1、隨著國(guó)內(nèi)銀行業(yè)對(duì)個(gè)人消費(fèi)信貸業(yè)務(wù)的日益重視，個(gè)人消費(fèi)信貸業(yè)務(wù)的規(guī)模急劇擴(kuò)大，我國(guó)一些大城市居民家庭債務(wù)比率已經(jīng)達(dá)到甚至超過(guò)美國(guó)等發(fā)達(dá)國(guó)家的水平。較高的家庭債務(wù)比率放大了借款人對(duì)經(jīng)濟(jì)波動(dòng)的敏感程度，存在著很大的信用危機(jī)，一旦有風(fēng)險(xiǎn)，商業(yè)銀行將承擔(dān)巨大的損失。在商業(yè)銀行的個(gè)人消費(fèi)信貸業(yè)務(wù)所面臨風(fēng)險(xiǎn)中信用風(fēng)險(xiǎn)是影響商業(yè)銀行最重要的風(fēng)險(xiǎn)。因而對(duì)信用風(fēng)險(xiǎn)的主體——個(gè)人的信用分析是商業(yè)銀行個(gè)人消費(fèi)信貸業(yè)務(wù)風(fēng)險(xiǎn)控制的核心工作，對(duì)商業(yè)銀行的安全經(jīng)營(yíng)有著

2、極其重要的意義。 對(duì)于我國(guó)的銀行業(yè)來(lái)說(shuō)，因?yàn)閲?guó)內(nèi)的金融市場(chǎng)的發(fā)育不完善以及銀行業(yè)內(nèi)部的自身問(wèn)題，對(duì)風(fēng)險(xiǎn)的控制一直是其薄弱環(huán)節(jié)。對(duì)風(fēng)險(xiǎn)基本上只能做到定性，與國(guó)際已經(jīng)做到的定量的先進(jìn)風(fēng)險(xiǎn)管理水平相差甚遠(yuǎn)。我國(guó)目前針對(duì)公司業(yè)務(wù)的風(fēng)險(xiǎn)管理體制主要是采用財(cái)務(wù)分析和專(zhuān)家法這類(lèi)定性的方法，這種方法對(duì)人員的素質(zhì)要求較高，其業(yè)務(wù)的成本也很高，辦理業(yè)務(wù)速度也較慢，對(duì)公司業(yè)務(wù)這種筆數(shù)小，金額大的業(yè)務(wù)還勉強(qiáng)適合。而個(gè)人業(yè)務(wù)由于其金額相對(duì)較小，但筆數(shù)很多

3、，再用銀行針對(duì)公司客戶(hù)的風(fēng)險(xiǎn)管理體制顯然是不大現(xiàn)實(shí)的。目前，我國(guó)銀行對(duì)個(gè)人客戶(hù)信用狀況的評(píng)價(jià)，主要采用按學(xué)歷、職稱(chēng)、職業(yè)、工作年限、家庭年度收入等變量打分然后按其權(quán)重將得分相加得到個(gè)人的信用評(píng)價(jià)。 本文正是針對(duì)當(dāng)前我國(guó)個(gè)人信用分析相對(duì)薄弱的現(xiàn)實(shí)出發(fā)，全面研究了個(gè)人信用理論并對(duì)個(gè)人信用進(jìn)行分析，比較了國(guó)內(nèi)外在該領(lǐng)域內(nèi)的研究現(xiàn)狀。在此基礎(chǔ)上并結(jié)合數(shù)學(xué)方法與模型設(shè)計(jì)理論，以大量的個(gè)人數(shù)據(jù)分析為基礎(chǔ)，然后利用神經(jīng)網(wǎng)絡(luò)算法(Neural

4、Network)設(shè)計(jì)出個(gè)人信用評(píng)分模型。該模型對(duì)個(gè)人客戶(hù)信用的綜合正確判別率達(dá)到85.49％，將壞客戶(hù)誤判為好客戶(hù)的概率僅為13.38％，并且模型的穩(wěn)健性良好，即使代入不同的參數(shù)其對(duì)個(gè)人客戶(hù)的綜合正確判別率一般也可以達(dá)到80％以上。其泛化能力很強(qiáng)，很適合銀行業(yè)推廣使用。 本論文主要分為五章： 第一章主要是關(guān)于個(gè)人信用研究方面的一些內(nèi)容，介紹了信用，個(gè)人信用的定義，概念及其特征，功能。在此基礎(chǔ)上定義了信用風(fēng)險(xiǎn)的概念并對(duì)個(gè)人

