P2P网贷平台借款人信用风险评估模型适应性研究

本文对比分析了基于Logistic回归、决策树、随机森林、支持向量机和神经网络的个人信用风险评估模型,并在此基础上提出了采用4种机器学习算法综合筛选重要变量再建立Logistic回归模型的两阶段组合模型。应用这一模型对"人人贷"平台借款人数据进行实证研究。结果表明:该模型相较于Logistic回归模型有着更高的精确度,克服了数据维度及定性变量数量的限制,而且提高了单一机器学习算法的指标解释能力,说明基于机器学习算法的Logistic回归模型对P2P网贷平台的借款人信用风险评估有更好的适应性。     

综合类上市公司财务危机预警模型初探

以1998—2004年沪深两市首次被特别处理的A股综合类上市公司为研究对象，通过均值比较、配对样本T检验和Z检验，从9个方面的27个研究变量中选取了9个差异显著的变量，建立了危机前（t-2）年的判别分析模型、逻辑回归模型和人工神经网络模型。各种模型均取得较高的预测效果，尤其是判别分析模型，判正率高达89．29％。     

校园贷2.0背景下大学生信贷风控评估指标体系的建立

追本溯源,个人信用评估领域最早起源于1941年,由David Durand最先提出了个人信用评估指标及其评估标准,并运用了判别分析法,对其进行了实际分析.之后,进过一系列的历史演进,进过了三个阶段:线性判别、统计分析以及人工智能分析,发展出了分类树(Makowsik, 1985)、遗传算法(Holland,1975)、神经网络(Odom,1990)以及K-近邻判别分析(Henley,Hand,1997)等多种方法.     

基于特征衍生的个人信用风险评估组合模型研究

在特征选择和特征衍生的基础上,分别基于特征扰动和XGBoost与Lightgbm的算法差异建立了四个单一模型;利用单一模型性能确定权重,构建了个人信用风险评估的线性组合模型.实证分析发现,有衍生特征的四个单一模型的AUC和KS均优于无衍生特征的四个单一模型,有衍生特征组合模型的AUC和KS均优于无衍生特征组合模型.实证结果表明,基于特征衍生的组合模型能显著提升个人信用风险评估的预测性能.     

信用评级的新方法——多元自适应回归样条在民营企业信用评级中的应用

通过建立多元自适应回归样条模型,对民营企业是否违约进行两等级划分,结果表明总体正确率达95.9%,对第二类错误的判别正确率达80%,均高于多元判别分析模型和Logistic回归模型。因此可以证明,多元自适应回归样条模型应用于判别民营企业的信用等级具有较好的实践价值。     

我国农林牧渔业短期贷款企业违约判别实证分析

近几年,我国农林牧渔业短期贷款企业的违约严重程度一直居所有行业之首,从跨行业的角度评估该行业短期贷款企业的违约具有重要意义。本文基于全国跨银行的贷款企业海量数据库样本,针对农林牧渔业的短期贷款企业进行了分规模和分地区样本的多元判别分析模型、Logistic模型与神经网络模型等的构建与实证探索,进而找出了影响我国农林牧渔业企业违约的关键变量,构建了最佳违约判别模型。这些关键变量和判别模型对中国人民银行和各商业银行监测该行业企业的信用风险具有重要的参考价值。     

基于经营决策的财务预警体系构建

以Z计分模型为代表的财务风险预警多元判别模型,是根据上市公司在特定时间段的资料进行统计计算得出的。本文从中小型非上市企业内部决策的实用性角度,提出建立适合企业自身特点的单变量财务预警分析模型,以降低企业的经营与决策风险。     

影响个人信用因素的实证分析

信用评分的过程就是各指标对个人信用影响作用的大小赋予不同的分值权重,依次对过去借款大量人群进行观察和分析来进行个人信用评估过程。国外有DavidDurand信用计分模型和FICO信用分模型,国内的银行也有个人信用评估模型,但是各机构对影响个人信用状况的因素认识不同,侧重点和分值权重是各不相同的。本文通过对山东省内17个地市的1288个有效样本采用logit模型进行回归分析,提出了建立我国个人信用评估指标体系的建议。     

我国农林牧渔业短期贷款企业违约判别实证分析

近几年，我国农林牧渔业短期贷款企业的违约严重程度一直居所有行业之首，从跨行业的角度评估该行业短期贷款企业的违约具有重要意义。本文基于全国跨银行的贷款企业海量数据库样本，针对农林牧渔业的短期贷款企业进行了分规模和分地区样本的多元判别分析模型、Logistic模型与神经网络模型等的构建与实证探索，进而找出了影响我国农林牧渔业企业违约的关键变量，构建了最佳违约判别模型。这些关键变量和判别模型对中国人民银行和各商业银行监测该行业企业的信用风险具有重要的参考价值。     

我国个人信用评分指标体系的应用探讨

个人征信系统是国家信用制度建设的重要组成部分,信用评分是对个人信用状况的量化,因而量化模型指标的有效选取是个人征信系统建设的基础且关键性部分,因此在构建这一体系时必须结合我国国情设计一套切合当前实际的评价指标,以科学的评估标准搭建个人信用体系的框架。本文通过对国内外个人信用评分实例的指标分析,结合我国实际情况及建立信用评分指标的原则来研究怎样建立我国个人信用评分的指标体系,并就此提出建议。     

以主成分分析法构建企业财务危机预警模型

财务危机预警模型的建立,对企业预防和化解财务危机,提高其危机预警管理水平有着重要的意义.目前国内外学者对财务危机预警模型的研究主要集中在多元回归分析模型、多元判别分析模型、神经网络预警模型等模型的构建上,本文将采用主成分分析法,利用上市公司财务数据,构建财务危机预警模型.     

