普惠金融是我國(guó)在“十三五”期間重要的戰(zhàn)略決策部署。個(gè)人征信是普惠金融中的一個(gè)重要環(huán)節(jié),隨著互聯(lián)網(wǎng)的快速發(fā)展,因個(gè)人征信問(wèn)題而產(chǎn)生的壞賬率逐年上升,如何準(zhǔn)確的對(duì)個(gè)人授信進(jìn)行評(píng)估變得尤為重要。本文積極響應(yīng)國(guó)家和地區(qū)戰(zhàn)略的號(hào)召,依托我們實(shí)驗(yàn)室承建的甘肅銀行“三農(nóng)”數(shù)字普惠金融服務(wù)平臺(tái),以甘肅省“三農(nóng)”大數(shù)據(jù)為基礎(chǔ),利用大數(shù)據(jù)技術(shù),對(duì)甘肅省農(nóng)戶個(gè)人征信問(wèn)題展開(kāi)了相關(guān)研究。首先,對(duì)甘肅銀行提供的農(nóng)戶基礎(chǔ)數(shù)據(jù)和銀行歷史業(yè)務(wù)數(shù)據(jù)進(jìn)行包括缺失值、異常值處理在內(nèi)的數(shù)據(jù)預(yù)處理工作,進(jìn)而通過(guò)綜合應(yīng)用Pearson系數(shù)、Spearman系數(shù)、主成分分析(PCA)等方法,最終選取特征值大于1,累計(jì)貢獻(xiàn)率大于80%的特征作為實(shí)驗(yàn)特征。其次,以選取的實(shí)驗(yàn)樣本特征為基礎(chǔ),利用Logistic回歸、決策樹(shù)、K近鄰、隨機(jī)森林和支持向量機(jī)(SVM)方法分別建立授信模型,依據(jù)準(zhǔn)確度、AUC、耗費(fèi)時(shí)間等評(píng)估標(biāo)準(zhǔn)進(jìn)行預(yù)測(cè)結(jié)果對(duì)比。對(duì)比發(fā)現(xiàn),Logistic回歸算法的綜合效果最好。因此,我們采用Logistic回歸算法進(jìn)行農(nóng)戶授信額度的預(yù)測(cè),在預(yù)授信額度的基礎(chǔ)上,結(jié)合中國(guó)人民銀行提供的征信報(bào)告,計(jì)算出農(nóng)戶的最終授信額度。最后,因?yàn)?.. 

【文章來(lái)源】：西北師范大學(xué)甘肅省

【文章頁(yè)數(shù)】：58 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

農(nóng)戶授信額度評(píng)估流程圖

西北師范大學(xué)碩士學(xué)位論文16圖2-1碎石圖（3）計(jì)算主成分系數(shù)表2-10是因子載荷矩陣，因子載荷矩陣是分析各主成分的關(guān)鍵步驟，是用標(biāo)準(zhǔn)化后的主成分近似表示標(biāo)準(zhǔn)化原始變量的系數(shù)矩陣，表2-11是得到的主成分表達(dá)式系數(shù)矩陣。表2-10初始因子載荷矩陣1234567891011x1-0.020.12-0.02-0.06-0.62-0.40-0.05-0.23-0.070.08-0.13x20.020.04-0.010.090.16-0.100.350.61-0.130.15-0.33x30.340.88-0.10-0.160.120.000.020.01-0.03-0.01-0.01x40.340.88-0.10-0.160.11-0.010.01-0.01-0.01-0.010.01x50.230.10-0.040.590.18-0.20-0.18-0.14-0.02-0.02-0.13x60.120.170.020.260.090.100.30-0.510.120.22-0.12x70.260.13-0.090.460.05-0.23-0.090.270.00-0.14-0.17x8-0.17-0.550.040.250.060.05-0.03-0.010.000.020.04x90.070.09-0.030.230.04-0.34-0.16-0.010.240.150.49x100.06-0.01-0.020.01-0.070.07-0.090.030.790.23-0.33x11-0.05-0.100.110.040.41-0.040.58-0.310.060.120.13x120.06-0.010.010.490.39-0.12-0.16-0.01-0.120.01-0.29x130.07-0.090.030.100.260.25-0.14-0.30-0.270.02-0.01x140.04-0.03-0.010.050.240.170.080.080.38-0.610.20x150.180.17-0.070.38-0.420.34-0.04-0.10-0.12-0.070.01x160.120.14-0.030.120.100.53-0.440.110.050.070.15x170.030.020.000.030.100.13-0.170.15-0.050.660.20x180.080.10-0.050.41-0.26-0.050.07-0.04-0.03-0.190.06x190.040.08-0.040.25-0.240.390.440.28-0.080.090.17x200.87-0.38-0.13-0.13-0.03-0.020.040.01-0.07-0.010.02x210.170.090.930.01-0.050.000.000.040.02-0.010.00

