原创力文档- 1、本文档共14页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
基于AHP法和BP神经网络的商业银行客户信用评估模型
基于AHP法和BP神经网络的商业银行客户信用评估模型
美国次贷危机和希腊主权债务危机使人们对次贷风险的防范意识有了更进一步的增强,特别是对金融衍生产品创新中风险度量、风险控制甚至风险管理的理论和方法进行了深层次全方位的审视和思考.毫无疑问,次贷风险的防范应该从信贷源头即商业银行客户开始.商业银行对客户的信用评估是银行贷款的核心内容,对银行客户的信用等级评估是否合理、科学、准确关系着银行贷款承担风险的大小.因此,准确评价客户信用对银行来说至关重要.
商业银行客户基数大,属性多,而且不同客户有着其各自不同的特点,银行不可能依次对每一个用户进行分析来确定其信用程度,这在时间、人力以及效率等方面都是不可取也是不现实的,那么银行应该按照一种特定的指标体系在拥有客户登记表的情况下对客户进行信用评估,这种特定的体系就是本文将要提出的基于AHP法和BP神经网络的商业银行客户信用评估模型.
问题分析
商业银行信贷最关心的是客户的信用程度和偿还能力以及在此基础上所能获得的最大利润问题,银行在评估客户信用程度时,是基于客户所提交的客户登记表来进行的,比如年龄、职业、学历、月收入、信用额度、信用历史等都是评估客户的要素.根据客户信息,银行在借贷时自然更偏重于那些职业较好、收入较高、信用历史较好的客户,但是这类客户很可能学历较低、信用额度偏大,这使得银行很难判断其真正的信用程度.因此,为了更加公正、客观的评估每个客户的信用程度,银行首先应该对客户所提交的客户登记表里的信息资料进行初步评分,基于对现实的考虑,在本文中,假设银行主要对客户的24项基本资料进行评分,也就是说客户的信用程度就是通过这24项评估指标所建立起来的（如图1所示）[1].
考察这24项指标,按先后顺序编号为,其中前9项决定客户的特征,中间8项决定客户的偿还能力,最后7项决定客户的信用状况,由图1可知,银行对客户的信用程度的评估就是基于这3大项的加权所得.
根据BP(全称为BackPropagation)神经网络的算法,银行可采用大量的数据进行训练学习,使各个分量的权重最后趋于稳定,然后以此来计算客户的信用程度.由于在现实中很难找到大量、准确、可靠的数据来完成训练学习这个过程,因此,为了避免BP神经网络算法在初始化时采用随机数取值所带来的较大误差,本文首先采用层次分析法（AnalyticHierarchyProcess简称AHP）对24小项以及3大项的权重进行计算,确定初始化数据,然后再利用BP神经网络算法进行训练学习.
模型的建立
用AHP法获得BP神经网络算法的初始权值
AHP法是将定性分析和定量计算相结合的一种综合计算方法,可将决策问题分为三个层次,即最上层、中间层和最下层,其分别为目标层、准则层和方案层,在具体问题中,具有广泛的实用性.在AHP法中,为了确定同一层次间各因素对上层影响所占的比重,下面我们将引入一种比较科学合理的比较尺度,即尺度法[3].
比较尺度:在比较两个不同性质的因素和对于上层因素的影响时,为了使得到的数据科学合理,本文采用Saaty等人提出来的尺度法,即尺度的取值范围为及其互反数,如下表1.
尺度
含义
1
和的影响相同
3
比的影响稍强
5
比的影响强
7
比的影响明显地强
9
比的影响绝对地强
2,4,6,8
比的影响之比在上述两个相邻等级之间
比的影响之比与上相反（“强”改为“弱”）
表1尺度的含义表
基于上述的比较尺度,以及参考了银行在实际信贷过程中考虑因素的重要性,本文拟定以下比较矩阵来表示在客户特征、偿还能力、信用状况中,商业银行信用评估各指标之间的相对重要性,具体图表如下:
1
2
1
2
4
1
1
1
5
4
1
4
5
7
8
6
3
1
4
1
6
5
8
1
2
4
1
3
1
5
3
5
2
1
3
1
4
5
6
1
1
1
1
2
3
1
1
1
2
1
1
1
表2客户特征中各指标的比较矩阵
1
3
6
2
4
1
3
1
7
1
7
1
4
1
2
1
3
2
1
3
1
8
2
6
1
2
1
1
2
8
1
2
5
2
3
7
1
1
4
1
表3偿还能力中各指标的比较矩阵
1
6
2
3
5
1
3
1
7
5
6
14
3
1
1
4
2
2
1
1
6
1
1
1
5
1
2
1
2
3
4
1
表4信用状况中各指标的比较矩阵
相应地,本文同样得到了客户特征、偿还能力、信用状况这三个大指标之间的相对重要性比较矩阵,以此来确定商业银行客户信用评估指标中各主要元素的权重.
z
1
3
1
2
4
1
表5评估体系中的比较矩阵
2.模型算法设计及实现
2.1BP神经网络结构设计
BP神经网络算
文档评论（0）