基于FPFF-Blending模型融合的个体工商户信用评价研究

个体工商户信用评价研究往往通过单一机器学习模型建立,其预测精确率较低,抗干扰能力较弱。基于特征金字塔的FPFF特征融合算法,应用于Blending模型融合框架,建立个体工商户信用评价异质融合模型,并赋予模型可解释性,综合解决单一模型稳定性较差、原有Blending框架融合模型过拟合、融合模型缺乏可解释性的问题。通过对个体工商户数据集进行实证实验,结果表明：融合模型较单一机器学习模型在个体工商户信用评价场景下具有更优的预测性能和泛化能力。     

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。     

基于BP神经网络的P2P网贷个人信用风险评估

针对我国日益凸显的P2P网络借贷业务的信用风险控制问题,构建一个有效的P2P网贷借款人的信用风险评估模型,以促进我国P2P网贷行业的可持续发展。通过文献资料收集及分析,选取对借款人信用具有影响的指标并量化,建立P2P网贷借款人的信用评估指标体系,构建基于BP神经网络的信用风险评估模型,通过人人贷平台的相关数据进行仿真,验证模型的有效性。仿真结果表明,该模型适用于P2P网贷借款人信用风险评估。     

神经网络技术在客户信用评价中的应用

本文采用科学计算模型的方法实现了客户信用评价。该模型主要利用神经网络的反向传播(Back Propagation,简称BP)算法和收敛速度快、诊断正确的特点,建立了一个适合于企业客户信用评价的通用模型。同时对客户信用评价中的评价指标参数选择、数据收集与处理、构造BP网络模型以及BP网络计算进行了重点探讨。     

信用评分模型在信贷审批决策中的应用探讨

文章对信用评分模型在信贷审批决策中的应用进行了探讨,指出信贷审批流程和信用评分模型对防控信用风险起了重要作用,介绍了三种决策方式,一是应用外部信用评分结果的数据化风险决策机制,确定信用风险;二是运用数据构建模型从而得出信用评分结果,可以分为专家评分模型、半监督评分模型和监督评分模型三大类,用于贷前审批阶段;三是将外部评分和内部评分结果进行融合组合成决策矩阵,用于信贷审批决策的依据。三种方式的应用为信贷业务的贷前风险控制提供了解决思路。     

基于BP神经网络的P2P网贷借款人信用风险评估研究

近年来我国P2P网络借贷业务快速发展,然而行业内的信用风险也日益凸显,持续性的平台倒闭以及借款人违约等事件屡见不鲜,因而对网贷信用风险的事前有效评估将直接关乎我国网贷行业的未来可持续发展。本文根据网贷业务特点,筛选出对网贷借款人行为具有影响的特征指标,建立网贷借款人信用风险评估指标体系,构建基于BP神经网络的信用风险评估模型,选取拍拍贷和人人贷的借款人交易数据进行训练仿真。实证结果表明BP神经网络模型能较好拟合网络信用环境下对网贷借款人信用风险的评估,模型具备较高的预测准确率,适用于平台和投资者甄选优质借款人。基于实证分析结果,文章进一步提出了规范网贷平台健康可持续发展的对策建议。     

基于非线性组合模型的P2P网贷平台危机预警研究

针对P2P网贷平台现金流较大、利润率较低和财务数据获取困难的特点,构建基于平台交易真实数据的危机预警评价指标体系和组合预测模型.将传统的财务评价指标转换成网贷平台交易数据指标,运用邻域粗糙集属性约简的方法对采集的数据指标进行降噪和约减处理,再基于机器学习理论引入神经网络、支持向量机和Logit回归等模型对数据进行训练.通过分组进行单模型和组合模拟预测,提高了新的破产指标下各模型预测的准确率.     

