个人消费信用评分模型的构建及应用研究

发布时间：2021-06-28 07:06

　　随着个人消费信贷产业的蓬勃发展,许多金融机构在追求利益的同时也伴随着巨大的信用风险,所以如何避免这些信用风险成为了银行和信贷机构面临的急需解决的问题。个人信用评分模型是利用统计分析方法和数据挖掘技术对个人基本信息数据进行分析,将当前的个人信息数据转化为能够表征将来某种信用风险的数值。早期的个人信用评分技术是基于基础的统计学方法进行研究,但是随着机器学习的发展,越来越多的学者研究较为复杂的机器学习方法以及统计学方法与机器学习方法相结合的方法,但是如何评价众多模型还没有一致的结论。国外发达国家虽然已经形成了较为完善的个人信用评价系统,但是在中国不健全的个人征信体系下并不适用,因此构建一个符合中国特色的个人征信体系十分必要。本文以中国某金融机构的实际数据为例,详细介绍了个人消费信用评分模型的构建过程与评价。首先根据数据的特点,构建了能够充分体现数据特征的“RFMC”评价指标体系,对数据进行预处理之后,分别建立了三种不同类型的单一模型:反映专家知识和经验的主观评价方法—模糊层次分析法,反映不同指标数据之间差异的客观评价方法—灰色综合评价,以及体现数据规律的Logistic回归模型,并使用粒子群... 

【文章来源】：东北财经大学辽宁省

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图１－１论文结构框架图??

本文选择／Ｆ值大于０．１的变量，最终保留了?１２个变量，表４－１２为最终保??留的变量的／Ｋ值。??表４－１２?入模变量表??特征变量?值?＾??贷记卡数?０．６０１６??贷记卡消费次数?０．２６９５??贷记卡消费金额?０．２８９２??贷记卡最大单笔消费?０．２６０８??贷记卡消费次数稳定性?０．２６９９??贷记卡消费金额稳定性?０．２６３１??借记卡消费新近程度?０．１４２８??借记卡消费次数?０．３１１６??借记卡消费金额?０．４３８９??借记卡最大单笔消费?０．４７６９??借记卡消费次数稳定性?０．２１６８???借记卡消费金额稳定性?０－２１６９???

Ｓｐｅｃｉｆｉｃｉｔｙ??图５－１四种模型Ｒ０Ｃ曲线图??图５－１中给出了四种模型的Ｒ０Ｃ曲线，Ｒ０Ｃ曲线对模型的准确性提供了视觉??印象，ＲＯＣ曲线越靠近左上角，性能越好，模型精度越高。从图中可以看出，最??接近左上角的ＲＯＣ曲线足优化后的组合模型，说明该模型精度最高，其次是??Ｌｏｇｉｓｔｉｃ回归，模型精度次之，模糊层次分析法的Ｒ０Ｃ曲线最靠近右下角，说明??该模型精度最低，区分效果最不好。??由于ＲＯＣ曲线只能在视觉上比较，并不能很精确的得出哪种方法的性能迟??好，为了能更好地比较几种模型的性能，本文计算出四种模型的ＲＯＣ曲线Ｋ方丨（！丨??积一ＡＵＣ值。模糊层次分析法的ＡＵＣ值为０．６３，灰色综合评价的ＡＵＣ侦为０．７１，??Ｌｏｇｉｓｔｉｃ的ＡＵＣ值为０．７３

【参考文献】：
期刊论文
[1]信用评价方法的多维最优选择策略[J]. 杨成荣,李战江,史来银.  统计与决策. 2018(21)
[2]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)
[3]基于人工智能的互联网金融信用评分模型研究[J]. 王卓娅,王彬彬,刘源.  中国市场. 2018(13)
[4]基于数据挖掘的信用卡申请客户信用评价问题研究[J]. 郭龙飞,严广乐.  经济研究导刊. 2018(05)
[5]一种基于改进AHP的电信企业信用评分模型[J]. 李金柱,唐霞,余晨,彭依校.  通信技术. 2017(11)
[6]正交支持向量机及其在信用评分中的应用[J]. 韩璐,韩立岩.  管理工程学报. 2017(02)
[7]个人信用评分模型比较数据挖掘分析[J]. 李卯.  时代金融. 2017(06)
[8]一种新的组合模型在信用评分中的应用[J]. 赵朋飞,何晓群,王彦飞.  数学的实践与认识. 2016(05)
[9]基于RS-SVR的企业信用评分模型[J]. 陈云,杨晓雪,石松.  计算机应用研究. 2016(11)
[10]个人信用风险评分的指标选择研究[J]. 黄秋彧,史小康.  新疆财经大学学报. 2015(03)



本文编号：3253862