《文献综述》参考范例

基于多分类器的个人信用评估模型研究文献综述作者：XXX【摘要】随着我国经济的快速发展，信用消费已逐步浮出水面，信用卡个人消费贷款的规模正在迅速扩大，各商业银行均把发展信用卡业务作为未来发展战略的重要组成部分。由于目前国内商业银行对信用卡业务的风险管理水平较低，管理方法比较落后，缺乏一套行之有效的个人信用评分方法也阻碍着信用卡业务的进一步发展。本文在基于前人研究的基础上，通过研究各种常用于建立个人信用评估并进行分析比较，并从中选择出一些适用、合理的方法来进行毕业设计的实验。【关键词】个人信用;评估模型;逻辑回归;判别分析;人工神经网络1.序论随着经济的快速发展，我国个人信贷业务，包括住房贷款、汽车消费贷款、信用卡业务在内的各种零售类贷款业务的规模正在迅速扩大。银行业的发展和人民生活水平的提高，使得个人和银行业联系越来越紧密，个人通过个人消费贷款和个人信用贷款与银行发生直接的关系[1]。银行业积极适应变化的市场环境，将零售业务提高到战略高度，个人信用体系的建立势在必行。同时，受金融危机的启示，一个适合的信用评估体系能够有效减少银行风险。因此，如何有效对个人信用进行评估、对个人信用风险加强防范措施，便成为了商业银行在竞争市场上的有利武器。个人信用风险管理在国内，已经受到越来越多的关注。2.研究背景我国的个人信用制度建设是在“九五”末期国内市场出现疲软、内需不足的形势下提出并开始起步的，是随着商业银行个人消费信贷业务的增加而产生的客观要求[2]。近年来个人消费信贷业务在我国迅速发展，它在刺激消费需求、引导资金流向以及提高我国居民生活质量等方面都发挥着重要作用。然而我国个人信用体系建设起步较晚，与欧美等发达的信用体系相比，我国个人信用体系还不健全，发展程度较低，还没有形成相对完善的体系。首先，各家商业银行对个人信用等级的评估有各自不同标准，所以可能出现各评估机构对同一客户得出的不同评估结果，甚至完全相反的结果，这样既不利于个人信用体系在全国范围内推广，也不利于与国际的接轨；其次，我国个人信用评估指标体系的设计也存在不足，需要在以后的发展中逐步完善[3]。目前，虽然建立我国个人信用制度的经济条件已基本达到，但另一项不容忽视的问题就在于我国法律体系的不完善。同时，在配套政策方面，目前我国社会保障制度、个人破产制度、个人账户制度、个人财产申报制度等尚未出台，导致个人及其家庭的收入状况不透明，不但隐藏着严重的法律与道德风险，同时也使个人资信评估难以向国家机关和企事业单位推广[4]。专业人才的缺乏相对日益发展的信用管理行业以及个人信用体系所需的人才需求来说仍有很大的缺口。我国针对信用方面的立法仍有待完善。惩罚机制不健全且惩罚力度较小，不足以对社会的各种失信行为形成强有力的法律规范和约束。3.研究意义随着商业银行的快速发展，个人信贷业务已经成为国内商业银行主要支柱业务之一。在发达的市场经济里，信用是个人经济行为的立足之本。个人信用风险评估是商业银行至关重要的领域，对商业银行来说，区分出好的借贷者和坏的借贷者是非常重要的。个人信用评估体系的建立是一项复杂的系统工程，是金融机构进行放贷的关键考察因素，也是信用社会发展的必然要求。研究科学合理的个人信用评估的方法将推动商业银行个人信用业务的拓展，随着网络的高速发展，在一定层度上解决了我国商业银行个人信贷业务手续繁杂、环节过多的劣势问题，在科学的基础上，简化手续、提高工作效率，为贷款客户提供更为优质、方便、快捷的服务，提高了商业银行在个人贷款业务领域的竞争能力与贷款管理水平[5]。同时，选择运用科学合理的评估方法，确定贷款申请人的信用等级，并施以不同的信贷策略，提高对个人信贷决策的科学性与准确性，从而防范贷款风险，提高贷款质量和效益。4.研究现状4.1国内研究现状从国内研究现状来看，由于历史和体制的原因，我国关于个人信用风险理论的研究起步较晚，从国内已有的有关个人信用的著作来看，主要集中于引进外国的个人信用评估方法，并基于我国个人信用评估的实际情况探讨我国建设个人评估体系中所涉及的法律、组织机构、征信数据开放以及个人信用评估指标体系等问题。