5、信用風(fēng)險(xiǎn)分析進(jìn)行了分析。 第二章主要是關(guān)于個(gè)人信用評(píng)估含義和方法的一些介紹。在提出個(gè)人信用評(píng)估含義的基礎(chǔ)上介紹了目前國(guó)內(nèi)外對(duì)個(gè)人信用評(píng)估研究的方法介紹，并比較了各種方法的優(yōu)缺點(diǎn)。 第三章主要是有關(guān)人工神經(jīng)網(wǎng)絡(luò)方面的基礎(chǔ)理論。對(duì)神經(jīng)網(wǎng)絡(luò)的起源，發(fā)展和人工神經(jīng)網(wǎng)絡(luò)的特性，模型以及相關(guān)的算法，研究現(xiàn)狀做了詳細(xì)介紹。并對(duì)人工神經(jīng)網(wǎng)絡(luò)與生物神經(jīng)網(wǎng)絡(luò)進(jìn)行了相應(yīng)的比較。 第四章是對(duì)本文的建模的基礎(chǔ)——誤差反向傳播神經(jīng)網(wǎng)絡(luò)，即B

6、P神經(jīng)網(wǎng)絡(luò)的詳細(xì)介紹，這也是本文的重點(diǎn)。首先介紹了誤差反向傳播算法基本原理，并用梯度下降法對(duì)誤差反向傳播算法學(xué)習(xí)過(guò)程進(jìn)行了詳細(xì)的推導(dǎo)。然后歸納了誤差反向傳播神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程的具體步驟。同時(shí)針對(duì)誤差反向傳播算法存在的收斂速度慢，易于陷入局部最小值等主要問(wèn)題，介紹了目前的一些改進(jìn)的算法。最后對(duì)誤差反向傳播算法神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)做了詳細(xì)的描述。本章為本文最終建立個(gè)人信用模型打下了良好的基礎(chǔ)。 第五章研究了基于神經(jīng)網(wǎng)絡(luò)對(duì)個(gè)人信用模型建模并對(duì)

7、其進(jìn)行實(shí)證與分析，是本文的核心。在本章中首先介紹了建模需要使用的兩個(gè)軟件：SAS軟件和MATLAB軟件。然后開(kāi)始介紹建模的具體過(guò)程。首先利用SAS軟件對(duì)建模的數(shù)據(jù)進(jìn)行處理和分析，然后介紹了如何確定網(wǎng)絡(luò)結(jié)構(gòu)，和對(duì)網(wǎng)絡(luò)的參數(shù)進(jìn)行選取。并利用MATLAB軟件對(duì)數(shù)據(jù)進(jìn)行具體建模。最后對(duì)建模的結(jié)果進(jìn)行了詳細(xì)的分析。分析結(jié)果也證明了利用神經(jīng)網(wǎng)絡(luò)建立的個(gè)人信用評(píng)價(jià)模型相對(duì)于其他方法來(lái)說(shuō)具有一定的優(yōu)越性。 本文的主要貢獻(xiàn)：本文的主要貢獻(xiàn)在于針對(duì)

8、國(guó)內(nèi)銀行業(yè)個(gè)人消費(fèi)信貸業(yè)務(wù)快速發(fā)展受到個(gè)人信用評(píng)估環(huán)節(jié)薄弱這個(gè)瓶頸的制約的情況。在分析了目前國(guó)內(nèi)外使用的各種個(gè)人信用評(píng)估方法的優(yōu)缺點(diǎn)后，引入了神經(jīng)網(wǎng)絡(luò)方法這種目前最先進(jìn)的方法對(duì)銀行的個(gè)人客戶(hù)進(jìn)行個(gè)人信用評(píng)估建模。目前利用神經(jīng)網(wǎng)絡(luò)建模在經(jīng)濟(jì)類(lèi)文獻(xiàn)中主要是應(yīng)用于財(cái)務(wù)預(yù)警模型方面的文章比較多。但將神經(jīng)網(wǎng)絡(luò)用于個(gè)人信用評(píng)估則并不多見(jiàn)，而且原來(lái)利用神經(jīng)網(wǎng)絡(luò)進(jìn)行個(gè)人信用評(píng)估的研究由于受到數(shù)據(jù)難于取得的制約，從而造成模型的訓(xùn)練不足，也影響了模型判別的