我的畢業論文開題報告大綱

一 、選題背景和意義

信用卡起源於美國。1915年，美國的一些百貨商店、飲食娛樂業、汽油公司向特定顧客發放一種金屬徽章作為信用籌碼，顧客可憑徽章在商店及其分號賒購商品，約期付款，這就是信用卡的雛形。上述籌碼在1950年演變為具有證明身份和支付功能的卡片，這是世界上第一張塑料卡。1951年，美國紐約弗蘭克林國民銀行發行了允許持卡人在規定的信用額度內在指定商戶消費的卡片，開始了銀行發行信用卡的歷史。20世紀70年代，美國的一些銀行發行了直接從客戶活期賬戶扣款、專供atm取款使用的借記卡，開始了銀行發行借記卡的歷史。

與國外相比，我國的信用卡業務起步較晚。信用卡在我國流通領域中出現始於八十年代初期。隨著改革開放，大批外國人士來華旅遊或公幹，傳統的現金結算方式無法滿足國外來賓的需要，中國銀行先後與國外七家信用卡公司簽訂了辦理這七家公司發行的七種國際主要信用卡的取現和直接購貨。1986年中國銀行又率先發行了中國第一張信用卡——人民幣長城卡。1988年又推出了中國第一張長城萬事達卡，1990年中國工商銀行和中國建設銀行也開始發行萬事達卡。1995年廣東發展銀行發行了我國第一張具有迴圈信用功能的信用卡。信用卡在中國從代理到發行，經歷了大約XX年時間，從無到有，並逐漸成為一種重要的支付方式。

近年來，由於我國信用環境建設不完善，銀行與持卡人之間的資訊不對稱、持卡人違約等問題日益突出，加之法律法規不健全，髮卡機構在經營和管理過程中風險控制乏力及銀行間的無序競爭，致使該業務存在的問題和風險逐步顯現，突出表現在信用卡持卡人違約和欺詐行為出現攀升的勢頭。因此，商業銀行在大力拓展信用卡髮卡過程中，必須對信用卡業務風險進行認真分析和研究，以便採取措施，這對於商業銀行防範和化解信用卡風險從而增加經濟效益具有重要意義。

二、國內外研究現狀

信用風險分析是一個世界性問題，從60年代開始，美國、歐洲一些國家的學者已經開始信用風險評價模型的研究，並逐步應用到銀行業的客戶信用評分與風險管理之中。這期間統計學和運籌學等定量分析工具被運用到信用評分領域，主要採用傳統的多元引數統計方法，包括多元判別分析法（mda）、logit模型（martin 1997,ohlson 1980）以及運籌學的線性規劃分析方法等。20世紀90年代興起以神經網路為代表的非引數統計方法，並逐步應用到信用評分模型。包括多層感知器(mlp)、bp演算法網路、概率神經網路（pnn）（eric andlong 1995）、自組織對映神經網路（som）（kiviluoto and bergius 1997）、玻爾茲曼機神經網路（boltzman machine）（kryzanowsk,galler,wright1993）、遺傳演算法以及多智慧體系統等。

XX年1月，人民銀行的個人徵信系統在全國正式執行，可以查詢到個人在商業銀行的借還款、信用卡、擔保等信用資訊，以及相關的身份識別資訊。我國絕大部分商業銀行已將查詢個人徵信系統納入信貸管理流程。根據信用報告上的個人資訊，在信貸審批和貸後管理時能夠甄別出高風險客戶群體，然後採取相應措施，降低風險損失。

目前，個人信用報告已成為商業銀行風險管理過程中的重要依據。但是，由於信用報告上的資訊量大，審批人員做決策時需要一定的時間綜合考慮各類資訊，同時審批工作難免存在一定的主觀性和片面性。為此，有必要根據個人信用報告開發徵信局信用評分，為商業銀行提供決策支援，幫助其有效防範風險。

在美國，徵信局信用評分主要由三大個人徵信公司提供，分別是益百利(experian)、艾可飛(equifax)和美國環聯公司(trans union)。他們從各個銀行和信用卡公司獲取消費者的資料，並對資料進行彙總，按照規定的格式向外界提供個人信用報告，報告中有一項是個人信用評分，同時還提供信用等級並給出比例。這三家公司的評分都由評分科技公司fair isaac提供，稱作fico系列信用評分。

在國內，目前還沒有類似的全國性的徵信局信用評分，只有地方性資信公司的信用評分。比如上海資信公司推出的個人信用評分體系設立了7個評分等級，從-600分到1700分將個人信用狀況詳細量化，從而評出g～a 7個等級。深圳鵬元也於XX年推出了個人綜合信用風險評分——鵬元800。該信用評分體系共設6個等級，從320分～800分，每80分一級，每個分數對應一個違約概率，分數越高表示違約風險越低。

三、設計（論文）的主要研究內容及預期目標

通過信用評分的方法來分析個人客戶的信用狀況，可以增強個人信貸決策的科學性與公正性，並且提高個人信貸決策的效率。因此越來越多的數學方法被引入到了信用評分中，概括來看，主要分為統計和非統計兩大類。統計方法主要包括判別分析、迴歸分析、分類樹和最近鄰法，非統計方法包括神經網路、遺傳演算法、專家系統和數學規劃方法。從發展過程來看，雖然統計方法應用最早並且現在仍然是非常重要的方法。但是採用傳統的評估方法對企業客戶進行信用評價時，判斷失誤的例子經常發生，給信貸機構帶來巨大損失。而採用神經網路評價系統不僅評價結果具有較高的可信度，而且可以避免信貸分析人員的主觀好惡和人情關係造成的錯誤，它以客戶的信用資料為輸入，將實際的信用情況作為評價結果輸出。bp神經網路的網路結構簡單，演算法易於程式設計實現；bp網路用最小均方差學習方式，只要有足夠的隱層和隱結點,可以逼近任意的非線性對映關係；實證結果表明，在眾多建議型神經網路演算法中，bp網路具有很好的評估效果。