基于BP神经网络的网贷借款人信用评级研究

为解决我国P2P网贷平台借款人的信用评级问题,分析了影响借款人信用的主要因素,参照我国商业银行借贷信用评级方法和我国主要P2P网贷平台借款人的信用评级指标,用网络爬虫爬取"拍拍贷"的数据,采用BP神经网络构建P2P网贷平台借款人的信用评级模型,并用动量项法进行算法优化。运算结果表明,该模型可以准确评估借款人的信用风险等级,提升网贷平台的风险管理管理水平。     

互联网金融个人信用风险评估的指标选择方法

完善的个人信用风险评估体系是降低信用风险的决定性因素,而风险评价指标的构建是信用评估的基础。本文选取Prosper.com网贷平台2005年至2014年间部分信贷数据进行实证,研究了主成分分析法(PCA)在筛选信用评估指标上的应用,在此基础上结合支持向量机(SUM)技术,建立评估模型进行验证。结果表明,采用主成分分析法可以有效地剔除无关变量和冗余变量,提高互联网金融个人信用评估的预测精度。     

基于BP神经网络的工程项目风险评价

本文根据工程项目在施工中经常遇到的风险,建立风险指标评价集对工程项目进行综合评价,旨在使管理者能够事前对风险有充分的了解,在此基础上积极应对。本文根据BP神经网络的自组织,自学习和反向传播性的基本原理建立模型,并通过matlab软件中的神经网络工具箱实现模型的运行。     

Forecasting bank loans loss-given-default

With the advent of the new Basel Capital Accord, banking organizations are invited to estimate credit risk capital requirements using an internal ratings based approach. In order to be compliant with this approach, institutions must estimate the loss-given-default, the fraction of the credit exposure that is lost if the borrower defaults. This study evaluates the ability of a parametric fractional response regression and a nonparametric regression tree model to forecast bank loan credit losses. The out-of-sample predictive ability of these models is evaluated at several recovery horizons after the default event. The out-of-time predictive ability is also estimated for a recovery horizon of 1 year. The performance of the models is benchmarked against recovery estimates given by historical averages. The results suggest that regression trees are an interesting alternative to parametric models in modeling and forecasting loss-given-default.     

手机分期消费贷款信用风险研究——基于RF-Logistic模型的实证分析

识别手机分期消费贷款违约因子是防范手机消费贷款业务信用风险的关键所在。为此,基于融合随机森林（RF）和逻辑回归（Logistics）两阶段模型,通过数据挖掘揭示风险特征重要性含义,并结合经济计量方法诠释异质性客户信用违约的基准逻辑。结果表明：入网时长、终端个数、客户月流量、终端时长是影响手机分期消费贷款客户信用风险的重要性特征变量,且边际影响分别为-0.039%、3.18%、-0.01%、-1.06%,模型泛化能力强,准确率达到74%。所以,要完善手机分期消费贷款信用风险管理应从交叉数据获取、社交网络、兴趣热点和消费习惯等方面着手。     

我国商业银行贷款定价的最优化模型设计

随着我国加入WTO,国内金融市场逐步与国际金融市场接轨,国家也逐渐放开对企业贷款利率上限的管制,商业银行可以根据信贷市场需求确定合理的贷款价格,使贷款利率能充分补偿银行所承担的信用风险以确保安全性和赢利性。本文首先阐述目前商业银行贷款定价方法中存在的问题,指出由于我国信贷市场中普遍存在信息不对称这一情况,已经严重影响了商业银行的经营和决策水平;再结合委托-代理框架,套用最优控制理论,给出一个信息不对称时的合理的贷款定价模型;最后针对如何有效提高我国商业银行运作和管理水平给出一些操作性建议。     

Interpretable credit model development via artificial neural networks

Poor credit granting decisions are coming back to haunt providers of loan finance. Past poor credit granting decisions are in part due to the Equal Credit Opportunity Act (1975). This act requires lenders to explain the decision to grant or refuse credit. As a result, models such as artificial neural networks, which offer improved ability to identify poor credit risks but which do not offer easy explanations of why a loan applicant has scored badly, remain unused. This paper investigates whether these models can be interpreted so that explanations for credit application rejection can be provided. The results indicate that while the artificial neural networks can be used (with caution) to develop credit scoring models, the limitations imposed by the credit granting process make their use unlikely until interpretation techniques are developed that are more robust and that can interpret multiple hidden-layer artificial neural networks. Copyright © 2008 John Wiley & Sons, Ltd.     

