浅析信用评分模型网(2)
2013-09-30 02:31
导读：3.回归分析法 回归分析法是目前为止应用最为广泛的一种信用评分模型, 这其中以著名的logistic回归为代表。除此之外, 线性回归分析、probit回归等方法亦属
3.回归分析法
回归分析法是目前为止应用最为广泛的一种信用评分模型, 这其中以著名的logistic回归为代表。除此之外, 线性回归分析、probit回归等方法亦属于此类。最早使用回归分析的Orgler,他采用线性回归模型制定了一个类似于信用卡的评分卡, 他的研究表明消费者行为特征比表资料更能够预测未来违约可能性的大小。同规划方法中一样, 假设已经通过一定的方法从样本变量中提取出了若干指标作为特征向量, 回归分析的思想就是将这些指标变量拟合成为一个可以预测申请者违约率的被解释变量, 自然就是违约率p,回归分析中应用最广泛的模型当属线性回归模型,它是对大量的数据点中表现出来的数量关系模拟出一条直线，回归分析的目标就是使目标变量值和实际的目标变量值之间的误差最小。因此最早将回归方法应用于信用评分研究的模型，就是简单的线性回归模型，目前基于logistic回归的信用评分系统应用最为普遍。
回归模型的优点:容易解释和使用；自变量可以是连续性的，也可以是类别性的;许多直观的指标来衡量模型的拟合度。缺点：不能有效处理缺失值，必须通过一定的数据加工和信息转换才能处理；模型往往呈线形关系，比较难把握数据中的非线形关系和变量间的互动关系，而且模型假定变量呈正态分布；模型受样本极端值的影响往往比较大。
4.人工神经网络法
近些年来, 随着信用评分领域的研究深入, 有学者将人工智能领域的一些模型算法引入到了信用评分研究中, 人工神经网络模型为典型代表。人工神经网络是由大量简单的基本元件——神经元相互连接而成的自适应非线性动态系统,是一种把各种投入要素通过复杂的网络转换成产出的信息加工结构。神经网络模型本质上所解决的问题仍是分类或者说模式识别问题, 但其原理却与其做方法迥然相异。人工神经网络有多种模型, 比如BP神经网络、RBF神经网络、Hopfield网络等。BP神经网络为目前研究最为成熟、算法最为稳定同时应用也最为广泛的一种神经网络模型。
中国大学排名
神经网络模型的优点：有效地捕捉数据中非线性，非可加性的数量关系；适用于二元性，多元性和连续性的目标变量；能处理连续性和类别性的预测变量。缺点：基本上是一个黑箱方案，难以理解；如果不经过仔细控制，容易微调于样本数据，从而不具备充分的抗震荡性和稳定性。
三、结语 信用评分作为一种严谨的基于
统计学等理论的决策手段, 正在逐渐被我国商业重视。信用评分系统的建设在我国属于起步阶段,应逐步建设适合我国特色的、高水平的信贷决策支持制度不但需要借鉴国外已有的理论研究成果和实践方案, 更需要我界的创新或结合我国本土数据的实证研究。
参考文献:
[1]陈 建:信用评分模型技术与应用.中国出版社,2005
[2]郭敏华:信用评级.中国人民出版社,2004
[3]孙 薇:浅析信用风险评价方法.沿海企业与科技,2005
