基于PSO的个人信用评估组合预测模型.pdfVIP

， ２００８ 年第14 期 经济研究导刊 Ｎｏ．14 ２００８ 总第33 期 ＥＣＯＮＯＭＩＣ ＲＥＳＥＡＲＣＨ ＧＵＩＤＥ Ｓｅｒｉａｌ Ｎｏ．33 基于PSO的个人信用评估组合预测模型 殷 爽，姜明辉 （ 哈尔滨工业大学 管理学院，哈尔滨 ） 150001 摘 要：将组合预测模型用于个人信用评估，在两种单一统计模型的基础上，利用粒子群算法（ PSO） 求解组合 模型的权重，并通过粒子适应度函数的设置来控制第二类误判的发生，构建了基于PSO 的组合预测模型。 应用结果 表明，基于PSO 的组合预测模型的分类精度高于单一统计模型，并且有效降低了第二类误判率，对于商业银行控制 信用风险具有更好的适用性。 关键词：粒子群算法；组合预测；个人信用评估 中图分类号： 文献标志码： 文章编号： （ ） F832.479 Ａ １６７３－２９１Ｘ ２００８ 14－０083－04 随着我国消费信贷市场的迅速发展，个人信用评估的作 m ， ， ， ， （ ） s.t w =1 t= 1 2 Λ n 1 Σ i 用日益增强。 对于商业银行而言，个人信用评估就是通过考 i = 1 察反映消费信贷申请者的各种指标，对其按时还款的可能性 组合预测的关键在于确定各单项预测模型的权重，一般 进行全面的判断和评估，从而作出是否放贷的决定。 在西方 采用最小二乘原则求解一组权重，使得组合预测的误差平方 发达国家，对于个人信用评估方法的研究不断发展而且日趋 n 2 和E= （ y -f ） 最小。 一般认为，由于组合预测的方法利用 [1] Σ t t 成熟，许多方法被应用到个人信用评估领域 ，包括线性回 t = 1 归、 回归等统计方法以及以神经网络为代表的人工智 Logistic 了更多的信息，其精度要比单一的某种预测方法得到的结果 能方法等。 我国现阶段仍未建立起完善的个人征信体系，各 好。 商业银行没有一套科学合理的个人信用评估方法，这种状况