基于卷积神经网络的客户信用评估模型研究

发布时间：2021-05-23 10:44

　　【目的】分析客户贷款信息基础上,抽取贷款客户特征并成像,利用卷积神经网络构建客户信用模型,提高客户网贷违约预测准确率。【方法】基于Lending Club客户信用数据,将反映客户信息4个方面的特征变量相互连接综合成灰度图,建立基于卷积神经网络的客户信用评估模型。【结果】实验结果表明,基于卷积神经网络的新模型在信用评估实验中特异度为99.4%,灵敏度为68.7%,G-mean值为82.7%,F1值为81.4%,AUC值为99.5%,与传统以特征处理为基础的信用评估模型相比均有显著提升。【局限】仅对比分析有限的信用评估模型,未对不平衡数据的影响做进一步研究。【结论】基于卷积神经网络的网贷客户信用评估模型,在客户违约特征信息提取和违约可能性的预测上具有良好性能。 

【文章来源】：数据分析与知识发现. 2020,4(06)北大核心CSSCICSCD

【文章页数】：11 页

【文章目录】：
1 引言
2 模型构建理论基础
    2.1 卷积神经网络模型构建
    2.2 模型输入数据处理方法
3 实证
    3.1 样本选取和数据预处理
    3.2 对比模型与评价指标
    3.3 模型实证结果及分析
4 结语


【参考文献】：
期刊论文
[1]基于深度信念网络的信用评估研究[J]. 熊志斌,吴维烨.  科研信息化技术与应用. 2019(03)
[2]仿EM的多变量缺失数据填补算法及其在信用评估中的应用[J]. 蒋辉,马超群,许旭庆,兰秋军.  中国管理科学. 2019(03)
[3]基于卷积神经网络的细粒度情感分析方法[J]. 李慧,柴亚青.  数据分析与知识发现. 2019(01)
[4]基于WOE-Probit逐步回归的信用指标组合筛选模型及应用[J]. 刘丹,李战江,郑喜喜.  数学的实践与认识. 2018(02)
[5]银行客户信用评估动态分类器集成选择模型[J]. 肖进,刘敦虎,顾新,汪寿阳.  管理科学学报. 2015(03)
[6]财务危机预警研究:存在问题与框架重构[J]. 吴星泽.  会计研究. 2011(02)
[7]基于BP神经网络的上市公司财务预警模型[J]. 杨淑娥,黄礼.  系统工程理论与实践. 2005(01)

硕士论文
[1]商业银行信用评级筛选财务指标方法效果对比与校验[D]. 阚士行.山东大学 2010



本文编号：3202380