贝叶斯分类器在农村金融数据分类中应用研究.docVIP

贝叶斯分类器在农村金融数据分类中应用研究 　　摘 要：针对农户产权抵押贷款信用问题，利用陕西高陵、临潼、杨陵3个地区农村金融抵押贷款的有关调研数据，运用贝叶斯网络分类模型进行分类研究，以农户所在地区、家庭类型、教育程度等10个因素作为自变量，以产权抵押贷款的意愿作为分类依据，结果表明，采用十折交叉验证的贝叶斯网络分类器对解决此类问题具有良好的分类效果，其分类结果可以为农户抵押贷款研究提供理论参考。 　　关键词：农村金融；贝叶斯网络分类器；ROC曲线；交叉验证 　　中图分类号 F832 文献标识码 A 文章编号 1007-7731（2018）11-0002-04 　　Abstract：According to the problem of farmers property mortgage credit，the Bayes Network classification model was constructed which based on the investigation data related to the property mortgage in Gaoling，Lingtong and Yangling.We chosed the region，family type，level of education and other 7 factors as the independent variables，the property mortgage loan willingness as the independent variables.The analysis results show that Bayes Network classification model which used ten-fold cross validation has good effect in solving these problems.Besides，the classification results provided the certain reference role in the household mortgage policy. 　　Key words：Rural finance；Bayes network；ROC curve；K-fold cross validation 　　1 引言 　　当前中国经济正在飞速发展，这其中金融业起着至关重要的作用，然而我国农村金融行业的创新能力仍然明显不足。围绕农村产权抵押贷款，国内学者展开了大量的研究，现有研究大多局限在对农村产权抵押贷款发展意义、现状、制约因素及其制度中存在的问题等方面上的定性分析，而基于农户微观数据的定量研究则相对偏少。曾庆芬[1]以成都试点为例，利用二项logit模型分析了影响农户参与土地使用权和宅基地使用权融资意愿的影?因素，并提出了相关政策建议；美国耶鲁大学经济学家Hugh T.Patrick研究中，强调农村经济主体的金融服务需求以及农村金融组织及相关服务的供给先于农村经济主体的需求。值得我们借鉴的还有像孟加拉国那样的农村金融机构，孟加拉国乡村银行模式调动了农村的发展积极性，不仅充分发挥了乡村银行对农村经济发展的作用，而且提高了农村银行自身的发展效率。对于中国农村现状，孟加拉国的小额扶贫贷款模式适用于我国如此之多的农村人口数量，能有效地带动银行资金的流动，促进农村银行的发展。从以上研究方法可以看出，对农村产权抵押贷款的研究更多的集中于制度研究，少有的实证分析也仅局限与二项logit模型或二项logistic回归模型，受限于模型同性质和独立同分布等理想化假设的影响，所得到的结论难以全面、客观地反映出农户融资的实际需求。 　　李旭升[2]在个人信用评估中使用朴素贝叶斯分类器（Neive Bayesian，NB）建立分类模型，对数据类型进行细致分类，实验表明，NB进行信用分类可以取得更好的效果，由于NB作为一种概率型分类，各类概率以及各属性的条件概率有明显的物理意义，具有较好的解释性。康庄[3]在纳税评估方面建立贝叶斯分类纳税评估模型，有效地发现税法执行偏差，能够较为准确地发现税收执行偏差者；吴陈和张明华[4]研究分析了朴素贝叶斯分类算法在个人信用预测方面的应用，实验表明，基于最大后验概率熵的最优朴素贝叶斯算法在个人信用预测方面显著提高了预测的准确性。唐炉亮[5]在针对浮动车数据的城市车道数量信息调查采用朴素贝叶斯分类方法确定目标路段的车道数量，最终结果表明其提取的精度高达76.3%。作为一种良好的分类器，朴素贝叶斯分类器受到越来越多的研究者的关注，在各个研究领域都得到了广泛的应用。 　　为研究我国西部农户产权抵押贷款中的农户分类问题，本文利用