【摘要】：近年來(lái),隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展和人們消費(fèi)觀念的轉(zhuǎn)變,信用消費(fèi)在消費(fèi)活動(dòng)中逐漸占據(jù)核心地位。越來(lái)越多的人向商業(yè)銀行或金融機(jī)構(gòu)申請(qǐng)信用消費(fèi)貸款,申請(qǐng)者關(guān)注于信貸申請(qǐng)是否能被批準(zhǔn),而商業(yè)銀行或金融機(jī)構(gòu)關(guān)心申請(qǐng)者能否按時(shí)償還信貸。商業(yè)銀行或金融機(jī)構(gòu)通過(guò)將信用評(píng)分模型作為個(gè)人信用評(píng)分工具,預(yù)測(cè)申請(qǐng)者是違約客戶還是信譽(yù)客戶,進(jìn)而判斷是否將信貸授予申請(qǐng)者。如何精準(zhǔn)識(shí)別潛在違約客戶,最小化商業(yè)銀行或金融機(jī)構(gòu)因客戶信用違約風(fēng)險(xiǎn)而造成的損失,是各金融機(jī)構(gòu)一直以來(lái)需解決的核心問(wèn)題。因此,建立完善有效的個(gè)人信用評(píng)分模型具有重要意義。本文采用某網(wǎng)貸平臺(tái)個(gè)人網(wǎng)貸信用數(shù)據(jù),在進(jìn)行預(yù)處理時(shí),采用單一填補(bǔ)法和眾數(shù)法對(duì)缺失值進(jìn)行填補(bǔ),采用重抽樣法對(duì)非平衡數(shù)據(jù)進(jìn)行平衡處理。在此基礎(chǔ)上,采用 Logistic 回歸,Lasso-Logistic 回歸以及基于 Shapley Value 的Lasso-Logistic回歸三種方法建立個(gè)人信用評(píng)分模型。通過(guò)對(duì)個(gè)人網(wǎng)貸信用評(píng)分?jǐn)?shù)據(jù)進(jìn)行實(shí)證分析,以預(yù)測(cè)精度作為衡量標(biāo)準(zhǔn),將樣本數(shù)據(jù)分為訓(xùn)練集和測(cè)試集兩部分,分析比較三種方法在信用評(píng)分中的預(yù)測(cè)效果。同時(shí)比較加入某網(wǎng)貸平臺(tái)已有的信用評(píng)級(jí)指標(biāo)前后,這三種方法的預(yù)測(cè)效果。通過(guò)對(duì)個(gè)人網(wǎng)貸信用數(shù)據(jù)采用這三種模型進(jìn)行實(shí)證分析,結(jié)果表明,Logistic回歸及其改進(jìn)方法都具有很好的穩(wěn)健性和預(yù)測(cè)性,并且從預(yù)測(cè)精度來(lái)看,Lasso-Logistic回歸和基于Shapley Value的Lasso-Logistic回歸的預(yù)測(cè)準(zhǔn)確率明顯高于Logistic回歸。這是因?yàn)?Lasso-Logistic回歸方法是在Logistic回歸基礎(chǔ)上加入懲罰項(xiàng),使模型剔除了相對(duì)不重要的變量,降低了模型的復(fù)雜度,其預(yù)測(cè)精度最高;基于Shapley Value的Lasso-Logistic回歸方法是將每個(gè)系數(shù)的相對(duì)貢獻(xiàn)度作為其權(quán)重,使模型具有調(diào)整回歸系數(shù)的作用,模型亦表現(xiàn)出高于Logistic回歸的預(yù)測(cè)精度。同時(shí),通過(guò)對(duì)比加入某網(wǎng)貸平臺(tái)已有的信用評(píng)級(jí)指標(biāo)前后的預(yù)測(cè)結(jié)果,發(fā)現(xiàn)在有平臺(tái)信用評(píng)級(jí)的基礎(chǔ)上再進(jìn)行Logistic回歸、Lasso Logistic回歸以及Shapley Value Lasso-Logistic回歸之后的總體預(yù)測(cè)準(zhǔn)確率均明顯高于無(wú)平臺(tái)信用評(píng)級(jí)時(shí)的準(zhǔn)確率,這為將Lasso和Shapley Value方法引入到個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型中,構(gòu)建合適且有效的基于用戶相關(guān)數(shù)據(jù)的風(fēng)控模型和反欺詐識(shí)別的方法提供依據(jù)。
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：F832.4;F724.6
【圖文】：

