【技术实现步骤摘要】
本专利技术涉及信贷预测的，尤其涉及一种基于核密度估计的信贷规模预测模型。
技术介绍
1、信贷业务又称为信贷资产或贷款业务，是商业银行最重要的资产业务，通过放款收回本金和利息，扣除成本后获得利润，所以信贷是商业银行的主要赢利手段。近年来，各大商业银行不断发展贷款业务，信贷的规模也在不断扩大。但一旦信贷规模过大，会造成银行资本充足率下降，从而影响银行资金的流动性。因此预测和了解信贷规模的变化趋势是必要的，有利于帮助银行制定相关的贷款政策和准备充裕的资金来应对信贷带来的资金挤兑。
2、目前，贷款规模趋势的分析方法主要为趋势分析、周期分析、回归分析、灰色系统分析等，均基于宏观数据来进行分析，存在计算的精度不高的问题。
技术实现思路
1、本专利技术的目的在于，针对上述问题，提出一种基于核密度估计的信贷规模预测模型。
2、一种基于核密度估计的信贷规模预测模型，利用历年的微观明细贷款数据，预测因素波动对信贷规模变动的影响，包括以下步骤：
3、s1：确定未来的贷款分布函数；
4、s2：预测未来的贷款客户数目；
5、s3：使用采样方法进行随机模拟；
6、所述贷款分为个人贷款x(1)、企业贷款x(2)、银行间贷款x(3)、对外国政府和中央银行的贷款x(4)。
7、进一步的，一种基于核密度估计的信贷规模预测模型，所述步骤s1包括以下子步骤：
8、s11：通过核密度估计方法对历年每个分类贷款的明细数据模拟概率分
9、s12：观察每个分类的信贷费用在不同年份的概率分布，分析变化的轨迹和趋势；
10、s13：根据轨迹和趋势创建未来年份的贷款规模变化分布函数。
11、进一步的，一种基于核密度估计的信贷规模预测模型，步骤s11包括以下子步骤：
12、s111：设为之前第t年个人贷款金额的样本数据，贷款费用的核密度估计公式为：
13、
14、其中代表总体密度函数，为的一个核估计；
15、其中t代表年份；
16、其中k(x)代表核函数，n代表样本个数，i代表求和通项公式中的变量，i＝1、2……n；
17、其中hn代表带宽，hn>0为与n有关的参数；
18、s112：利用机器学习中的网络搜索方法来验证带宽的选择中集上精度最高的参数，获取最优的概率分布。
19、进一步的，一种基于核密度估计的信贷规模预测模型，所述步骤s2包括以下子步骤：
20、s21：将贷款客户按核密度估计方法进行分类；
21、s22：利用灰色预测模型确立贷款客户数目；
22、s23：对灰色预测模型残差的规律进行分析，通过残差的变化值进行修正提高灰色预测模型的精度。
23、进一步的，一种基于核密度估计的信贷规模预测模型，所述步骤s22包括以下子步骤：
24、s221：计算前s年的人贷款客户数目，公式为：
25、
26、其中n(1)代表前面s年的人贷款客户数目，s代表过去的年份时间；
27、s222：对n(1)累加削弱随机序列存在的波动性和随机性，生成新的数据，公式为：
28、
29、
30、其中m(1)修正后前s年的贷款客户数目序列；
31、其中代表正后贷款客户数目序列中的第k个元素，k代表过去的年份时间；
32、s223：利用m(1)生成邻均值等权序列，公式为：
33、
34、
35、其中z(1)代表邻均值等权序列，代表邻均值等权系列中的第k个元素；
36、s224：设定m(1)的灰导数，公式为：
37、
38、其中d(k)代表m(1)的灰导数；
39、s225：根据灰色理论对m(1)建立关于k的灰色微分模型gm(1，1)，公式为：
40、
41、其中a、u代表待定参数；
42、s226：设定白化方程，公式为：
43、
44、s227：利用最小二乘法得到待定参数a和u，根据初始条件获取灰色微分方程的事件响应序列，公式为：
45、
46、其中代表灰色微分方程的事件响应序列；
47、s228：将灰色微分方程的事件响应序列累减获取还原预测值，公式为：
48、
49、其中为还原预测值；
50、s229：将k将替换为未来的年份时间，获取未来的个人贷款客户数目预测，再使用同样的方式获取未来的企业贷款客户数目预测银行间贷款客户数目预测外国政府和中央银行的贷款
51、进一步的，一种基于核密度估计的信贷规模预测模型，所述步骤s3子步骤包括：
52、s31：根据未来第t年个人信贷客户数目的预测利用舍选法产生服从分布的随机数模拟未来第t年贷款数据，获取一次模拟的个人信贷费用之和，公式为：
53、
54、其中代表一次模拟的个人信贷费用之和，j代表求和通项公式中的变量，
55、s32：进行多次模拟，获取m次个人信贷费用总额预测，获取最终的第t年的个人信贷费用预测总额，公式为：
56、
57、其中代表个人信贷费用预测总额，m代表预测次数；
58、s33：通过同样的方式获取企业信贷费用预测总额银行间贷费用预测总额外国政府和中央银行的贷款费用预测总额获取最终的第t年信贷费用预测总额；
59、公式为：
60、
61、其中代表第t年信贷费用预测总额，l代表求和通项公式中的变量代表求和通项公式中的变量，l＝1、2、3、4。
62、本专利技术的有益效果：通过一种基于核密度估计的信贷规模预测模型，实现了利用历年的微观明细贷款数据精确捕捉到未来信贷数据的变化趋势，并通过函数波动的形式展现，避免了宏观预测粒度较大导致预测精度不高的问题，利用随机模拟方法，在模拟次数足够多的情况下，能够保证模拟结果充分逼近真实结果。
本文档来自技高网...【技术保护点】
1.一种基于核密度估计的信贷规模预测模型，其特征在于，利用历年的微观明细贷款数据，预测因素波动对信贷规模变动的影响，包括以下步骤：
2.根据权利要求1所述的一种基于核密度估计的信贷规模预测模型，其特征在于，所述步骤S1包括以下子步骤：
3.根据权利要求2所述的一种基于核密度估计的信贷规模预测模型，其特征在于，步骤S11包括以下子步骤：
4.根据权利要求1所述的一种基于核密度估计的信贷规模预测模型，其特征在于，所述步骤S2包括以下子步骤：
5.根据权利要求4所述的一种基于核密度估计的信贷规模预测模型，其特征在于，所述步骤S22包括以下子步骤：
6.根据权利要求1所述的一种基于核密度估计的信贷规模预测模型，其特征在于，所述步骤S3子步骤包括：
【技术特征摘要】
1.一种基于核密度估计的信贷规模预测模型，其特征在于，利用历年的微观明细贷款数据，预测因素波动对信贷规模变动的影响，包括以下步骤：
2.根据权利要求1所述的一种基于核密度估计的信贷规模预测模型，其特征在于，所述步骤s1包括以下子步骤：
3.根据权利要求2所述的一种基于核密度估计的信贷规模预测模型，其特征在于，步骤s11包括以下子...
【专利技术属性】
技术研发人员：郭兴，
申请(专利权)人：中国农业银行股份有限公司重庆市分行，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。