個人信用評分研究及其發(fā)展

《個人信用評分研究及其發(fā)展》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、個人信用評分研究及其發(fā)展摘要：個人信用評分從類型上看主要分為申請評分、行為評分、利潤評分以及考慮經(jīng)濟(jì)環(huán)境因素的信用評分。如何能在獲取更大利潤的同時將消費(fèi)者信用風(fēng)險控制在最小程度成為各授信機(jī)構(gòu)和學(xué)術(shù)界當(dāng)前研究的重點(diǎn)關(guān)鍵詞：信用評分；申請評分；行為評分；利潤評分；經(jīng)濟(jì)環(huán)境中圖分類號：F014.5文獻(xiàn)標(biāo)識碼：A文章編號：1003-949X(2008)-06-01-03個人信用評分研究從技術(shù)層次上來講，主要經(jīng)歷瞭三個階段，從簡單的分類模型到預(yù)測評分模型，再到?jīng)Q策評分模型。而從評分的類型上看，主要分為個類型即申請評分、行為評分、利潤評分以及考慮經(jīng)濟(jì)環(huán)境因素的信用評分—、申請評分

2、(ApplicationScoring)授信機(jī)構(gòu)接受客戶信用申請時，利用客戶提交的申請表中的特征變量建立評分模型得到申請者的一個信用值，將該值與事先設(shè)定的標(biāo)準(zhǔn)值相比，判斷該申請人逾期的可能性，從而決定是否授出信用及授信額度。這樣的信用評分，稱為申請評分建立評分模型可以運(yùn)用的方法非常多，傳統(tǒng)統(tǒng)計學(xué)方法有判別分析、線性回歸、Logistic回歸等；非參數(shù)方法有最近鄰方法等；運(yùn)籌學(xué)方面則主要采用線性規(guī)劃方法。隨著信息技術(shù)的發(fā)展，近年來許多數(shù)據(jù)挖掘的新方法如神經(jīng)網(wǎng)絡(luò)、決策樹、遺傳算法、專傢系統(tǒng)等陸續(xù)被引入信用評分領(lǐng)域中Durand(1941)首先將判別分析方法用於信用評分，正

3、式系統(tǒng)的提出使用數(shù)理統(tǒng)計模型輔助消費(fèi)者授信決策的觀念，並將Fisher(1936)提出的判別分析法用來區(qū)分'好"的貸款和'壞"的貸款，從而對貸款的信用風(fēng)險進(jìn)行評價，這是個人信用評估從定性分析逐步過渡到定量分析的開端1958年W11iamFair&EarlIsaacs利用判別分析法建立瞭著名的FICO信用評分系統(tǒng)。l^ers&Forgy(1963)采用判別分析和回歸分析方法，利用零售信貸領(lǐng)域消費(fèi)者信用申請表中的數(shù)據(jù)對財務(wù)公司的信用風(fēng)險進(jìn)行瞭預(yù)測。Cfgler(1970)首次將線性回歸分析引入消費(fèi)者貸款的信用風(fēng)險評估，利用線性回歸分析設(shè)計瞭一個評價未償還貸款的評分卡。Fi

4、tzpatrick(1976)、Lucas(1992)、Henley(1995)等也先後將這種方法用於構(gòu)建個人信用評分模型。l^ers&Forgy(1963)認(rèn)為這兩種方法對於降低商業(yè)銀行等機(jī)構(gòu)的壞賬損失有很大的幫助。Reichert(1983)也發(fā)現(xiàn)運(yùn)用這兩種方法構(gòu)建的個人信用評分模型在預(yù)測消費(fèi)信貸風(fēng)險時都表現(xiàn)出瞭很強(qiáng)的穩(wěn)健性。Rosenberg&Gleit(1994)在他們的研究中也表示瞭與Reichert相似的贊同觀點(diǎn)。但Eisenbeis(1977)認(rèn)為隻有在客戶分類較少的時候，基於判別分析和多元線性回歸方法建立的個人信用評分模型才會有好的效Wginton(

5、1980)首次嘗試瞭在信用評分模型中使用Logistic回歸方法，並與判別分析法進(jìn)行瞭比較。但由於Logistic回歸法沒有變量正態(tài)性假設(shè)的要求，因此被學(xué)者認(rèn)為是最適合發(fā)展信用評分模型的理論。並且由於該法使用的前提假設(shè)少，建立的個人信用評分模型具有相當(dāng)?shù)臏?zhǔn)確性和穩(wěn)定性，因此成為瞭設(shè)計個人信用評分模型的主要方法，並且延續(xù)至今最近鄰分析方法最先是由Fix&Hodges(1952)提出的，它是一種標(biāo)準(zhǔn)的非參數(shù)分類技術(shù)，通常被用來解決概率密度函數(shù)的估計和分類問題。它的思想很簡單，就是把預(yù)測目標(biāo)分為兩類,當(dāng)一個新的預(yù)測目標(biāo)加入時，就將其並入最鄰近一類中。Chatterjee&B

6、arcun(1970)首次將最近鄰法用於個人信用評分模型。出nd(1981)利用傢庭貸款的數(shù)據(jù)對最近鄰法與決策樹進(jìn)行瞭比較，結(jié)果最近鄰法得到瞭相當(dāng)高的預(yù)測精度Nftngasarian(1965)第一個意識到可以將線性規(guī)劃方法應(yīng)用於分類問題。但是直到Freed&Gover(1981a,b)的文章發(fā)表以後，才引起瞭更多人的興趣。此後，有關(guān)的研究文獻(xiàn)大量湧現(xiàn)。Joachinsthaler&Stangl990)就這一領(lǐng)域的70多篇文獻(xiàn)進(jìn)行瞭綜述。有些學(xué)者則對統(tǒng)計學(xué)方法與線性規(guī)劃方法的效果進(jìn)行瞭比較，盡管在lhth,Jackson&Jones(1992)的研究中認(rèn)為統(tǒng)計學(xué)方法

7、要比線性規(guī)劃方法好1990年Cdor^1990)首次將神經(jīng)網(wǎng)絡(luò)方法引入信用風(fēng)險評估中。Desai等(1996,1997)、V^st(2000)等人使用神經(jīng)網(wǎng)絡(luò)方法構(gòu)造瞭個人信用評分模型，並通過實(shí)證分析驗(yàn)證瞭在各種特征變量呈復(fù)雜的非線性關(guān)系的情況下，神經(jīng)網(wǎng)絡(luò)方法具有明顯的優(yōu)決策樹方法，也叫分類樹或遞歸分割法，通過使用一種分割方法，將原始樣本集遞歸分割成不相交的子集，目的是使期望損失達(dá)到最小。最早將決策樹方法用於信用評分的研究是Skovski(1985)oCoffnan(1986)將決策樹方法與判別分析方法進(jìn)行瞭比較，發(fā)現(xiàn)當(dāng)變量存在相關(guān)性時，決策樹方法