蓋方 楊穎 解佳琦

摘要：隨著個(gè)人信貸在銀行貸款業(yè)務(wù)中的比例不斷上升，建立一個(gè)完善、自動(dòng)化的個(gè)人信用評(píng)估體系來保證銀行的信貸收益十分重要。針對(duì)此現(xiàn)象，先建立了基于GA-BP神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)分預(yù)測(cè)模型，然后利用了因子分析與AHP模型建立了用戶信用等級(jí)的劃分體系，最后根據(jù)信用評(píng)分高低將信用等級(jí)劃分為：AA，A，BB，B，CC，C6個(gè)等級(jí)，完善了銀行個(gè)人信用評(píng)估體系，為金融機(jī)構(gòu)規(guī)范個(gè)人信貸管理、減少投資風(fēng)險(xiǎn)起到重要的作用。

關(guān)鍵詞：個(gè)人信用評(píng)估;BP神經(jīng)網(wǎng)絡(luò);層次分析

0引言：

隨著市場(chǎng)經(jīng)濟(jì)、法治進(jìn)程的推進(jìn)，中國(guó)某些缺乏市場(chǎng)秩序和道德規(guī)范的低信用度市場(chǎng)面臨著巨大的挑戰(zhàn)。對(duì)于個(gè)人信用評(píng)估問題，從銀行角度來講，失去了業(yè)務(wù)拓展的空間。國(guó)際金融界普遍認(rèn)為，企業(yè)貸款相當(dāng)于批發(fā)性業(yè)務(wù)，利率低、風(fēng)險(xiǎn)集中。而消費(fèi)信貸相當(dāng)于零售性業(yè)務(wù)，利率高、風(fēng)險(xiǎn)分散。在銀行的資產(chǎn)業(yè)務(wù)中，消費(fèi)信貸含金量極高，建立較為完善的個(gè)人信用評(píng)估系統(tǒng)必不可少。

1.基于GA-BP神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)分模型建立：

1.1 BP神經(jīng)網(wǎng)絡(luò)前饋計(jì)算

BP網(wǎng)絡(luò)是多層前饋型網(wǎng)絡(luò)的典型代表[1]，它由三個(gè)神經(jīng)元層組成：輸入層、中間層和輸出層，相鄰之間的各神經(jīng)元實(shí)現(xiàn)全連接。BP網(wǎng)絡(luò)中，輸入向量為X，且其中第i個(gè)節(jié)點(diǎn)的輸出記為zi;隱含層的輸出向量為Y，且，其中第j個(gè)節(jié)點(diǎn)的閾值[3]記為γj，隱含層第j個(gè)節(jié)點(diǎn)與輸入層第i個(gè)節(jié)點(diǎn)的連接權(quán)記為vji;輸出層輸出向量為O，且，其中第k個(gè)節(jié)點(diǎn)的閾值記為θk，輸出層第k個(gè)節(jié)點(diǎn)與隱含層第j個(gè)節(jié)點(diǎn)的連接權(quán)記為wkj。期望輸出向量為D，且。隱含層各單元輸入、輸出為：

1.2個(gè)人信用評(píng)分網(wǎng)絡(luò)的建立與誤差計(jì)算：

通過SPSS隨機(jī)抽取80%的客戶數(shù)據(jù)的（560個(gè)高信用度客戶和240個(gè)低信用度客戶）作為訓(xùn)練集[2]，利用信用評(píng)價(jià)指標(biāo)作為輸入層，銀行信用評(píng)分作為輸出層通過MATLAB進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)在第2282次迭代后停止計(jì)算，此時(shí)R=0.8761大于0.8，神經(jīng)網(wǎng)絡(luò)表現(xiàn)良好。利用剩余的20%的客戶數(shù)據(jù)對(duì)所建立的模型進(jìn)行信用評(píng)分計(jì)算，調(diào)用MATLAB var（a）函數(shù)與真實(shí)值對(duì)比求解，解得誤差為：9.37%。

2.基于因子分析和AHP的信用等級(jí)劃分：

表1是巴特利特球度檢驗(yàn)和KMO檢驗(yàn)，觀察可得：k值接近0.6，sig<0.05，故可以進(jìn)行因子分析[4]。

2.1? AHP模型的建立與引入：

對(duì)10個(gè)指標(biāo)如圖進(jìn)行分層利用MATLAB語(yǔ)言求矩陣A的最大特征值得：λ=3.0183采用T.L.Saaty一致性檢驗(yàn)：CI=（λ-n）/（n-1）。根據(jù)Saaty的隨機(jī)一致性檢驗(yàn)，得RI=0.90一致性比例：CR=0.0158<0.1，通過一致性檢驗(yàn)。

通過MATLAB進(jìn)行歸一化處理得到各指標(biāo)權(quán)重：

W=0.0757，0.1483，0.0926，0.0403，0.0527，0.1684，0.0685，0.1470，0.0611，0.1454。

W即為各個(gè)指標(biāo)對(duì)信用等級(jí)的影響權(quán)重。

將信用評(píng)分劃分為6個(gè)等級(jí)：AA，A，BB，B，CC，C依次對(duì)應(yīng)3.6-3.0，3.0-2.4，2.4-1.8，1.8-1.2，1.2-0.6，0.6-0的信用評(píng)分。根據(jù)權(quán)重對(duì)GA-BP神經(jīng)網(wǎng)絡(luò)的到信用評(píng)分進(jìn)行加權(quán)的到用戶最終的信用評(píng)分，從而進(jìn)行評(píng)定信用等級(jí)，具體如表2所示：

3.結(jié)論：

本文采用BP神經(jīng)網(wǎng)絡(luò)對(duì)客戶信用指標(biāo)進(jìn)行信用評(píng)分計(jì)算，建立的GA-BP神經(jīng)網(wǎng)絡(luò)信用評(píng)分計(jì)算模型，優(yōu)化算法是的誤差降低至2.31%，最后引入因子分析優(yōu)化下的AHP模型做到了客戶信用等級(jí)的精確分類，提供了一套有效的銀行個(gè)人信用評(píng)故體系。

參考文獻(xiàn)：

[1]胡霄楠，史忠利BP神經(jīng)網(wǎng)絡(luò)在雷達(dá)故障診斷中的應(yīng)用研究。計(jì)算機(jī)測(cè)量與控制2006，14 （12）：1660——1662。

[2]鐘穎，汪秉文?；谶z傳算法的BP神經(jīng)網(wǎng)絡(luò)時(shí)間序列預(yù)測(cè)模型。系統(tǒng)工程與電子技術(shù)。2002，24 （4）。

作者簡(jiǎn)介：蓋方（1997—）女，漢族，安徽淮北人，本科，研究方向：信息管理與信息系統(tǒng)。