随着改革开放进程的推进，国内经济迅速发展，我国个人信贷业务经过从无到有，信贷产品从零星到多样化，不断进步与壮大。个人综合授信业务作为近几年受客户追捧的信贷产品，其运作模式是先评级，后授信，再单笔置用，这就说明评好级，选准客户是综合授信业务的良好开端和关键。对客户信用评级的准确与否直接关系到贷款的质量与银行的风险水平[6]。个人信用评估是商业银行中个人信用体系建设的关键。目前，传统的主观判断客户信用水平的方法已失去了其先前的优越性，国外一些较完善的个人信用评分方法在我国又缺乏运用条件，而且在预测精度和效果的稳定性方面存在较大争议。鉴于我国商业银行经营风险和个人信用体系建设现状，根据某商业银行的大样本数据，我国通常利用决策树算法来建立个人信用评估决策树，为信用信息的分析提供一组判断规则[7]。4.2国外研究现状从现代个人信用的诞生至今，已经有近百年历史，在这一过程中，国外学者对个人信用评估进行了大量的研究。从20世纪80年代起，个人信用研究进入高速发展阶段，目前这方面已经出版了许多颇有影响的著作，关于个人信用方面的学术文章也层出不穷，这些研究成果极大地推进了个人消费市场规模的扩展，有效地拉动了市场需求，促进了各国的经济发展。由于信用评估问题受诸多因素的影响，目前的金融理论尚不能对这一问题在理论上做出满意的解释，国外商业银行通常根据历史上每个类别(按期还本付息、违约)的若干样本，从已知的数据中发现其规律，从而总结出分类的规则，建立判别模型，用于对新样本的识别。而学界对个人信用评分研究，早期多局限于模型的设计，近年来则将个人信用评分视为一个集数据预处理、指标体系筛选、模型设计为一体的系统评估方法。针对信用评估的非线性特征，一些学者尝试将统计学、数据挖掘以及机器学习等数据挖掘领域的最新成果，如多元判别分析、遗传算法、神经网络技术和支持向量机等算法应用于个人信用评分研究的各个环节，推动了信用评分研究的快速、全面发展[8]。总结国内外部分学者所用的指标体系，可以归纳出他们主要考虑的指标包括：年龄、性别、婚否、工作性质、工作行业、工作稳定性、工作时间、在居住地时间、房屋保险收入及其变化、应征税资产拥有的其他资产银行账户信用报告、被查询的次数、已有无抵押贷款数额和个数、贷款数额是否有担保、信用时间长度、是否有其他贷款、是否有存款帐户等[9]。5.研究方法在前人的基础上，使用科学严谨的方法分析个人信用，个人信用评估方法起源于1941年DavidDurand，从1936年Fisher的意向实验中获得启示，将线性判别方法引用到信用评估系统，该方法至今仍是重要的评估方法；随后，基于统计学与运筹学相结合的信用评估方法，形成了古典信用分析模型，其中包括了基于线性回归(LinearRegression)、逻辑回归(LogisticRegression)以及Probit回归(ProbitRegression)的回归分析；目前，人们已经开始将人工智能方法及非参数统计模型在信用评估中进行尝试，从而开发出了分类树、神经网络、支持向量机以及K一临近判别等多种方法。5.1判别分析信用评价模型中，判别分析是信用分析中最早使用，也是最常使用的方法，操作性及预测能力较强。但其最大缺陷是模型的假设条件过于严格。判别分析法最初是二十世纪五六十年代由Fisher提出的，其原理是根据观察到的一些统计数字特征，对客观事务进行分类，以确定事务的类别。判别分析方法要求通过历史上每个类别的若干样本，总结出分类的规律性，建立判别公式。5.2逻辑回归逻辑回归对于解释指标分布没有假设的严格限制，因此建立的个人信用模型具有相当的稳健性和数据处理的优越性；不限定特征变量的性质，比较适合于处理解释变量为离散变量或者是性别、职业、学历等定性变量；可以对每个变量分别进行显著性检验。因此，逻辑回归模型成为了设计个人信用评价模型的主要方法，并且延续至今。