个人信用评估的Logistic-RBF组合模型.pdf

万方数据

个人信用评估的Logistic—RBF组合模型c伽bined姜明辉1，谢行恒2，王树林1，温Uni煳ity，B喇iflg潇3Lo酉stic指标与样本的选取b嬲ed哈尔滨工业大学学报Pe瑙onalscoringmodel15000l，China，E·Ⅱ础：ji锄[e-mail]；2．Ningbocred“sc嘶ng，this个人信用评估是通过建立数学模型对未来申请人的信用行为进行预测，其预测精度直接关系个人信贷的风险．个人信用评估判别方法有非线性方法和线性方法，在预测精度、稳健性和解释性等方面有着各自的优点．但每种单一方法在应用当中都存在着一些缺点，比如单一模型或是缺少精确度，或是缺少稳健性，或是模型本身或结果不能得到很好的解释等，这些都会给实际操作带来很大的不便和风险．组合预测模型是建立在其他单个模型的基础上的一种组合方法，能综合不同方法的优点，提高了模型的精确度和稳健性，使模型有条件并且适合于个人信用评估问题．本文采用加权组合的方法，选择单一模型中预测效果较好的神经网络与b辱stie回归方法，构建组合预测模型并应用于我国的个人信用评估中．选取具有代表性的10个指标，并对定性指标根据其在实际工作中对个人信用评估的影响程度，对每个属性值赋予不同的数值型的值，见表I．但考虑到神经网络只能处理数值型变量，同creditandRBF(I．schdMan89eH舢t。Harbinsch砌ofH咖瑚ities蚰dsindesinglesin尊eelassifymore印plicablewords：bgistic1JOURNAL(1．哈尔滨工业大学管理学院，哈尔滨15000l，E-mail：[e-mail]；2．宁波工程学院，浙江宁波315016；3．清华大学人文社会科学院国际问题研究所，北京100084))摘要：针对个人信用评估中单一模型存在的不足，提出了利用组合预测模型进行个人信孀评估的方法．基于不同单一模型在个人信用评估中所体现的优势，选择具有代表性的b画stic回归和径向基函数神经网络方法，建立了2种单一评估模型，在此基础上构建了基于二者的组合模型．利用某商业银行的数据进行2类模式的分类，应用结果表明，组合模型有效地提高了预测的精确性和模型的稳健性，对于商业银行控制消费信贷风险具有更好的适用性．关键词：IJo矛stic回归；神经网络；组合预测；个人信用评估中图分类号：F224。0文献标识码：A文章编号：0367—6234(2007)07一1128一03JIANGXing—hen92，WANGShu—linl，WENInstitIlte《Techmlo盯，mlrbinTechn010盱，NingboInterati哪alsciences，Tsinghua100084，Chi腿)Ab鼬阻ct：AiIIlinginsumcienciesIIlodelspersonalconstmctcombining基金项目：哈尔滨工业大学技术·政策·管理(TPM)国家哲学社科创新基地资助项目(HTcsR061D6)，第39卷第7期7年7月OFHARBININS711TUTETECHNOLOGYonMing．huil，XIEXia03315016，China；3．ImIitIlteStutliestheofinpaperpresentsmeth—odforbyusingforecast．Basedadvantagesmethod，thispa—perchosetypicalLogisticregressionneuralnetworkmodelsaJldthentedforecastmodel．Usingconstlllctedconsumerdata{}omcommercialbank，theapplicationresultindicatesthatincreasesef-fectivelywellasⅡlodel’sstabilitywhicheommercialbankskeepawayf而mrisks．Keyregression；neuralnetwork；combinedforecasting；personal收稿日期：2005一09一19．作者简介：姜明辉(1967一)，男，博士，副教授．Jul．2007University0fSocialattotwoconstllJc-accuracy2OVoL39No．7aoneas
万方数据

唧垤丽丽】·F。2画商，k(南】，2酗孙出)2志唧(一％笋)，ln[惫l=o．69l+0．713并，一1．532”出)=[。去唧(一抄，一““叭．，，．，一．．．．一————l————ln(群寿】=风幅"胁+，．一，堆％群=^／∑(彬1且一劈)2×61。．2模型的建立P一