个人信用非线性组合评分模型及其动态优化研究

针对我国个人信用数据的地域差异、评分方法中的精确性与稳健性不可兼得，以及评分模型中的拒绝推论问题，本项目提出了应用非线性组合方法构建个人信用评分模型，并在此基础上对模型进行动态优化。通过采集具有显著地域特征的样本数据，提出一套适合中国国情的个人信用评分指标体系并进行标准化。在此基础上构建多种单一评分模型，将拒绝样本加入评分模型当中，研究拒绝推论对不同评分模型的影响，并对神经网络、支持向量机模型的参数进行优化研究。在单一模型的基础之上，通过遗传算法、遗传规划、神经网络等构建多种非线性组合评分模型，并加入拒绝样本对组合模型进行优化。通过构建模型精确性与稳健性的指标，结合银行的信贷风险控制目标，提出模型评价方法并给出模型精确性与稳健性之间最优选择策略。将宏微观经济变量引入个人信用风险影响因素的分析当中，对个人信用风险的动态变化进行研究，对非线性组合评分模型进行动态优化。