農(nóng)戶小額貸款信用等級評價包含農(nóng)戶小額貸款的供需分析、農(nóng)戶小額貸款信用等級評價指標(biāo)體系的構(gòu)建、農(nóng)戶小額貸款信用評價模型、農(nóng)戶小額貸款信用評級模型四個部分。它是指通過考察農(nóng)戶小額貸款客戶的基本情況、還款能力、還款意愿、保證聯(lián)保和外部宏觀經(jīng)濟(jì)環(huán)境等因素，判別不同農(nóng)戶小額貸款客戶的信用等級。
　　農(nóng)戶小額貸款信用等級評價問題亟待解決，主要原因有：一是信用等級評價問題雖然古老卻與時俱進(jìn)，農(nóng)戶小額貸款信用等級評價問題更是急需解決的信用等級評價問題之一。農(nóng)戶小額貸款具有額度小、財務(wù)信息不健全，且違約樣本為小樣本，指標(biāo)非正態(tài)分布等特點，導(dǎo)致現(xiàn)有的農(nóng)戶小額貸款信用等級評價研究無法顯著區(qū)分違約客戶和非違約客戶。二是我國農(nóng)業(yè)人口占全國總?cè)丝诘谋壤�約為50.32%，農(nóng)戶小額貸款難問題已經(jīng)成為阻礙農(nóng)村經(jīng)濟(jì)發(fā)展的一大難題，因此科學(xué)合理的農(nóng)戶小額貸款信用等級評價體系有助于我國新農(nóng)村建設(shè)，促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展。
　　本研究共分為八章。第一章是引言。第二章是農(nóng)戶小額貸款供需分析。第三章是信用顯著判別下農(nóng)戶小額貸款信用等級評價指標(biāo)體系的建立。第四章是基于支持向量機(jī)的農(nóng)戶小額貸款信用評價模型的建立。第五章是基于最優(yōu)多元阿基米德Copula的農(nóng)戶小額貸款信用評級模型的建立。第六章是基于最大分離度改進(jìn)投影尋蹤的農(nóng)戶貸款信用評級模型的建立。第七章是基于逼近理想值一投影尋蹤的農(nóng)戶貸款信用風(fēng)險評級模型的建立。第八章是結(jié)論與展望。
　　本書的主要工作如下：
　　第一，分析了農(nóng)戶小額貸款的供需現(xiàn)狀。
　　一是通過調(diào)查問卷的農(nóng)戶基本情況、農(nóng)戶財務(wù)狀況和經(jīng)營成果、農(nóng)戶生產(chǎn)經(jīng)營情況等七大方面對農(nóng)戶小額貸款的需求情況進(jìn)行了描述及分析。二是通過調(diào)查問卷的普惠金融情況對農(nóng)戶小額貸款的供給情況進(jìn)行闡述及分析。三是結(jié)合調(diào)查問卷的農(nóng)戶小額供需分析的結(jié)果，對農(nóng)戶小額貸款的供需矛盾特點及其原因進(jìn)行了分析。
　　第二，建立了農(nóng)戶小額貸款信用等級評價指標(biāo)體系。
　　一是構(gòu)建了農(nóng)戶小額貸款信用等級評價指標(biāo)體系。以某商業(yè)銀行可獲取的農(nóng)戶小額貸款數(shù)據(jù)為研究對象，結(jié)合國內(nèi)外權(quán)威機(jī)構(gòu)及流行文獻(xiàn)的高頻指標(biāo)，通過Brown-Mood中位數(shù)檢驗和Moses方差檢驗的結(jié)合、Kendall秩相關(guān)分析與Brown-Mood中位數(shù)檢驗的結(jié)合，篩選出顯著區(qū)分違約農(nóng)戶與非違約農(nóng)戶且信息不重復(fù)的農(nóng)戶小額貸款信用等級評價指標(biāo)，最終構(gòu)建了包含學(xué)歷、勞動力人數(shù)、自有房屋價值、貸款人及其家庭的技能情況、農(nóng)業(yè)生產(chǎn)性收入、總資產(chǎn)、銀行存款、社會信譽(yù)狀況、聯(lián)保關(guān)系以及地區(qū)GDP增長率在內(nèi)的10個信用等級評價指標(biāo)的農(nóng)戶小額貸款信用等級評價指標(biāo)體系。
