投票式組合預測模型在個人信用評估中的應用研究.pdf

1、商業(yè)銀行的個人信用評估一直是我國現(xiàn)有經(jīng)濟形勢下迫切需要完善的問題，也一直都是學術(shù)界研究的焦點。目前我國的商業(yè)銀行已經(jīng)在踐行一些信用風險評估的辦法，但是由于很多現(xiàn)實性問題的制約，比如我國缺少一個健全的個人信用數(shù)據(jù)庫、指標體系混亂、各商業(yè)銀行的個人信用評估各成體系，缺乏統(tǒng)一的標準等等，都嚴重制約著一套科學合理的信用評估系統(tǒng)的建立。在以往的研究中，很多學者都討論了組合式預測模型的構(gòu)建，也在該方面做了大量的實證研究。發(fā)現(xiàn)組合式模型在性能上確實優(yōu)

2、于單一的預測模型。
　　但是近些年，組合式模型的發(fā)展有所減慢，這主要是由于在權(quán)重的確定方面遇到了瓶頸。權(quán)重的存在會使單一模型之間發(fā)生相互影響，如果無法得到科學合理的權(quán)重，就會使模型在組合的過程中損失精度，影響最后的預測效果?；谶@樣的情況，申報國家自然基金項目的重要課題之一《個人信用非線性組合評分模型及其動態(tài)優(yōu)化研究》提出建立非線性的組合預測模型，并對模型進行動態(tài)優(yōu)化。本文作為該項目的一部分，提出了基于貝葉斯算法的投票式組合模型的

3、思想，并選擇了三個國內(nèi)外個人信用評估領域使用較多的、國際上目前較為流行并公認很成熟的個人信用評估方法來作為單一模型，他們分別是Logistic回歸、聚類分析和神經(jīng)網(wǎng)絡，用他們的投票結(jié)果作為組合模型的輸入。由于該方法建立于單一模型決策后的組合，單一模型具有同等的表決權(quán)，它們之間互不影響，這充分發(fā)揮了單一模型的優(yōu)勢，減少了由于權(quán)重確定產(chǎn)生的誤差。而且基于貝葉斯后驗概率結(jié)果的分類，充分利用了先驗知識，并修正了先驗概率，使決策更具有科學性和可信