第3章授信模型更新25第3章授信模型更新普惠金融平臺(tái)的核心是建立針對(duì)農(nóng)戶的信用評(píng)估模型，在農(nóng)戶通過(guò)手機(jī)銀行申請(qǐng)貸款時(shí)能自動(dòng)計(jì)算其信用額度，減少客戶經(jīng)理人為干預(yù)，實(shí)現(xiàn)全線上授信的最終目標(biāo)。但是隨著農(nóng)戶數(shù)據(jù)量的增多，原有模型是否依舊適合現(xiàn)有業(yè)務(wù)的發(fā)展需求？基于以上問(wèn)題，本文提出基于原模型的參數(shù)更新，希望能夠解決隨著業(yè)務(wù)的開(kāi)展，模型也能夠隨之自動(dòng)更新的問(wèn)題。具體流程圖如圖3-1所示。圖3-1模型更新流程圖3.1模型更新條件在本文中，模型訓(xùn)練更新的觸發(fā)條件有兩個(gè)：數(shù)據(jù)增量達(dá)到10萬(wàn)條和銀行貸款壞賬率（也稱(chēng)不良貸款率）達(dá)到1.7%。對(duì)于數(shù)據(jù)增量要求達(dá)到10萬(wàn)條是從銀行實(shí)際業(yè)務(wù)開(kāi)展情況出發(fā)，為了保證農(nóng)戶數(shù)據(jù)的數(shù)據(jù)量充足，可以較為全面的反映農(nóng)戶整體真實(shí)情況。

【參考文獻(xiàn)】：
期刊論文
[1]邏輯回歸中的批量梯度下降算法并行化研究[J]. 李姚舜,劉黎志.  武漢工程大學(xué)學(xué)報(bào). 2019(05)
[2]農(nóng)戶信譽(yù)特征、還款意愿?jìng)鬟f與農(nóng)戶信貸可得——基于信號(hào)傳遞博弈的理論分析和實(shí)證檢驗(yàn)[J]. 王性玉,任樂(lè),趙輝,姚唯一.  管理評(píng)論. 2019(05)
[3]大數(shù)據(jù)在我國(guó)個(gè)人征信領(lǐng)域的問(wèn)題探索[J]. 丁潔.  價(jià)值工程. 2018(30)
[4]阿里巴巴和京東個(gè)人信用評(píng)分體系差異性研究[J]. 劉奕雄.  金融經(jīng)濟(jì). 2017(14)
[5]如何評(píng)估借款人還款意愿?[J]. 孫自通.  首席財(cái)務(wù)官. 2015(12)
[6]個(gè)人信用評(píng)分模型的發(fā)展及優(yōu)化算法分析[J]. 姜明輝,許佩,任瀟,車(chē)凱.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2015(05)
[7]基于Logit與SVM的銀行業(yè)信用風(fēng)險(xiǎn)預(yù)警模型研究[J]. 張奇,胡藍(lán)藝,王玨.  系統(tǒng)工程理論與實(shí)踐. 2015(07)
[8]基于Logistic模型的商業(yè)銀行個(gè)人消費(fèi)信貸風(fēng)險(xiǎn)評(píng)估研究[J]. 張國(guó)政,陳維煌,劉呈輝.  金融理論與實(shí)踐. 2015(03)
[9]基于混淆矩陣和集成學(xué)習(xí)的分類(lèi)方法研究[J]. 孔英會(huì),景美麗.  計(jì)算機(jī)工程與科學(xué). 2012(06)
[10]基于基因表達(dá)式編程的信用評(píng)估模型挖掘方法[J]. 吳江,唐常杰,段磊,李太勇.  計(jì)算機(jī)應(yīng)用. 2007(04)

博士論文
[1]基于實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)挖掘的風(fēng)電機(jī)組故障預(yù)警方法研究[D]. 劉帥.華北電力大學(xué)(北京) 2019
[2]個(gè)人信用風(fēng)險(xiǎn)評(píng)估理論與方法的拓展研究[D]. 帥理.電子科技大學(xué) 2015
[3]基于客戶信用評(píng)級(jí)的商業(yè)銀行信貸管理研究[D]. 劉振華.湖南大學(xué) 2015
[4]供應(yīng)鏈金融背景下銀行授信決策研究[D]. 湯國(guó)生.華南理工大學(xué) 2014

碩士論文
[1]個(gè)人消費(fèi)信貸風(fēng)險(xiǎn)的識(shí)別和預(yù)警[D]. 甘薔.浙江大學(xué) 2019
[2]基于Logistic回歸和Probit回歸的個(gè)人信用評(píng)估研究[D]. 宋燕.廣西師范大學(xué) 2019
[3]基于GBDT和LR融合的個(gè)人信用評(píng)估模型的研究與應(yīng)用[D]. 孟碩.北京工業(yè)大學(xué) 2018
[4]基于Logistic回歸分析的返貧預(yù)測(cè)模型研究[D]. 田昆.西北師范大學(xué) 2018
[5]基于Logistic模型的信用風(fēng)險(xiǎn)評(píng)估[D]. 李杰.華南理工大學(xué) 2017
[6]大數(shù)據(jù)下的個(gè)人征信體系研究[D]. 趙克非.浙江大學(xué) 2017
[7]基于Logistic回歸模型的P2P網(wǎng)貸平臺(tái)借款人信用風(fēng)險(xiǎn)評(píng)估[D]. 王夢(mèng)佳.北京外國(guó)語(yǔ)大學(xué) 2015
[8]基于用戶互聯(lián)網(wǎng)行為數(shù)據(jù)的個(gè)人征信評(píng)估體系建設(shè)分析[D]. 王冠.北京交通大學(xué) 2015
[9]個(gè)人信用評(píng)分組合模型研究[D]. 張飛.電子科技大學(xué) 2015
[10]基于SVM的個(gè)人信用評(píng)分系統(tǒng)設(shè)計(jì)[D]. 陳偉松.上海交通大學(xué) 2014



本文編號(hào)：2939775