基于组合模型的个人信用评估研究

发布时间：2021-04-30 08:22

　　个人消费信贷的发展,不仅有利于引导个人有计划的消费,还可以促进国民经济健康、稳定、持续的发展,但目前我国管理个人消费信贷的相关法律法规并不健全,因此,该领域将面临方方面面的信贷风险。如何在促进个人消费信贷发展的同时有效管理其带来的风险,是消费信贷业及相关主体面临的关键问题。通常的做法是对个人信用进行科学合理的预测评估。对个人信用进行科学合理的预测评估对并在此基础上开展个性化的金融服务,是理论和实务界面临的关键问题,也具有重要的研究价值。本研究拟以现代风险控制理论为基础,某银行的个人消费信贷行为数据集为研究对象,特征工程、神经网络、随机森林、梯度提升树等机器学习算法、组合模型为技术方法,探索科学合理的个人信用评估方法,进而为消费信贷业及相关主体进行决策提供科学的依据。研究表明,特征工程和组合模型的使用,不仅能够克服传统逻辑回归模型的缺陷,还可以在一定程度上提高模型的预测精度及其性能。本研究的主要内容包括:第一章为绪论部分,主要介绍了研究的背景和意义、国内外研究现状、本文的研究方法、思路及内容;第二章阐述了特征工程的步骤和相关原理;第三章介绍了逻辑回归模型、GBDT模型、随机森林模型、神经... 

【文章来源】：天津商业大学天津市

【文章页数】：59 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究目的及意义
    1.2 文献综述
        1.2.1 国外文献综述
        1.2.2 国内文献综述
    1.3 研究思路与方法
        1.3.1 研究思路
        1.3.2 研究方法
    1.4 研究内容及结构
第二章 特征工程
    2.1 数据处理
    2.2 特征衍生
    2.3 特征分箱
        2.3.1 卡方分箱法
        2.3.2 Best-KS分箱法
        2.3.3 无监督分箱法
    2.4 特征编码
    2.5 特征选择
        2.5.1 包裹法
        2.5.2 过滤法
        2.5.3 嵌入法
        2.5.4 IV特征选择法
        2.5.5 单变量、多变量分析
第三章 个人信用评估模型的理论
    3.1 逻辑回归模型理论
    3.2 GBDT模型理论
    3.3 随机森林模型理论
    3.4 人工神经网络模型理论
        3.4.1 人工神经元结构模型
        3.4.2 前馈型神经网络
        3.4.3 反馈型神经网络
        3.4.4 前馈型神经网络与反馈型神经网络的区别
    3.5 组合模型
    3.6 模型评价及比较分析
        3.6.1 KS值
        3.6.2 AR值
第四章 个人信用评估模型建立及评价
    4.1 特征工程
        4.1.1 建模数据及特征衍生
        4.1.2 特征分箱、WOE编码及IV值计算
        4.1.3 特征选择
    4.2 逻辑回归模型
    4.3 神经网络-逻辑回归组合模型
    4.4 随机森林-逻辑回归组合模型
    4.5 GBDT-逻辑回归组合模型
    4.6 模型评价及对比分析
第五章 结论与展望
    5.1 研究结论
    5.2 不足及展望
参考文献
附录
致谢


【参考文献】：
期刊论文
[1]基于SVM-Logistic组合模型的P2P借款者信用风险评估——以微贷网为例[J]. 都红雯,卢孝伟.  生产力研究. 2018(10)
[2]基于GBDT的个人信用评估方法[J]. 王黎,廖闻剑.  电子设计工程. 2017(15)
[3]基于随机森林的个人信用评估模型研究及实证分析[J]. 萧超武,蔡文学,黄晓宇,陈康.  管理现代化. 2014(06)
[4]组合模型在商业银行信用风险评估中的研究[J]. 朱金华.  计算机仿真. 2011(09)
[5]消费者信用评估的SVM-LDA组合模型[J]. 向晖,杨胜刚.  消费经济. 2010(01)
[6]基于BP神经网络组和DS证据理论的信用风险评估算法[J]. 郭英见,吴冲,于天军.  合肥工业大学学报(社会科学版). 2009(05)
[7]基于BP-KMV模型的商业银行信用风险评价研究[J]. 张婧婧.  河海大学学报(哲学社会科学版). 2009(03)
[8]个人信用评估的加权组合预测模型[J]. 谢行恒,陈玉芳.  技术经济与管理研究. 2008(02)
[9]个人信用评估模型的比较研究[J]. 丁娟娟,崔媛媛.  商场现代化. 2007(15)
[10]特征选择方法在信用评估指标选取中的应用[J]. 刘扬,刘伟江.  数理统计与管理. 2006(06)

博士论文
[1]商业银行个人信用评估组合预测方法研究[D]. 姜明辉.哈尔滨工业大学 2006

硕士论文
[1]基于随机森林的个人信用评价指标分析[D]. 王梦芹.安徽大学 2018
[2]基于GBDT和LR融合的个人信用评估模型的研究与应用[D]. 孟硕.北京工业大学 2018
[3]基于Logistic回归的神经网络模型在个人信用评估中的应用[D]. 白金瑞.内蒙古大学 2012
[4]商业银行信用评级中逻辑回归与判别分析的对比[D]. 赵清.山东大学 2010
[5]基于人工神经网络的分类方法研究及其在个人信用评估中的应用[D]. 魏志静.山东师范大学 2007
[6]我国个人信用评估研究[D]. 姜金明.广东工业大学 2006



本文编号：3169170