数据挖掘在银行对公客户信用风险管理中的应用研究

发布时间：2023-03-22 23:06

　　近年来,我国对经济增速指标进行逐步下调,新常态发展模式成为经济主旋律。随着金融改革的逐步深化,利率市场化步伐的加快,以及经济形势发展出现的不确定性,商业银行之间的竞争进入白热化。对公客户作为各家商业银行创造利润的主要来源成为必争之地,其信用风险管理能力如何得到提高,如何对其进行准确有效的防范和管理直接决定了商业银行的盈利水平与资产质量,是其在将来实现稳健经营的关键因素。而对公客户信贷业务由于单比授信额度大、较短的贷款周期、极强的业务粘性和收益回报率高的特点,是当前商业银行资产端的核心,同时也是商业银行不良率不断走高的原因之一。故以对公信贷业务为基础对对公客户进行信用风险管理成为商业银行控制信用风险的关键。本文首先以信用风险及其管理理论为切入点,对国内外关于信用风险评估模型的研究进行了介绍,评述了商业银行现有的信用风险评估模型存在的不足与缺陷。随后简要介绍了数据挖掘的相关概念,并对其重要技术方法与功能进行详尽叙述。接着对数据挖掘在商业银行的应用情况进行了概括和分析,同时对数据挖掘技术具体在银行信用风险管理中的应用进行了分析。最后从实际应用角度,选取银行对公客户信贷业务作为分析背景。采用定...

【文章页数】：72 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 论文研究背景与意义
        1.1.1 论文研究背景
        1.1.2 论文研究意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 研究内容和结构
第2章 相关概念和应用分析
    2.1 对公客户信用风险管理及相关模型概述
        2.1.1 信用风险理论
        2.1.2 信用风险管理理论
        2.1.3 信用风险评估模型概述
    2.2 数据挖掘相关概念及介绍
        2.2.1 数据挖掘的概念
        2.2.2 数据挖掘的过程
        2.2.3 数据挖掘的功能
        2.2.4 数据挖掘主要技术方法
    2.3 数据挖掘在商业银行中的应用情况
        2.3.1 数据挖掘在商业银行中的整体应用状况分析
        2.3.2 数据挖掘在商业银行信用风险管理中的应用分析
第3章 基于数据挖掘技术的信用风险评估模型的构建
    3.1 信用风险影响关键因素分析
        3.1.1 银行对公客户信用风险定性分析
        3.1.2 银行对公客户信用风险定量分析
        3.1.3 构建对公客户信用风险分析模型
    3.2 决策树算法在对公客户信用风险评估模型中的应用
        3.2.1 决策树基本概念
        3.2.2 算法种类
        3.2.3 决策树算法内容
        3.2.4 决策树剪枝
        3.2.5 决策树算法在对公客户信用风险管理中的应用
第4章 对公客户信用风险管理实证分析
    4.1 数据挖掘工具python的介绍
    4.2 数据准备
    4.3 数据预处理
        4.3.1 数据的清洗
        4.3.2 数据的集成
        4.3.3 数据的转换
    4.4 构建对公客户信用风险评估分析模型
        4.4.1 数据平衡化
        4.4.2 One-Hot编码
        4.4.3 决策树模型的建立
        4.4.4 决策树模型的验证
第5章 总结和展望
    5.1 总结
    5.2 展望
参考文献
附录 数据样本
致谢



本文编号：3767771