5.3神经网络神经网络是目前为止一个公认的较好的方法，但是神经网络也存在一些固有的缺点，主要在于：其对样本数量要求很高，不支持小样本数据；其网络结构难以确定，没有一个规范的模式来构造网络结构，每一次训练都需要大量人为随机调试，工作量很大；缺乏相关的统计理论基础，模型的结果对实际问题缺乏解释能力。5.4决策树决策树算法作为数据挖掘应用最广泛的分类方法之一，有着准确率高、简单、高效等优点，既能处理数值型的数据如“家庭收入”、“申请贷款额度”、“抵押品价值”等，也可处理“性别”、“学历”、“职业”等非数值型数据，因此适用于商业银行进行个人信用评级。决策树是Quinlan在Hunt的概念学习系统GLS（ConceptLearningSystem）上发展起来的一种自顶而下的分类方法。它通过对一组训练样本的学习，构造出决策型的知识表示。决策树的每个内部节点表示在一个属性上的测试，每个分支代表一个测试输出，而每个树叶节点代表类或类分布，树的最顶层节点是根节点。对于一个新分类，样本的属性值在决策树上作测试。路径由根到存放该样本预测的叶结点，并把其结果转化为分类规则。5.5支持向量机支持向量机是一种基于结构风险最小化的非线性辨识方法，其推广能力很强，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，已在很多领域得到广泛使用支持向量机的基本思想是将输入空间的样本通过非线性变换映射到高维特征空间，然后在特征空间中求取把样本线性分开的最优分类面。支持向量机方法就是通过一个非映射p，把样本空间映射到一个高维乃至无穷维的特征空间中（Hilbert空间），使得在原来的样本空间中非线性可分的问题转化为在特征空间中的线性可分的问题。简单地说，就是升维和线性化。升维，就是把样本向高维空间做映射，一般情况下这会增加计算的复杂性，甚至会引起“维数灾难”，因而人们很少问津。但是作为分类、回归等问题来说，很可能在低维样本空间无法线性处理的样本集，在高维特征空间中却可以通过一个线性超平面实现线性划分（或回归）。一般的升维都会带来计算的复杂化，SVM方法巧妙地解决了这个难题：应用核函数的展开定理，就不需要知道非线性映射的显式表达式；由于是在高维特征空间中建立线性学习机，所以与线性模型相比，不但几乎不增加计算的复杂性，而且在某种程度上避免了“维数灾难”。相类似的，K一近邻法和分类树法在个人信贷分析中并没有得到广泛的应用，原因之一就是它们的评估计算过程中的数据量和计算量都十分可观，另一方面，这些智能方法在处理小样本数据时的功能非常有限，而且由于实际数据往往包含噪声等不确定成分，所以依据训练样本建立的模型并不能完全判别所有类别的样本。6.总结随着消费信贷规模的扩大，如何提高信用评估准确率已经成为信贷行业的一个重要问题，因为信用评估准确率哪怕只有很少的提高都会给信贷机构带来很大的利益收获。本文介绍了个人信用的重要意义和研究背景，以及近年来国内外在个人信用评估模型分析中研究的不同的方法。通过研究这些方法，在前人的基础上找出更加适合、科学的方法来构建更有效的个人信用评估模型就是我的实验内容。通过这些研究我们可以看出不同的方法和变量比较会产生不同的效果，如果放在同一条件下比较，也许可以得出在某种情况下比较合理的模型，当然，还需要我继续研究。参考文献[1]张微.基于数据挖掘的个人信用评估技术研究[J].黑龙江科技信息，2013，1-2.[2]叶晓娇，李汪根，黄尧颖.支持向量机在个人信用评估中的应用[J].计算机技术与发展，2011，1-2.[3]马宁，廖慧惠.基于神经网络规则抽取的个人信用评估模型研究[J].软件，2011，1-2.[4]钟余，李小琳.个人信用评估综述：方法总结及未来研究方向[J].中国科技信息，2011，2-3.[5]武翊.基于CART的商业银行个人信用评估模型研究[J].管理学家，2013，1-2.[6]黄炎.基于Matlab的个人信用评估线性规划模型时代金融（下旬），2014，1-2.[7]金茜，邓旭东.基于FAHP的