基于BP神经网络和Logistic回归的农户信用评价研究

作     者：旷彩霞 

作者单位：湖南大学 

学位级别：硕士

导师姓名：周鸿卫

授予年度：2012年

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020204[经济学-金融学（含∶保险学）] 07[理学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：农户信用评分 农户信用风险 Logistic模型 BP神经网络模型 

摘      要：本文的研究目的就是通过对申贷农户的各项指标的分析，找到能够显著区分信用等级较高的农户(好客户)和信用等级较低的农户(坏客户)的指标，通过构建模型计算农户为好客户的概率，进而得到信用得分，最终得到农户信用等级评判标准，为有关各方提供决策依据和参考意见。 本文首先给出了目前湖南省农信社普遍采用的农户信用评级方法，然后对当前评定过程中存在的问题进行了分析，在借鉴国内外研究成果的基础上，通过比较信用评价的各种方法，同时结合我国农户的信用特征，最终选择基于BP神经网络和Logistic回归两种方法，并且综合考虑两种评级方法的优缺点，构建基于两种方法的混合模型，提高预测精度和稳定性。 接下来，在分析农户信用风险的产生及其风险独特性的基础上，得出了我国农户信用特征是个人和中小企业的结合体。因此，在指标体系的构建上可以参考国内外的关于个人和中小企业的信用评价指标体系。以我国湖南部分地区申请贷款的农户为研究对象，分别从农户户主及家庭成员情况、资产情况、负债情况、经营情况、家庭开支五个方面构建初始评价指标，总共选取22个指标，借助SPSS统计分析软件，利用因子分析法进行分析提取了12个主要指标，总共选取了646户农户家庭作为样本，在此基础上分别比较基于BP神经网络的农户信用评价模型和基于Logistic回归的农户信用评价模型的应用效果，然后构建基于二者的组合模型，实证结果显示：该模型的总体准确率为97.1%，其中将好客户判断为好客户的准确率为98.8%，将坏客户判断为坏客户的准确率为81.8%，可解释性及稳健性都是比较理想的。可见，此模型取得了较好的预测效果，具有一定的应用价值。