个人信用卡申请风险评估模型

数学建模信用卡问题

业务平台

管理

个人信用卡申请风险评估模型

福州大学管理学院 许速群 张岐山 杨美英

申请风险评估模型是指通过对消费信贷申请人的资信状况进行评估来预测其未来严重拖欠和坏账概率的模型。申请风险评估模型在信贷风险管理中有着非常重要的作用，因为其评估结果是信贷审批的主要依据之一。

与国外银行信用卡业务相比，我国各商业银行的信用卡业务的风险管理水平较低，管理手段与方法比较落后。缺乏一套有效的申请评估方法是阻碍个人信用卡业务进一步开展的主要因素之一。如何提高我国商业银行信用卡的信用风险管理水平，从而提高信用卡的盈利能力，使其在与外资银行的竞争中处于不败之地是本文的出发点。本文尝试利用层析分析法(AHP)和BP神经网络相结合的组合评价方法对信用卡申办人进行信用等级评估，寻求降低信用卡的信用风险的有效措施。

维数较大时，网络不仅结构复杂，而且训练时间也很长，从而降低网络性能，影响计算准确度。因此，本文尝试利用层析分析法作为BP神经网络的前处理，通过已有的专家判断、比较、评价等手段将多个变量的重要程度数量化，以其结果作为BP神经网络的输入值，以减小BP神经网络的结构的复杂性，从而缩短训练时间，并充分利用BP神经网络强大的容错能力和抗干扰能力，提高模型的效率。

2.两种方法集成的可行性分析

以往国内商业银行对信用风险评估相关的数据重视不足，造成有效信息的缺失，而AHP-BP神经网络模型仍具有神经网络采用分布式存储结构的特点，具有很强的容错能力，少量单元的局部缺损不会造成整个网络的瘫痪，适合实际操作。

信用卡风险评估是一个较为复杂的过程，涉及各方面

一、AHP-BP神经网络模型

1.模型构建的出发点

传统的BP神经网络模型研究的重点是围绕着如何确定网络的输入、输出层维数的建模问题。然而，当研究复杂系统建模时，由于影响因素过多，不能确定冗余因素和有用因素，不能将输入的因素简化，这样在输入信息空间

的因素，而且各影响因素与衡量结果之间并不完全是线性关系。而AHP-BP神经网络模型具有很强的非线性映射能力。AHP-BP神经网络模型自适应能力强，能不断地接受新样本、不断学习，以调整模型。商业银行以不断更新滚动数据训练模型，使评估结果更符合实际，形成动态评估过程(见图1)。

30中国信用卡 2007.06

搜索“diyifanwen.net”或“第一范文网”即可找到本站免费阅读全部范文。收藏本站方便下次阅读，第一范文网，提供最新高中教育个人信用卡申请风险评估模型全文阅读和word下载服务。