关于探究基于Logistic和神经网络的个人信用评估组合模型-学术论文翻译

专业****毕业论文与职称论文以及期刊发表参考√

探究基于Logistic和神经网络的个人信用评估组合模型-学术论文翻译

论文预读:重共线性的检验42-434.2 模型构建43-444.3 模型解释44-464.4 模型检验464.5 本章小结46-47第五章 优化的BP神经网络的个人信用评估模型研究47-575.1 基于Boosting优化的BP神经网络模型47-525.1.1 AdaBoost算法的基本思想47-485.1.2 模型构建48-495.1.3 模型检验49-525.2 改进的LMBP算法在的个人信用评估模型中的应用52-565.2探究基于Logistic和神经网络的个人信用评估组合模型-学术论文翻译

摘要:在市场经济高速发展的时代,个人信用作为个人提前消费的必要前提,在扩大内需,刺激金融信贷业发展方面都起着至关重要的作用。不仅如此,个人信用作为一种个人行为的承载体,也逐渐被认可为是一种提升个人道德、维持经济秩序和社会秩序的必要手段。个人信用评估的重要性可见一斑。然而在西方个人信用评估体系已步入专业化甚至产业化阶段之时,我国个人信用评估体系的建设才刚刚起步。在个人消费信贷的发展过程中,面对的主要问题之一就是个人信用风险难以评估和控制。而近几十年来各商业银行将消费信贷业务作为其发展战略的重要组成部分,这就使个人信用评估方法的研究变得尤为关键。鉴于大多数构建个人信用评估模型的相关研究仅考虑到模型的精确度,本文从更系统的角度,从精确度、稳健性、时间复杂度和可解释性四个方面,重点研究了个人信用评估定量化模型。首先参考国外经验构建个人信用评估指标体系,结合样本数据进行初步分析。在数据预处理后,以Logistic回归模型对样本数据进行建模,利用Logistic模型的回归结果,对统计上显著的个人信用评估指标进行了更深入的解释。针对目前应用最为普遍的BP神经网络容易造成不收敛且耗时过长的问题,分别以Boosting算法和改进后的LMBP (ILMBP)算法对之进行优化。经过优化后的神经网络在个人信用样本数据上取得了预测精度的提升。通过对以上单一模型的适用性分析,提出基于熵权法的Logistic-ILMBP组合模型。最后将个人信用样本数据的评估结果进行了比较和分析。研究结果表明,BP神经网络所提出的两种改进办法均能有效提高分类准确度,但改进后的LMBP (ILMBP)算法在性能和效率上具有更大的优势,因此也就更具实际应用价值。而基于熵权法的Logistic-ILMBP组合模型,结合了神经网络模型的高分类精度和Logistic回归模型的稳健性,其一类误判率和二类误判率较两种单一模型均有降低;并且计算简单,由于在权重计算中使用了信息熵的原理,易于解释。在我国个人信用评估模型定量化的发展初期,还面临信用数据不完整等问题,Logistic-ILMBP组合模型既可以达到较高分类精确度,同时具有良好的可推广性,对个人信用评估机构和决策机构具有实际可行的意义。 关键词:个人信用评估 logistic回归分析 神经网络 LMBP 组合模型
本文由http://www.fgdxw.com整理提供,需要****论文可以联系****人员哦。
  • 摘要4-5
  • ABSTRACT5-9
  • 第一章 引言9-18
  • 1.1 研究背景和意义9-10
  • 1.2 国内外研究现状10-14
  • 1.2.1 国外个人信用评估方法研究现状10-12
  • 1.2.2 国内个人信用评估领域研究现状12-14
  • 1.3 问题提出14-16
  • 1.4 研究内容和论文结构16-18
  • 第二章 相关理论回顾18-29
  • 2.1 Logistic回归模型18-19
  • 2.2 人工神经网络19-26
  • 2.2.1 神经网络结构20-21
  • 2.2.2 神经网络的工作原理21-22
  • 2.2.3 BP网络结构22-24
  • 2.2.4 BP神经网络的缺陷和优化24-26
  • 2.3 组合预测26-29
  • 第三章 个人信用评估指标体系及样本数据处理29-42
  • 3.1 个人信用评估指标体系的构建概述29-33
  • 3.1.1 个人信用评估指标体系概述29
  • 3.1.2 本文确定的个人信用评估指标体系29-33
  • 3.2 样本数据的选择及初步分析33-39
  • 3.2.1 样本数据的选择33
  • 3.2.2 样本数据的初步分析33-39
  • 3.3 数据的规范化处理39-40
  • 3.4 样本数据的分组40
  • 3.5 本章小结40-42
  • 第四章 基于Logistic回归的个人信用评估模型42-47
  • 4.1 多重共线性的检验42-43
  • 4.2 模型构建43-44
  • 4.3 模型解释44-46
  • 4.4 模型检验46
  • 4.5 本章小结46-47
  • 第五章 优化的BP神经网络的个人信用评估模型研究47-57
  • 5.1 基于Boosting优化的BP神经网络模型47-52
  • 5.1.1 AdaBoost算法的基本思想47-48
  • 5.1.2 模型构建48-49
  • 5.1.3 模型检验49-52
  • 5.2 改进的LMBP算法在的个人信用评估模型中的应用52-56
  • 5.2.1 LMBP算法52-53
  • 5.2.2 改进的LMBP算法53
  • 5.2.3 模型构建53-54
  • 5.2.4 模型检验54-56
  • 5.3 本章小结56-57
  • 第六章 Logistic-ILMBP个人信用评估组合模型研究57-

论文随机片段:45.2.4 模型检验54-565.3 本章小结56-57第六章 Logistic-ILMBP个人信用评估组合模型研究57-1 2 下一页