標(biāo),以顯示借款人在未來(lái)特定時(shí)間內(nèi)違約的可能性,所有的信用評(píng)分模型,無(wú)論采用什么理論或方法,其最終目的都是將貸款申請(qǐng)者的信用級(jí)別分類(lèi)。為達(dá)到分類(lèi)目的。當(dāng)前，對(duì)個(gè)人信用評(píng)分模型的定義有多種，較為權(quán)威的種觀(guān)點(diǎn)認(rèn)為:“信用評(píng)分是預(yù)測(cè)貸款申請(qǐng)人或現(xiàn)有借款人違約可能性的一種統(tǒng)計(jì)方法。”這一觀(guān)點(diǎn)指出了信用評(píng)分的作用和目的,不過(guò)隨著信用評(píng)分模型的不斷發(fā)展,信用評(píng)分已不僅是一種統(tǒng)計(jì)方法,也包含了運(yùn)籌學(xué),如數(shù)學(xué)規(guī)劃法、非線(xiàn)性模糊數(shù)學(xué)(如神經(jīng)網(wǎng)絡(luò)方法)等。此外,信用評(píng)分的實(shí)際操作應(yīng)用也與決策原則緊密相關(guān)，決策原則事實(shí)上決定了信用評(píng)分模型實(shí)現(xiàn)其目的和作用的程度。因此,對(duì)個(gè)人信用評(píng)分模型這一數(shù)學(xué)工具在金融和銀行業(yè)中的應(yīng)用來(lái)說(shuō),較為全面和恰當(dāng)?shù)亩x應(yīng)是,“信用評(píng)分是運(yùn)用數(shù)學(xué)優(yōu)化理論(包括統(tǒng)計(jì)方法、運(yùn)籌方法等),依照即定原則或策略(損失最小原則或風(fēng)險(xiǎn)溢價(jià)原則),在數(shù)據(jù)分析決策階段區(qū)分不同違約率水平客戶(hù)的方法。
二、各類(lèi)信用評(píng)分模型概述
1.判別分析模型
判別分析法是對(duì)研究對(duì)象所屬類(lèi)別進(jìn)行判別的一種統(tǒng)計(jì)分析方法。進(jìn)行判別分析必須已知觀(guān)測(cè)對(duì)象的分類(lèi)和若干表明觀(guān)測(cè)對(duì)象特征的變量值。判別分析就是要從中篩選出能提供較多信息變量并建立判別函數(shù)，使推導(dǎo)出的判別函數(shù)對(duì)觀(guān)測(cè)樣本分類(lèi)時(shí)的錯(cuò)判率最小。這種方法的理論基礎(chǔ)是樣本由兩個(gè)分布有顯著差異的子樣本組成，并且它們擁有共同的屬性。它起源于1936年Fisher引進(jìn)的線(xiàn)性判別函數(shù)，這個(gè)函數(shù)的目的是尋找一個(gè)變量的組合，把兩個(gè)擁有一些共同特征的組區(qū)分開(kāi)來(lái)。
判別分析方法的優(yōu)點(diǎn):適用于二元或多元性目標(biāo)變量,能夠判斷,區(qū)分個(gè)體應(yīng)該屬于多個(gè)不同小組中的哪一組。自身也存在不可避免的缺點(diǎn):該模型假設(shè)前提是自變量的分布都是正態(tài)分布的,而實(shí)踐中的數(shù)據(jù)往往不是完全的正態(tài)分布,從而導(dǎo)致統(tǒng)計(jì)結(jié)果的不可靠性。
2.決策樹(shù)方法
決策樹(shù)模型是對(duì)總體進(jìn)行連續(xù)的分割,以預(yù)測(cè)一定目標(biāo)變量的結(jié)果的統(tǒng)計(jì)技術(shù)。決策樹(shù)構(gòu)造的輸入是一組帶有類(lèi)別標(biāo)記的例子,構(gòu)造的結(jié)果是一棵二叉或多叉樹(shù)。構(gòu)造決策樹(shù)的方法是采用自上而下的遞歸構(gòu)造。在實(shí)際中,為進(jìn)行個(gè)人信用分析,選取個(gè)人信用作為目標(biāo)屬性，其他屬性作為獨(dú)立變量。所有客戶(hù)被劃分為兩類(lèi),即好客戶(hù)的和壞客戶(hù),將客戶(hù)信用狀況轉(zhuǎn)換為“是否好客戶(hù)”(值為1或0),而后利用數(shù)據(jù)集合來(lái)生成一個(gè)完整的決策樹(shù)。在生成的決策樹(shù)中可以建立一個(gè)規(guī)則基。一個(gè)規(guī)則基包含一組規(guī)則,每一條規(guī)則對(duì)應(yīng)決策樹(shù)的一條不同路徑,這條路徑代表它經(jīng)過(guò)節(jié)點(diǎn)所表示的條件的一條鏈接。通過(guò)創(chuàng)立一個(gè)對(duì)原始祥本進(jìn)行最佳分類(lèi)判別的決策樹(shù),采用遞歸分割方法使期望誤判損失達(dá)到最小。
決策樹(shù)模型的優(yōu)點(diǎn)：淺層的決策樹(shù)視覺(jué)上非常直觀(guān)，容易解釋?zhuān)粚?duì)數(shù)據(jù)的結(jié)構(gòu)和分布不需做任何假設(shè)；可以容易地轉(zhuǎn)化成商業(yè)規(guī)則。它的缺點(diǎn)在于：深層的決策樹(shù)視覺(jué)上和解釋上都比較困難；決策樹(shù)對(duì)樣本量的'需求比較大；決策樹(shù)容易過(guò)分微調(diào)于樣本數(shù)據(jù)而失去穩(wěn)定性和抗震蕩性。
