基于深度学习的信用卡逾期风险预测的方法研究与实现

发布时间：2017-10-05 03:30

  本文关键词：基于深度学习的信用卡逾期风险预测的方法研究与实现

  更多相关文章： 深度学习 信用风险 过拟合

【摘要】：随着近几年来信用卡发卡量的爆发式增长,当前信用卡业务已成为商业银行利润的重要组成部分,但同时也带来了高风险,这是商业银行在风险防控领域需要重视的问题。信用风险一直是商业银行运营中的重要风险,关系着商业银行的经营和发展状况。如何有效识别信用卡客户,减少高风险信用卡客户的授信额度,以降低信用风险给商业银行带来的损失,是防控信用风险的重点难点。基于当前信用卡逾期风险预测的困难和深度学习优秀的特征学习能力,文章提出了基于深度学习的信用卡逾期风险预测的方法。本文在对某商业银行数据仓库导出数据的充分分析的基础上,首先对导出数据进行了预处理。对输入项进行分析、删减与标准化处理,并实现了一个基于深度学习的分类器模型,对个人客户的信用卡逾期风险进行预测。然后对该模型进行调优,对深度神经网络结构进行微调,在兼顾实验环境机器性能的情况下尽可能优化实验结果。针对模型过拟合问题,本文使用了多个过拟合解决方案处理,并对效果做了实验对比。
【关键词】：深度学习 信用风险 过拟合
【学位授予单位】：苏州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F832.2;TP18
【目录】：

• 中文摘要4-5
• ABSTRACT5-10
• 第一章 引言10-16
• 1.1 研究背景与意义10-11
• 1.2 研究现状11-13
• 1.3 本文的研究内容与章节安排13-16
• 第二章 相关理论基础16-29
• 2.1 信用卡风险相关知识16-19
• 2.1.1 信用卡风险16-17
• 2.1.2 信用卡信用风险17-19
• 2.2 深度学习理论基础19-24
• 2.2.1 深度学习背景19-21
• 2.2.2 深度学习模型21-24
• 2.3 深度学习的过拟合问题24-26
• 2.3.1 过拟合概念24-25
• 2.3.2 Dropout25-26
• 2.3.3 Batch Normalization26
• 2.4 提高类不平衡数据的分类准确率26-27
• 2.5 本章小结27-29
• 第三章 深度学习模型构建29-39
• 3.1 输入层设计29-34
• 3.1.1 数据抽取29-30
• 3.1.2 数据探索分析30-32
• 3.1.3 数据变换32-34
• 3.1.4 过抽样34
• 3.2 输出层设计34-35
• 3.3 构建专家样本库35-36
• 3.4 深度神经网络设计36-37
• 3.4.1 模型构建36-37
• 3.4.2 设计编译模型37
• 3.5 本章小结37-39
• 第四章 深度学习实验与分析39-51
• 4.1 训练结果分析39-40
• 4.2 模型调优40-49
• 4.2.1 增加递归次数40-41
• 4.2.2 增加Dropout层41-43
• 4.2.3 增加Batch Normalization层43-45
• 4.2.4 更换激活函数45-49
• 4.3 与传统方法性能比较49
• 4.4 本章小结49-51
• 第五章 总结与展望51-54
• 5.1 研究工作总结51-52
• 5.2 展望52-54
• 参考文献54-59
• 攻读硕士期间发表的论文59-60
• 致谢60-61

【参考文献】

中国期刊全文数据库 前9条

1 蔺婉轩;;信用卡风险防范问题研究[J];神州;2013年21期

2 徐悦;管国强;;我国商业银行信用卡风险成因及其风险管理措施分析[J];中国物价;2013年04期

3 王世珍;;我国商业银行信用卡业务风险防范[J];合作经济与科技;2011年08期

4 曲秋实;李莉;;信用卡的信用风险及其防范[J];商业经济;2010年11期

5 胡珀;孙建华;;试论金融创新与金融创新风险防范[J];金融与经济;2008年04期

6 林智勇;郝志峰;杨晓伟;;不平衡数据分类的研究现状[J];计算机应用研究;2008年02期

7 王增国;;银行卡欺诈风险分析与防范措施[J];中国信用卡;2007年02期

8 吴冲,吕静杰;我国商业银行信用风险成因分析[J];企业经济;2004年01期

9 李俭川,秦国军,温熙森,胡茑庆;神经网络学习算法的过拟合问题及解决方法[J];振动、测试与诊断;2002年04期

，

本文编号：974544