個(gè)人信用評(píng)估論文：基于粗糙集—支持向量機(jī)的個(gè)人信用評(píng)估【中文摘要】隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展,個(gè)人信貸業(yè)務(wù)發(fā)展迅速,并逐步成為我國(guó)各商業(yè)銀行等金融機(jī)構(gòu)擴(kuò)大業(yè)務(wù)份額、提高利潤(rùn)增長(zhǎng)點(diǎn)以及國(guó)家拉動(dòng)內(nèi)需的一個(gè)重要途徑。然而信貸主體個(gè)人信用的缺失導(dǎo)致銀行面臨極大的風(fēng)險(xiǎn),并成為信貸業(yè)務(wù)發(fā)展壯大的主要障礙。全面了解和評(píng)價(jià)貸款申請(qǐng)人的信用情況是各金融機(jī)構(gòu)搞好信貸業(yè)務(wù)、防范信用風(fēng)險(xiǎn)的關(guān)鍵問(wèn)題。因此,對(duì)信貸主體的個(gè)人信用評(píng)估模型的研究也便有了重要的應(yīng)用和現(xiàn)實(shí)價(jià)值。本文的主要工作包括:①本文首先綜述了國(guó)內(nèi)外個(gè)人信用評(píng)估情況的發(fā)展現(xiàn)狀,并詳細(xì)分析了目前已經(jīng)被使用個(gè)人信用評(píng)估方法其各自的優(yōu)缺點(diǎn)。②綜述了我國(guó)個(gè)人信用評(píng)估工作中所使用的評(píng)估指標(biāo)體系,從定性的角度對(duì)指標(biāo)體系的特點(diǎn)進(jìn)行了分析,并進(jìn)一步從定量的角度研究了個(gè)人信用評(píng)估指標(biāo)體系中的幾個(gè)重要的指標(biāo)及其對(duì)個(gè)人資信的影響作用。③基于對(duì)我國(guó)個(gè)人信用評(píng)估指標(biāo)體系的分析和眾多學(xué)者對(duì)評(píng)估方法研究的基礎(chǔ)上,本文嘗試建立起基于粗糙集和支持向量機(jī)相結(jié)合的個(gè)人信用評(píng)估體系,希望能夠?qū)で笠环N更為有效的評(píng)估模型,一定程度上提高個(gè)人信用評(píng)估的分類正確率。④利用我國(guó)河北省某商業(yè)銀行2009年的450個(gè)數(shù)據(jù)樣本對(duì)構(gòu)建的個(gè)人信用評(píng)估模型進(jìn)行了驗(yàn)證分析,結(jié)果表明該模型具有較好的分類效果。⑤對(duì)比實(shí)驗(yàn)。為了驗(yàn)證該模型分類效果的可靠性,文中設(shè)置了多組對(duì)比實(shí)驗(yàn)。首先通過(guò)軟件計(jì)算得出同一數(shù)據(jù)樣本就不同的方法的分類效果,這些方法包括線性判別分析,Logistic回歸,K近鄰判別分析,人工神經(jīng)網(wǎng)絡(luò)。其次,將基于RS-SVM組合模型的個(gè)人信用評(píng)估模型分類效果與這些模型的預(yù)測(cè)效果進(jìn)行比較,從而驗(yàn)證了該組合模型的分類效果的可靠性。此外,針對(duì)數(shù)據(jù)樣本自身可能存在一定的局限性等問(wèn)題,本次實(shí)驗(yàn)還采用一組公開(kāi)的國(guó)外信貸樣本數(shù)據(jù)來(lái)驗(yàn)證了RS-SVM組合模型的分類效果,該組數(shù)據(jù)雖然是國(guó)外數(shù)據(jù),但也可以從一個(gè)側(cè)面反映了RS-SVM組合模型在個(gè)人信用評(píng)估方面的適用性和可靠性。本文的研究,旨在尋求一種有效的個(gè)人信用評(píng)估模型,使其分類識(shí)別結(jié)果能為信貸業(yè)務(wù)部門提供有力的支持,幫助我國(guó)商業(yè)銀行等金融機(jī)構(gòu)很好的開(kāi)展個(gè)人信用風(fēng)險(xiǎn)評(píng)估體系建設(shè)工作、提高信貸業(yè)務(wù)的風(fēng)險(xiǎn)管理水平、降低因信貸主體個(gè)人信用的缺失而導(dǎo)致的不良資產(chǎn)流失及更進(jìn)一步促進(jìn)我國(guó)個(gè)人信貸市場(chǎng)的有序發(fā)展。【英文摘要】AlongwiththerapiddevelopmentofChina’seconomy,personalcreditbusinesshasdevelopedrapidly,andgraduallybecomeaimportantwayofChina’scommercialBanksandotherfinancialinstitutionstoexpandbusinessshare、improveprofitgrowthpoint,itcanstimulatenationaldomesticdemandtoo.While,undertheeconomictransitionenvironmentalconditions,creditsubject’screditdeficienciescausebanksfacinggreatriskandbecomethemainobstacletocreditdevelopmentandexpansion.Comprehensiveunderstandingandevaluatingthecreditstatusofindividualsiskeyproblemalloffinancialstructuretoimprovepersonalcreditandguardagainstcreditrisk.Thefollowingsarethemainlyworkofthisthispaper:ReviewsChinesepersonalcreditevaluationworkintheuseoftheevaluationindexsystem,fromthequalitativeangletothecharacteristicsofindexsystemareanalyzed,andfromtheAngleoffurtherquantitativestudyofindividualcreditevaluationindexsystemofseveralimportantindexesandtheeffectofindividualcredibility.Setupaconsumercreditevaluationmodelbasedonroughsetsandsupportvectormachine.Supportvectormachineshasbeenapplicatedinthepersonalcreditevaluationwithgoodresults.PersonalCreditIndexSystemtisusuallycontainsalotofredundantinformation,whichwillaffectthesupportvectormachinelearning.Thispapertriedtobuildupanewcreditevaluationmodelbasedonroughsetandsupportvectormachine;Aempiricalanalysisoftheestablishingpersonalcreditevaluationismade,Empiricalstudyshowsthatthismodelcanobtainhighclassificationaccuraterateandselectthekeyfeatures;Comparetheclassificationaccuraterateofcreditevaluationmodelbasedonroughsetsandsupportvectormachinetoseveralotherclassicalmethods.Accordingtodatasamplethemselvesmayexistcertainlimitations,thisexperimenthasalsousedasetofopenAustraliacreditthesampledatatovalidatetheSVMmodelportfoliosrs-fiveclassificationeffect,theresultsalsoachievedgoodresults,thegroupdataalthoughisforeigndata,butalsofromaside,reflectstheSVMmodelportfoliosrs-fivepersonalcreditevaluationintheapplicabilityandreliabilityThisstudyaimstoseekaneffectivepersonalcreditevaluationmodelandthenprovidesforcefulsupporttoconsumercreditbusiness;HelpChinesecommercialBanks,andotherfinancialinstitutionsconductingpersonalcreditriskassessmentsystemconstructionwork;Improveconsumercreditbusinesslevelofriskmanagement;Reducebadassetslosscausedbyconsumercreditsubject’screditdeficienciesandPromoteChina’spersonalcreditmarketandorderlydevelopment.【關(guān)鍵詞】個(gè)人信用評(píng)估粗糙集支持向量機(jī)【英文關(guān)鍵詞】PersonalcreditevaluationRoughSetsSuperVectorMachine【目錄】基于粗糙集—支持向量機(jī)的個(gè)人信用評(píng)估摘要3-4ABSTRACT4-5目錄6-81緒論8-131.1研究背景8-91.2問(wèn)題的提出9-111.3本文主要的研究?jī)?nèi)容11-132個(gè)人信用評(píng)估及其方法綜述13-212.1個(gè)人信用評(píng)估132.2個(gè)人信用評(píng)估方法13-212.2.1經(jīng)驗(yàn)式判別法14-152.2.2統(tǒng)計(jì)學(xué)方法15-172.2.3運(yùn)籌學(xué)方法172.2.4人工智能方法17-202.2.5其他方法20-213粗糙集和支持向量機(jī)理論介紹21-313.1粗糙集理論概述21-253.1.1粗糙集理論的產(chǎn)生及發(fā)展213.1.2粗糙集相關(guān)概念21-233.1.3基于粗糙集的屬性約簡(jiǎn)23-243.1.4約簡(jiǎn)算法24-253.2基于支持向量機(jī)的分類實(shí)現(xiàn)25-313.2.1統(tǒng)計(jì)學(xué)習(xí)理論中幾個(gè)重要概念25-273.2.2支持向量機(jī)分類情況27-314粗糙集-支持向量機(jī)個(gè)人信用評(píng)估模型構(gòu)建31-394.1指標(biāo)選取原則31-324.2個(gè)人信用評(píng)估指標(biāo)體系32-344.3選取粗糙集和支持向量機(jī)構(gòu)建個(gè)人信用評(píng)估模型的主要依據(jù)34-374.3.1個(gè)人信用數(shù)據(jù)及評(píng)估指標(biāo)的特點(diǎn)34-354.3.2選取使用粗糙集的依據(jù)35-364.3.3選取支持向量機(jī)的依據(jù)36-374.4模型構(gòu)建流程374.5本章小結(jié)37-395實(shí)驗(yàn)設(shè)計(jì)及實(shí)驗(yàn)結(jié)果分析39-525.1數(shù)據(jù)源39-415.1.1來(lái)源39-405.1.2數(shù)據(jù)量化40-415.2基于粗糙集的數(shù)據(jù)預(yù)處理41-455.2.1數(shù)據(jù)離散化41-425.2.2屬性約簡(jiǎn)42-435.2.3約簡(jiǎn)結(jié)果及評(píng)估指標(biāo)定量分析43-455.3SVM樣本選取及數(shù)據(jù)處理45-495.3.1樣本選取及數(shù)據(jù)標(biāo)準(zhǔn)化45-465.3.2SVM核