客户信息不完全下的授信评估问题——基于逻辑回归、神经网络等模型

发布时间：2022-01-08 20:06

　　对于保理公司来说,授信额度的计算与客户的违约可能性显得尤为重要。但在现实生活中,往往会出现客户资料缺失的情况发生。因此,本文就此类问题进行了分析并建立相关模型。采用KNN填补法填充缺失数据,并利用主成分分析法、逻辑回归构建违约率模型。采用向前逐步回归法、多元线性回归,得到授信额度估算模型。最后利用神经网络进行二分类回归,提供保守型公司和风险型公司的两个不同标准来判断客户是否违约。实证结果表明,模型可以作为较为理想的预测工具。 

【文章来源】：现代商业. 2019,(36)

【文章页数】：2 页

【文章目录】：
一、引言
二、理论和研究假设
    (一)KNN填充算法
    (二)主成分分析(PCA)模型
    (三)logistic模型
    (四)神经网络模型
三、研究方法
    (一)描述性统计
    (二)检验是否服从正态分布
    (三)进行标准化处理
    (四)剔除异常值与缺失值
四、数据分析
    (一)KNN填充
    (二)主成分降维
    (三)逻辑回归
        1. 数据代入。
        2. 模型检验。
    (四)逐步回归法
    (五)神经网络回归预测
        1. 保守型保理公司。
        2. 风险型保理公司。
五、讨论与结论


【参考文献】：
期刊论文
[1]基于信用风险度的商业银行风险评估模型研究[J]. 王建新,于立勇.  管理工程学报. 2007(04)
[2]基于具有吸收态马尔可夫链的银行逾期贷款风险分析[J]. 于立勇,李汉铃,关龙.  数量经济技术经济研究. 2000(11)



本文编号：3577196