？碩士學(xué)位論文逡逑ＭＡＳＴＥＲ＇Ｓ邋ＴＨＥＳＩＳ逡逑入＝ｅ＇那么對(duì)于模型選擇出來(lái)的變量數(shù)目為１，在圖４．２中對(duì)應(yīng)的這１為）（２。即結(jié)合圖４．１和圖４．２確定選擇出的變量。根據(jù)１＇化５１＾巧１＾（１９９６）經(jīng)驗(yàn)，同時(shí)盡可能多的獲得相對(duì)比較重要的變量，本文選取入＝ｅ＿５。即模Ｘ，、Ｘ７、NB，５這３個(gè)變量，保留了其余的１３個(gè)變量。逡逑

交皿對(duì)Y的相對(duì)貢獻(xiàn)度

ｌｏｇ＜ＬａｍｔＫｊａ）逡逑圖４．邋４邋Ｌａｍｂｄａ與變量數(shù)目對(duì)應(yīng)走勢(shì)（加入平臺(tái)已有的信用評(píng)級(jí)）逡逑圖４．５顯示隨著調(diào)和參數(shù)入值的變化，模型１７個(gè)變量選擇的具體情況，對(duì)應(yīng)逡逑４１逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 倪新潔;梁彪;倪佩可;;結(jié)合LASSO算法與logistic回歸模型的P2P信貸審批結(jié)果研究[J];統(tǒng)計(jì)與管理;2015年08期

2 王小燕;方匡南;謝邦昌;;Logistic回歸的雙層變量選擇研究[J];統(tǒng)計(jì)研究;2014年09期

3 方匡南;章貴軍;張惠穎;;基于Lasso-logistic模型的個(gè)人信用風(fēng)險(xiǎn)預(yù)警方法[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2014年02期

4 劉喜和;郭娜;;我國(guó)住房抵押貸款信用風(fēng)險(xiǎn)因素分析[J];山東社會(huì)科學(xué);2012年03期

5 雷勛平;Robin Qiu;;Shapley值法的改進(jìn)及其應(yīng)用研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年07期

6 方匡南;吳見(jiàn)彬;朱建平;謝邦昌;;信貸信息不對(duì)稱(chēng)下的信用卡信用風(fēng)險(xiǎn)研究[J];經(jīng)濟(jì)研究;2010年S1期

7 葛君;;基于Logistic模型的信用卡信用風(fēng)險(xiǎn)研究[J];中國(guó)信用卡;2010年24期

8 肖冰;李春紅;;基于Logistic模型的房地產(chǎn)行業(yè)信用風(fēng)險(xiǎn)研究[J];技術(shù)經(jīng)濟(jì);2010年03期

9 楊之雷;;基于Shapley值法的企業(yè)利益相關(guān)者利益分配博弈分析[J];經(jīng)濟(jì)論壇;2009年08期

10 莫茜;高峰;董紀(jì)昌;;行為評(píng)分模型在個(gè)人信用評(píng)估應(yīng)用中的實(shí)證研究[J];國(guó)際金融研究;2008年07期

相關(guān)碩士學(xué)位論文 前4條

1 鄭志強(qiáng);P2P網(wǎng)貸個(gè)人信用評(píng)分模型的研究[D];暨南大學(xué);2016年

2 王玨;基于Shapley值的銀行系統(tǒng)性風(fēng)險(xiǎn)度量研究[D];大連理工大學(xué);2014年

3 蔣中華;Shapley值法在物流金融產(chǎn)品定價(jià)中的應(yīng)用研究[D];云南財(cái)經(jīng)大學(xué);2011年

4 姚龍景;基于Shapley值的供應(yīng)商管理用戶庫(kù)存收益分配模式研究[D];山東大學(xué);2010年

本文編號(hào)：2779013