文件名称：两阶段计分模型会减轻银行的坏帐风险吗？-研究论文
文件大小：973KB
文件格式：PDF
更新时间：2024-06-08 19:01:10
Credit; Indian Banks; Neural Networks;
本文的主要目的是研究应用适当构想和设计的信用评分模型在多大程度上可以适当地考虑违约的发生率，并有助于改善决策过程。 四种统计建模技术，即判别分析，逻辑回归，多层前馈神经网络和概率神经网络，被用于建立印度银行业的信用评分模型。 值得注意的是，实际的错误分类成本要优先于估算的错误分类成本进行分析。 我们的第一阶段评分模型表明，复杂的信用评分模型（尤其是概率神经网络）可以通过将违约率降低14％以上来帮助加强决策过程。 我们的分析的第二阶段集中于违约案件，并证实了违约时间的重要性。 此外，我们的研究结果表明，居住状态，等额的每月分期付款，年净收入，婚姻状况和贷款金额是最重要的预测变量。 这项研究的实际意义在于，我们的评分模型可以帮助银行避免高违约率，增加坏账，减少现金流量以及采取惩罚性的成本削减措施。