大数据在农村金融机构中信用风险的分析与应用 ——基于贵州农信实证分析

发布时间：2021-07-16 10:27

　　信用风险是银行最重要的风险之一,有效的控制信用风险能降低银行的不良率和提高银行信贷资产质量。传统的数据分析方法在面对急增的数据量时效率低下,分析得出的结果误差大,存在技术缺陷,基于此,本文在大数据技术决策树分析方法的基础上研究农村金融机构信用风险的影响因素,建立客户信用风险等级模型。本文首先对贵州农村金融机构信用风险形成原因进行了分析,由于金融机构与客户之间存在信息不对称性、信用环境不完善、贷款行业比较集中和内控机制不健全等原因,导致信用风险持续攀升,而目前存在的信用风险管理流程是以客户的一些基本指标来作为判定标准,数据来源不统一和人员操作等因素,会使信用风险的等级评定不真实,因此本文采用数据挖掘技术,挖掘客户深层次数据之间的内在联系。本文主要是应用SPSS modeler工具对贵州农村信用社某农商行的个人信用贷款数据分析,并采用大数据技术里面的分类回归树方法,对其进行建模分析得出客户信用等级,结论得出影响个人客户信用等级的影响因素主要有贷款余额,客户类型,授信额度,家庭人口数。最后论文在以上研究的基础上提出了降低信用风险的相关建议和对大数据应用方面的展望。 

【文章来源】：对外经济贸易大学北京市 211工程院校 教育部直属院校

【文章页数】：53 页

【学位级别】：硕士

【部分图文】：

贵州农村金融机构组成图

构建模型图

【参考文献】：
期刊论文
[1]大数据背景下优化贵州仁怀茅台农商银行信贷业务的建议[J]. 方梓行.  现代商贸工业. 2018(05)
[2]农村金融信用风险研究[J]. 李权峰.  财经界(学术版). 2017(17)
[3]基于大数据的国有商业银行信贷风险管理体系研究[J]. 徐霄.  财会学习. 2017(16)
[4]大数据在互联网金融风险防控中的应用[J]. 弓琛.  中国管理信息化. 2017(16)
[5]“大数据”推动中国建设银行业务蓬勃发展[J]. 金磐石.  中国金融电脑. 2017(05)
[6]我国商业银行信用风险管理研究[J]. 侯一民.  合作经济与科技. 2017(04)
[7]发达国家及我国主要地区大数据发展的政策启示——以贵州大数据产业发展为例[J]. 王能强.  中国管理信息化. 2017(04)
[8]发达国家农村金融机构风险防范的经验与借鉴[J]. 高东光,高远.  世界农业. 2017(01)
[9]市场利率化条件下的利率风险管理[J]. 吴黎国.  经营管理者. 2016(27)
[10]大数据技术在商业银行的应用研究[J]. 兴业银行南京分行会计结算部、中国人民银行南京分行会计财务处联合课题组,费笑松.  金融纵横. 2016(09)

硕士论文
[1]贵州农村金融机构发展战略研究[D]. 张帅.贵州财经大学 2016
[2]基于大数据的商业银行智慧型风险管理研究[D]. 李连梦.天津商业大学 2016
[3]商业银行信贷风险研究[D]. 王圣文.山东科技大学 2004



本文编号：3286829