　　二是構(gòu)建的農(nóng)戶小額貸款信用等級評價指標(biāo)體系體現(xiàn)了內(nèi)蒙古農(nóng)戶小額貸款的特點。通過勞動力人數(shù)、銀行存款、農(nóng)民生產(chǎn)性收入等農(nóng)戶小額貸款信用等級評價指標(biāo)反映小額貸款農(nóng)戶的償還能力。通過聯(lián)保關(guān)系等農(nóng)戶小額貸款信用等級評價指標(biāo)反映小額貸款農(nóng)戶的抵質(zhì)押擔(dān)保狀況。通過地區(qū)GDP增長率等農(nóng)戶小額貸款信用等級評價指標(biāo)反映地區(qū)宏觀經(jīng)濟(jì)發(fā)展對小額貸款農(nóng)戶的清償能力的影響。
　　第三，建立了農(nóng)戶小額貸款信用評價模型。
　　一是建立了農(nóng)戶小額貸款違約判別模型。通過代價敏感支持向量機(jī)分類模型將農(nóng)戶小額貸款客戶分為兩類：違約客戶和非違約客戶，為銀行初步篩選客戶提供理論依據(jù)。
　　二是建立了農(nóng)戶小額貸款信用得分評價模型。通過支持向量機(jī)回歸模型，結(jié)合信用評分方程，得到每個小額貸款農(nóng)戶的信用評分。通過對信用評分的排序，保證了非違約農(nóng)戶間信用狀況的順利比較。
　　第四，建立了農(nóng)戶小額貸款信用評級模型。
　　一是通過比較Gumbel、Clayton、Frank三類Copula函數(shù)與標(biāo)準(zhǔn)均勻分布數(shù)列的歐式距離，得到違約樣本的最優(yōu)Copula函數(shù)是Clayton Copula函數(shù)，不違約樣本的最優(yōu)Copula函數(shù)是Gumbel Copula函數(shù)。
　　二是通過蒙特卡洛模擬出信用評級模型所需要的農(nóng)戶小額貸款客戶的大樣本隨機(jī)數(shù)。
　　三是通過等分法及動態(tài)調(diào)整法結(jié)合，構(gòu)建了滿足“信用等級越高，違約損失率越低”的農(nóng)戶小額貸款信用評級模型。
　　第五，建立了基于最大分離度改進(jìn)投影尋蹤的農(nóng)戶貸款信用評級模型。
　　一是將傳統(tǒng)的投影尋蹤模型與聚類分析的不同類間應(yīng)最大分離的思想相結(jié)合，構(gòu)建了一個改進(jìn)的投影尋蹤模型并將新模型應(yīng)用于農(nóng)戶貸款的信用評級。
　　二是改進(jìn)的投影尋蹤模型既按照局部密集、整體分散的投影思路最大限度地暴露數(shù)據(jù)結(jié)構(gòu)，又顯著地將違約樣本與不違約樣本進(jìn)行分離。
　　三是新模型使用遺傳算法來求解其非線性約束的最優(yōu)解，使用有序樣品的最優(yōu)分割聚類法來計算評級閾值并最終建立評級模型。實例計算表明，聯(lián)保組成員關(guān)系是影響最大的農(nóng)戶貸款信用評價指標(biāo)，聯(lián)保與保證因素是影響最大的農(nóng)戶貸款信用評價準(zhǔn)則層。
　　第六，建立了基于逼近理想值一投影尋蹤的農(nóng)戶貸款信用風(fēng)險評級模型。
　　一是基于違約農(nóng)戶與非違約農(nóng)戶應(yīng)具有顯著區(qū)別原則，將非違約樣本逼近理想值、違約樣本逼近負(fù)理想值，建立投影尋蹤的非線性優(yōu)化模型。
　　二是通過對投影值進(jìn)行有序樣品的差異序列聚類，建立了農(nóng)戶貸款信用風(fēng)險的評級模型。農(nóng)戶貸款的實證研究表明，農(nóng)戶信用等級與違約頻率呈負(fù)相關(guān)關(guān)系，即農(nóng)戶的信用等級越高則違約的可能性越小。