KMV模型对我国上市公司信用风险度量的实证研究

信用风险已成为当今金融市场的重要风险。随着金融市场许多新情况和新问题的出现．建立新的适用我国信用风险管理水平的度量模型显得十分重要。本文针对我国特有的经济环境,运用并修正KMV模型,基于市场价格变动信息评价我国证券市场上绩优公司与绩差公司的信用风险．通过实证来检验模型识别上市公司信用风险的能力,结果表明该模型能较好的识别这两类公司的信用风险,最后对我国建立信用风险管理体系提出政策建议。     

住房按揭还款新模型研究

住房按揭还款主要采用等额还款和等本还款两种方式,这主要适用于前后收入较均衡的居民,但对前后期收入差异大的居民可能出现贷款风险。本文以按揭等额还款的现金流分析为切入点,在假定所选各还款区间的月数相等且能整除贷款期限总月数的基础上,建立区间递增(递减)还款的数学模型,并依此模型设计了简便实用的还款因子表,为住房按揭提供两组新模型、四种还款方式,使区间递增(递减)还款在理论上科学化,在实际操作中可用、简便易行。     

信贷调控力度加强背景下商业银行经营的新特点

该文分析了2010年以来在信贷调控力度加强的背景下,国内商业银行经营出现的新特点,指出信贷调控政策的变化在促进商业银行调整信贷投向结构、转变经营方式的同时,也对商业银行完善经营管理水平提出了新的要求。下一阶段,商业银行在优化资产结构、提高贷款定价水平和发展中间业务等方面还有待提高。     

Detecting Accounting Fraud in Publicly Traded U.S. Firms Using a Machine Learning Approach

We develop a state-of-the-art fraud prediction model using a machine learning approach. We demonstrate the value of combining domain knowledge and machine learning methods in model building. We select our model input based on existing accounting theories, but we differ from prior accounting research by using raw accounting numbers rather than financial ratios. We employ one of the most powerful machine learning methods, ensemble learning, rather than the commonly used method of logistic regression. To assess the performance of fraud prediction models, we introduce a new performance evaluation metric commonly used in ranking problems that is more appropriate for the fraud prediction task. Starting with an identical set of theory-motivated raw accounting numbers, we show that our new fraud prediction model outperforms two benchmark models by a large margin: the Dechow et al. logistic regression model based on financial ratios, and the Cecchini et al. support-vector-machine model with a financial kernel that maps raw accounting numbers into a broader set of ratios.     

我国商业银行绿色信贷建设的思考与政策建议

与西方银行相比,我国商业银行在开展绿色信贷过程中,既面临有利机遇,也需要应对更多挑战。目前,我国商业银行绿色信贷建设虽已渐成体系,但在政策、产品、风险管理前瞻性以及评估专业性等方面仍存在不足。未来,我国商业银行应充分依托国内监管要求和借鉴国外最佳实践,从完善政策体系、加强环保风险调查评估、做好贷后监测检查、创新信贷产品、发展绿色金融业务等方面着手,全面、深入推进绿色信贷建设。     

《新资本协议》对商业银行信贷运行的影响——兼论其宏观经济效应

《新资本协议》的出台和实施是银行监管历史上一个具有里程碑意义的事件。本文认为,《新资本协议》特别是内部评级法极大地提高了资本监管的风险敏感度,将对商业银行的信贷增长方式、信贷结构调整和贷款损失准备计提、以及宏观经济运行产生一定的影响。按照目前我国商业银行资本充足水平和资产质量,无论是实施标准法还是内部评级法都将强化信贷扩张的资本约束效应。我国应慎重选择《新资本协议》的实施时机,避免由此对信贷供给和宏观经济运行造成的负面冲击。