3.回歸分析法
回歸分析法是目前為止應(yīng)用最為廣泛的一種信用評(píng)分模型,這其中以著名的logistic回歸為代表。除此之外,線(xiàn)性回歸分析、probit回歸等方法亦屬于此類(lèi)。最早使用回歸分析的Orgler,他采用線(xiàn)性回歸模型制定了一個(gè)類(lèi)似于信用卡的評(píng)分卡,他的研究表明消費(fèi)者行為特征比申請(qǐng)表資料更能夠預(yù)測(cè)未來(lái)違約可能性的大小。同數(shù)學(xué)規(guī)劃方法中一樣,假設(shè)已經(jīng)通過(guò)一定的方法從樣本變量中提取出了若干指標(biāo)作為特征向量,回歸分析的思想就是將這些指標(biāo)變量擬合成為一個(gè)可以預(yù)測(cè)申請(qǐng)者違約率的被解釋變量,自然就是違約率p,回歸分析中應(yīng)用最廣泛的模型當(dāng)屬線(xiàn)性回歸模型,它是對(duì)大量的數(shù)據(jù)點(diǎn)中表現(xiàn)出來(lái)的數(shù)量關(guān)系模擬出一條直線(xiàn)，回歸分析的目標(biāo)就是使目標(biāo)變量值和實(shí)際的目標(biāo)變量值之間的誤差最小。因此最早將回歸方法應(yīng)用于信用評(píng)分研究的模型，就是簡(jiǎn)單的線(xiàn)性回歸模型，目前基于logistic回歸的信用評(píng)分系統(tǒng)應(yīng)用最為普遍。
回歸模型的優(yōu)點(diǎn):容易解釋和使用；自變量可以是連續(xù)性的，也可以是類(lèi)別性的;許多直觀(guān)的統(tǒng)計(jì)指標(biāo)來(lái)衡量模型的擬合度。缺點(diǎn)：不能有效處理缺失值，必須通過(guò)一定的數(shù)據(jù)加工和信息轉(zhuǎn)換才能處理；模型往往呈線(xiàn)形關(guān)系，比較難把握數(shù)據(jù)中的非線(xiàn)形關(guān)系和變量間的互動(dòng)關(guān)系，而且模型假定變量呈正態(tài)分布；模型受樣本極端值的影響往往比較大。
4.人工神經(jīng)網(wǎng)絡(luò)法
近些年來(lái),隨著信用評(píng)分領(lǐng)域的研究深入,有學(xué)者將人工智能領(lǐng)域的一些模型算法引入到了信用評(píng)分研究中,人工神經(jīng)網(wǎng)絡(luò)模型為典型代表。人工神經(jīng)網(wǎng)絡(luò)是由大量簡(jiǎn)單的基本元件——神經(jīng)元相互連接而成的自適應(yīng)非線(xiàn)性動(dòng)態(tài)系統(tǒng),是一種把各種投入要素通過(guò)復(fù)雜的網(wǎng)絡(luò)轉(zhuǎn)換成產(chǎn)出的信息加工結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)模型本質(zhì)上所解決的問(wèn)題仍是分類(lèi)或者說(shuō)模式識(shí)別問(wèn)題,但其原理卻與其做方法迥然相異。人工神經(jīng)網(wǎng)絡(luò)有多種模型,比如BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)等。BP神經(jīng)網(wǎng)絡(luò)為目前研究最為成熟、算法最為穩(wěn)定同時(shí)應(yīng)用也最為廣泛的一種神經(jīng)網(wǎng)絡(luò)模型。
神經(jīng)網(wǎng)絡(luò)模型的優(yōu)點(diǎn)：有效地捕捉數(shù)據(jù)中非線(xiàn)性，非可加性的數(shù)量關(guān)系；適用于二元性，多元性和連續(xù)性的目標(biāo)變量；能處理連續(xù)性和類(lèi)別性的預(yù)測(cè)變量。缺點(diǎn)：基本上是一個(gè)黑箱方案，難以理解；如果不經(jīng)過(guò)仔細(xì)控制，容易微調(diào)于樣本數(shù)據(jù)，從而不具備充分的抗震蕩性和穩(wěn)定性。
三、結(jié)語(yǔ)
信用評(píng)分作為一種嚴(yán)謹(jǐn)?shù)幕诮y(tǒng)計(jì)學(xué)等理論的決策手段,正在逐漸被我國(guó)商業(yè)銀行重視。信用評(píng)分系統(tǒng)的建設(shè)在我國(guó)屬于起步階段,應(yīng)逐步建設(shè)適合我國(guó)特色的、高水平的信貸決策支持制度不但需要借鑒國(guó)外已有的理論研究成果和實(shí)踐方案,更需要我國(guó)學(xué)界的創(chuàng)新或結(jié)合我國(guó)本土數(shù)據(jù)的實(shí)證研究。
【信用評(píng)分模型探討分析論文】相關(guān)文章：
現(xiàn)代信用風(fēng)險(xiǎn)計(jì)量模型分析論文例文03-31
探討分析電梯安全與事故論文06-13
學(xué)習(xí)環(huán)境設(shè)計(jì)的模型研究分析論文04-15
探討軟件開(kāi)發(fā)過(guò)程模型的發(fā)展論文02-12
醫(yī)院統(tǒng)計(jì)指標(biāo)的分析與探討的論文04-25