行为评分模型在个人信用评估应用中的实证研究

本文将Logistic模型和马尔科夫链模型相结合,在Logistic模型的基础上综合考虑客户行为状态的变化,将其加入信用评估模型中,得到优于单一运用Logistic模型的结果,据此得到的动态信用评分,为商业银行信贷决策及客户关系管理决策提供更有力的依据。     

对商业银行信用风险监测评价的新思考

为监测评价商业银行信用风险,在对其成因进行深入阐述后,借助聚类分析选取32个单项指标构成评价指标体系.由此建立基于BP算法的三层前向神经网络,通过网络训练,利用网络的自适应、自学习能力,自动获取合适的网络权值与阚值,并采用附加动量法加快网络的收敛速度,基于此对商业银行所面临的信用风险进行评价.仿真试验及实证研究表明了该方法的适用性与可行性.     

非上市中小企业贷款违约率的定量分析——基于判别分析法和决策树模型的分析

本文运用判别分析法和决策树模型对非上市中小企业违约风险进行了分析,并将两种方法的分析结果进行了对比。分析结果表明,两种方法均能较好地判别企业违约的可能性,而采用决策树模型的最大的好处是,除了能够较好地判断企业的违约率之外,它还能够找出影响企业违约的关键性因素。从我们的分析样本来看,商业银行在判断企业的信用水平时,现金流量/总债务的比例、流动资产/流动负债比例是两个非常重要的考察因素。如果银行花精力对它们进行调查、核实,保证其准确性,将大大提高对企业违约率判断的准确性。     

业主信用评分法:小微企业贷款技术的创新

我国小微企业当前的信贷环境,除了企业自身高成本和高风险的因素之外,还与不完善的小微企业贷款定价机制等有关。小微企业的信贷价值和业主的信贷价值是密切相关的,从小微企业主个人的有关信用历史,就可较准确地预期小微企业未来的还款表现,这是业主信用评分法的基本思想。本文总结了业主信用评分法在美国的发展与应用,通过分析我国小微企业贷款信用评分的现状与问题,提出应借鉴业主信用评分法,促进我国小微企业贷款的创新。     

我国个人征信体系建设的目标规划及阶段构想

当今西方发达国家大部分建立起了成熟的个人征信体系,而目前我国的个人征信体系仍处于试点阶段.本文通过实证考察,发现我国在个人征信体系建设中存在着诸如信用立法滞后、个人信用评估缺乏统一标准、各地征信体系目标不统一等问题.因此,在借鉴发达国家先进经验的基础上,作者构建了有中国特色的个人征信体系模式:即选择以银行业为主线,纵向建立基础数据库和横向联网的模式;以地方中介机构为补充,由点到面逐步推开;由政府统一监督管理,最终实现个人信用信息的联合征集、权威评估和信用公示.作者并据此设计了相应的目标规划和具体的阶段构想.     

我国产险公司再保险需求影响因素分析——基于BP神经网络方法的实证研究

本文在对我国产险公司再保险需求影响因素分析的基础上,选取1997年～2010年影响我国产险公司的宏观经济数据与内部企业数据,利用BP神经网络构建模型,对我国产险公司再保险需求进行拟合及测试(预测)分析,并采用MIV方法对各个变量进行相关性分析。本文实证研究结果表明,外部宏观经济因素对我国产险公司再保险需求影响较大,而内部因素影响效果不明显,我国产险公司再保险整体表现出"有效需求不足"的现象。     

中国个人消费信贷状况及风险防范研究

随着个人信用消费的不断扩大,消费信贷的比重不断提高,在整个市场个人信用制度不完善的情况下,个人信贷风险凸现,银行个人信贷中的不良资产率上升。本文从中国消费信贷的总量状况出发,对于银行消费信贷内部结构展开探讨,继而分析消费信贷的客户风险、制度风险及法律政策风险,并以此为基础提出了建立个人信用管理制度、充分利用客户信用分析法、逐步试点个人破产制度、建立银行内控体系及风险转嫁渠道以及完善个人消费信贷的相关法律保障等防范措施。     

基于多级模糊综合评判法的个人信用评分模型研究

为加强对个人信用风险的防范、提高信贷审批质量而提出多级模糊综合评判方法,并设计相应的个人信用评分系统模块和信用评分的交互界面应于个人房贷的审批.通过实例演示发现.该方法克服了以往模型中假设条件的限制,在我国目前信用信息数据收集不完整、信息数据质量不高的情况下有着独到的优势.     

Modelling small‐business credit scoring by using logistic regression,neural networks and decision trees

Previous research on credit scoring that used statistical and intelligent methods was mostly focused on commercial and consumer lending. The main purpose of this paper is to extract important features for credit scoring in small‐business lending on a dataset with specific transitional economic conditions using a relatively small dataset. To do this, we compare the accuracy of the best models extracted by different methodologies, such as logistic regression, neural networks (NNs), and CART decision trees. Four different NN algorithms are tested, including backpropagation, radial basis function network, probabilistic and learning vector quantization, by using the forward nonlinear variable selection strategy. Although the test of differences in proportion and McNemar's test do not show a statistically significant difference in the models tested, the probabilistic NN model produces the highest hit rate and the lowest type I error. According to the measures of association, the best NN model also shows the highest degree of association with the data, and it yields the lowest total relative cost of misclassification for all scenarios examined. The best model extracts a set of important features for small‐business credit scoring for the observed sample, emphasizing credit programme characteristics, as well as entrepreneur's personal and business characteristics as the most important ones. Copyright © 2005 John Wiley & Sons, Ltd.