基于代价敏感贝叶斯分类的个人信用风险评级

发布时间：2017-06-04 17:10

  本文关键词：基于代价敏感贝叶斯分类的个人信用风险评级，由笔耕文化传播整理发布。

【摘要】：随着信用消费概念逐渐走进人们的日常生活,个人信用风险评级需求也越来越迫切,我国商业银行个人信用风险评级仍然处于起步阶段。出于商业银行保密机制、客户隐私信息保护等原因,目前大部分研究都是基于德国、澳大利亚、英国等国外公开信用测试数据。但是我国人民的信贷消费行为、生活方式与国外有较大差别,国外数据有好的预测结果,并不意味着在我国商业银行中同样适用。因此本文针对我国商业银行信用卡客户的真实信用数据进行建模分析,得出能够适用于我国商业银行的结论。本文实验数据为广州银行信用卡客户信用数据的抽样,在数据预处理过程中,结合决策树理论,运用最优分段方法进行数据离散化。通过抽样数据实证分析表明,传统的等距分段方法在logistic回归模型中表现良好,但是在贝叶斯分类中,最优分段的变量比等距分段的更具有预测性。分类问题中必然存在错分的可能,不同错分情况产生的代价损失也不同。在个人信用风险评级问题中,将“正常”客户误判为“违约”客户和将“违约”客户误判为“正常”客户产生的代价损失也大不相同。前者固然会损失一定的收益,但是后者带来的损失风险是不可估量的。本文首次在个人信用风险评级问题中引入代价敏感概念,构造代价函数和风险函数。通过大量实验确定代价函数的最优参数,分别建立代价敏感朴素贝叶斯模型和代价敏感TAN模型。实证结果表明,在不明显降低正确率的情况下,代价敏感朴素贝叶斯模型和代价敏感TAN模型都能较大程度降低“违约”客户误判为“正常”客户的概率。
【关键词】：信用评级 代价敏感 朴素贝叶斯模型 TAN模型
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F832.2;F224
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-16
• 1.1 研究背景及意义10-12
• 1.2 国内外研究现状12
• 1.3 国内外信用评级指标体系12-13
• 1.4 本文主要研究内容13-16
• 1.4.1 本文基本结构13-14
• 1.4.2 本文创新点14-16
• 第二章 分类模型理论知识16-22
• 2.1 概率统计基础知识16
• 2.2 logistic回归16-18
• 2.3 朴素贝叶斯模型18-19
• 2.4 TAN模型19
• 2.5 数据挖掘概念19-21
• 2.6 本章小结21-22
• 第三章 数据获取与数据预处理22-40
• 3.1 数据获取22-25
• 3.1.1 评级指标选取22-24
• 3.1.2 实验数据抽样24-25
• 3.2 缺失值处理25-27
• 3.3 数据数值化27-36
• 3.4 数据规范化36-38
• 3.5 本章小结38-40
• 第四章 代价敏感贝叶斯分类模型40-51
• 4.1 代价敏感概念40-41
• 4.2 建立代价敏感的贝叶斯分类模型41-45
• 4.2.1 构造代价函数41-42
• 4.2.2 构造风险函数42
• 4.2.3 调节代价函数参数42
• 4.2.4 建立代价敏感朴素贝叶斯模型42-43
• 4.2.5 建立代价敏感TAN模型43-45
• 4.3 实证结果分析45-50
• 4.4 本章小结50-51
• 总结与展望51-52
• 参考文献52-55
• 攻读硕士学位期间取得的研究成果55-56
• 致谢56-57
• 附件57

【参考文献】

中国期刊全文数据库 前4条

1 王小明;商业银行信用风险评级测度方法研究[J];财经研究;2005年05期

2 付忠良;;多标签代价敏感分类集成学习算法[J];自动化学报;2014年06期

3 石庆焱,靳云汇;个人信用评分的主要模型与方法综述[J];统计研究;2003年08期

4 姜琳;;美国个人信用评分系统及其对我国的启示[J];中国金融;2006年07期

中国硕士学位论文全文数据库 前5条

1 辛国福;贝叶斯网络中的因果推断[D];西安电子科技大学;2011年

2 李战江;抽样调查中一些理论与方法的研究[D];内蒙古工业大学;2006年

3 李亚飞;极大或极小数据集下贝叶斯网学习的研究[D];苏州大学;2009年

4 李红光;基于代价敏感学习的房地产企业财务预警模型研究[D];哈尔滨工业大学;2013年

5 吕晓丹;基于改进的决策树信用评价模型研究及其工具实现[D];东华大学;2014年

  本文关键词：基于代价敏感贝叶斯分类的个人信用风险评级，由笔耕文化传播整理发布。

，

本文编号：421610