论文摘要
20世纪90年代以来,随着中国经济的高速发展,居民收入水平的提高和消费观念的转变以及国家信贷消费政策的推动,信用卡消费、个人汽车贷款、耐用消费品贷款、助学贷款、住房按揭贷款等各种个人消费贷款业务陆续开办。虽然目前我国商业银行个人贷款余额在全部贷款余额中所占比例不大,但其增长速度却非常快。个人消费信贷规模逐年增大,产生了对个人信用风险控制的需求。然而,由于受制于个人信用数据不完备、信用技术不完善、专业信用人员匮乏等一系列问题,我国个人信用供给远不能满足需求。个人消费信贷的快速增长与我国商业银行落后的信用风险管理技术与手段形成了强烈的反差,迫切需要建立与消费信贷增长相适应的风险管理体系。国外经验表明,个人信用评分模型作为一种有效的个人信用风险管理工具,在商业银行的信贷消费决策中起到了非常重要的作用。如何借鉴国外先进经验,在现有条件下充分利用信息系统中的数据和信息,建立一个具有一定预测能力、在信贷决策中具有一定参考价值、符合我国国情的个人信用评分模型,是很有实践意义的。本文对我国目前个人信用评分模型的建立问题进行了探讨。本文首先介绍了信用评级的基本概念。然后对国内外信用评级的研究现状进行综述,同时指出目前国内信用评级模型应用的不足之处,并在此基础上提出了对原有模型的改进方法:对模型解释变量的改进、模型预测效果检验标准的改进等,这也是本文的创新所在。我们将这些创新引入个人信用评分模型所使用的基本模型,包括传统的统计学方法,如判别分析方法、Logistic回归法,也包括新近发展起来的非统计学方法,如神经网络模型、多元自适应回归样条(MARS)模型。我们用浙江省某城市商业银行的个人住房按揭贷款数据对以上4种信用模型进行实证检验,并对模型预测结果的准确性、稳定性和可解释性进行了比较研究。最后根据不同模型的特点,综合各模型之所长,提出一个新的个人信用模型的方法:MARS——ANN两阶段混合模型。经实证检验,新模型具有较高的预测能力,不失为一种可选的个人信用评分模型。