一种全新两阶段个人信用评分方法探究.docVIP

一种全新两阶段个人信用评分方法探究 　　摘要：目前我国还没有一套规范的个人信用评分指标体系和方法。本文利用真实的个人消费信贷数据，首先建立了个人信用评分的多元线性判别分析模型和BP神经网络模型，然后将线性判别分析模型的结果与其它变量一起作为输入变量建立了混合两阶段个人信用评分模型。实证研究表明，混合两阶段个人信用评分模型相对于前两种单一模型能同时满足预测精度和稳健性的双重要求，从而，突破了通常应用单一模型于个人信用评分领域的局限。 　　关键词：个人信用评分；判别分析；神经网络；两阶段模型 　　中图分类号：F830.589文献标识码：A文章编号：1006―1428(2010)04―0090―06 　　 　　一、研究综述 　　 　　对个人信用评分模型优劣程度的评价，通常从三个方面进行分析。(1)模型预测的精度，指预测的精确性，即模型是否能较好地对实际的违约情况作出判断；(2)模型预测的稳健性，指模型对训练样本数据以外样本的预测能力；(3)模型的可解释性，指模型中特征变量有较好的解释意义。以往的理论及实证研究都较多地关注个人信用评分模型预测的精度，因为预测精度对信贷机构的损益有很大的影响。然而，我国经济正处在转轨时期，消费市场环境变化十分迅速，加上个体之间差异比较大。因此。要求个人信用评分模型还必须具有较高的稳健性。 　　在过去的个人信用评分模型研究中。对单一模型如判别