投票式组合预测模型在个人信用评估中的应用研究.doc

国内图书分类号：F832.479 国际图书分类号：336.717.5  学校代码：10213 密级：公开  经济学硕士学位论文 投票式组合预测模型在个人信用评估 中的应用研究  Classified Index: F832.479 U.D.C: 336.717.5 Dissertation for the Master’s Degree in Economics STUDY ON THE APPLICATION OF COMBINED VOTING PREDICTION MODEL TO PERSONAL CREDIT EVALUATION  Candidate： Supervisor： Academic Degree Applied for： Speciality： Affiliation： Date of Defence： Degree-Conferring-Institution：  Wang Xue Prof. Jiang Minghui Master of Economics International Trade School of Management June, 2011 Harbin Institute of Technology 哈尔滨工业大学经济学硕士学位论文 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。 关键字：信用评估；投票式组合预测；贝叶斯算法 -I- 哈尔滨工业大学经济学硕士学位论文 Abstract personal credit evaluation in commercial bank has been not only the urgent problem need to improve in Chinas current economic situation, but also the focus of academic research. At present, Chinas commercial banks have been practicing some of the credit risk assessment approach, but due to the constraints of many real problems, such as lacking of a sound personal credit database, and index system confusion, and commercial banks into the system for each individual credit assessment, Lacking of uniform standards, etc., these problems are seriously hampering a scientific and reasonable cr