投票式组合预测模型在个人信用评估中的应用研究

论文摘要

商业银行的个人信用评估一直是我国现有经济形势下迫切需要完善的问题,也一直都是学术界研究的焦点。目前我国的商业银行已经在践行一些信用风险评估的办法,但是由于很多现实性问题的制约,比如我国缺少一个健全的个人信用数据库、指标体系混乱、各商业银行的个人信用评估各成体系,缺乏统一的标准等等,都严重制约着一套科学合理的信用评估系统的建立。在以往的研究中,很多学者都讨论了组合式预测模型的构建,也在该方面做了大量的实证研究。发现组合式模型在性能上确实优于单一的预测模型。但是近些年,组合式模型的发展有所减慢,这主要是由于在权重的确定方面遇到了瓶颈。权重的存在会使单一模型之间发生相互影响,如果无法得到科学合理的权重,就会使模型在组合的过程中损失精度,影响最后的预测效果。基于这样的情况,申报国家自然基金项目的重要课题之一《个人信用非线性组合评分模型及其动态优化研究》提出建立非线性的组合预测模型,并对模型进行动态优化。本文作为该项目的一部分,提出了基于贝叶斯算法的投票式组合模型的思想,并选择了三个国内外个人信用评估领域使用较多的、国际上目前较为流行并公认很成熟的个人信用评估方法来作为单一模型,他们分别是Logistic回归、聚类分析和神经网络,用他们的投票结果作为组合模型的输入。由于该方法建立于单一模型决策后的组合,单一模型具有同等的表决权,它们之间互不影响,这充分发挥了单一模型的优势,减少了由于权重确定产生的误差。而且基于贝叶斯后验概率结果的分类,充分利用了先验知识,并修正了先验概率,使决策更具有科学性和可信性。通过实证发现,基于贝叶斯算法的投票式组合模型的分类结果确实优于单一模型,通过其与三个单一模型分类结果的比对,发现模型精度、两类误判率这三个重要的评判指标均有不同程度的改善,可见投票式组合模型较单一模型在性能上具有明显的优越性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究的背景和意义
• 1.2 国内外研究现状
• 1.2.1 单一模型研究现状
• 1.2.2 组合模型研究现状
• 1.2.3 现有研究成果的评述
• 1.3 论文的内容和结构
• 第2章 投票式组合预测模型的构建思路
• 2.1 投票式组合预测的思想和模型构建的步骤
• 2.1.1 组合预测的思想
• 2.1.2 投票式组合预测及其优势分析
• 2.1.3 投票式组合预测模型的构建步骤
• 2.2 指标的选择和设置
• 2.3 单一模型选择
• 2.3.1 单一模型选择的思路
• 2.3.2 数理统计模型选择
• 2.3.3 非参数分析模型选择
• 2.3.4 人工智能模型选择
• 2.4 投票组合方式的选择
• 2.4.1 一致同意规则
• 2.4.2 简单多数规则
• 2.4.3 加权多数规则
• 2.5 基于贝叶斯算法的投票式组合预测模型优势分析
• 2.6 本章小结
• 第3章 投票式组合预测模型的构建
• 3.1 投票式组合预测模型的结构
• 3.2 单一模型的构建
• 3.2.1 Logistic 回归模型的构建
• 3.2.2 聚类分析模型的构建
• 3.2.3 神经网络模型的构建
• 3.3 基于贝叶斯算法的投票式组合预测模型的基本原理
• 3.4 基于贝叶斯算法的投票式组合预测模型的计算机实现
• 3.5 本章小结
• 第4章 投票式组合预测模型的应用
• 4.1 样本数据的预处理
• 4.2 单一模型在个人信用评估中的应用
• 4.2.1 Logistic 回归在个人信用评估中的应用
• 4.2.2 聚类分析在个人信用评估中的应用
• 4.2.3 神经网络在个人信用评估中的应用
• 4.2.4 单一模型的应用结果分析
• 4.3 基于贝叶斯算法的投票式组合预测模型的应用结果分析
• 4.4 单一模型和投票式组合预测模型应用结果的比较
• 4.5 本章小结
• 结论
• 参考文献
• 致谢