赞
踩
对银行信贷来说,如何量化客户违约的可能性,对潜在的风险进行预测是管理决策层关注的重中之重。面对复杂的信息结构和庞大的人群数据,运用贝叶斯网络能够理清相关影响因素的关联关系,是现在提高信贷违约风险预测正确率的有效方法;将能够影响贷款拖欠的因素引入到因果关联的网络结构中,计算出各类指标对拖欠的影响程度,并且对比评估、分析每个模型的预测效果,选择合适的模型进行贷款管理,能够判断是否对特定人群继续放贷,提高了风险管理的能力。
研究模型 | 软件 | 日期 |
---|---|---|
贝叶斯神经网络 | SPSS Modeler | 2019年1月2日 |
近年来金融业改革形成的新局面,银行借贷业的各种消费贷款规模不断扩大,不同种类的小额贷、大额贷逐渐成为优势品种。随着新常态下社会经济和经营环境等内外综合因素作用更加复杂,客户拖欠贷款的数量与日俱增、贷款违约现象层出不穷,小型银行企业遇到的风险逐渐增大。因此,预测潜在的“老赖”可能用户就可以对这些客户减少贷款额度或者是提供其他产品,这对银行加强风险管理是一个有效途径。
贝叶斯网络(Bayesiannetwork)是一种概率推理方法,是目前大数据挖掘和人工智能领域的探索热点。因为其具有新颖性,此前的研究侧重于贝叶斯网络运在操作风险管理的运用,但是针对其本身的解读、结合案例的实操较少,如何将贝叶斯网络和具体问题进行结合,进而分析、预测银行给具体客户的贷款风险,是缺乏讨论热度的。
(一) 研究目标和研究方法:
本文旨在运用贝叶斯网络方法,将无法看出表面联系、属性复杂的各种因素结合起来构建概率模型,以此预测潜在偿还贷款可能存在问题的客户,给出建议进行风险控制,以此来减少银行信贷业发放贷款风险。
本文将通过CRISP-DM过程模型确定研究思路和研究前期准备,后期采用SPSS和SPSS Modeler 对数据进行挖掘,建立贝叶斯网络模型,分析影响客户归还贷款可能性的因素;通过实证判别对其的贷款风险,并预测将来潜在偿还贷款可能存在问题的客户。
(二) 研究路径:
本文采用双线、双面结构。一方面通过CRISP-DM过程模型确立我们的研究思路和研究选择,另一方面通过建立贝叶斯网络模型具体实证分析、预测潜在偿还贷款可能存在问题的客户。主线是开展数据描述、判别、建模、实证分析,副线是评估贝叶斯网络模型后阐述归纳和结论。
我绘制的研究路径图如下所示:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。