發(fā)布時(shí)間：2020-04-07 23:27

【摘要】：大數(shù)據(jù)時(shí)代,我國(guó)金融行業(yè)發(fā)展迅速,人民的消費(fèi)理念、投資方式隨著時(shí)代在不斷的發(fā)生變化。人們由原來(lái)的儲(chǔ)蓄觀念轉(zhuǎn)變?yōu)槌跋M(fèi),促使中國(guó)的信貸行業(yè)蓬勃發(fā)展。同時(shí)個(gè)人信用風(fēng)險(xiǎn)問(wèn)題也日益凸顯,給信貸行業(yè)帶來(lái)巨大的挑戰(zhàn)。個(gè)人信用評(píng)估模型是一種基于數(shù)據(jù)挖掘技術(shù)來(lái)客觀預(yù)測(cè)貸款客戶的違約風(fēng)險(xiǎn),在西方發(fā)達(dá)國(guó)家,從早期的統(tǒng)計(jì)方法到人工智能方法,相關(guān)技術(shù)的研究和應(yīng)用已經(jīng)趨于成熟。由于我國(guó)建立個(gè)人征信體系較晚,個(gè)人信用體系不健全,相關(guān)的研究較為落后。在此背景下,研究如何構(gòu)建預(yù)測(cè)精度更高的個(gè)人信用評(píng)估模型和如何構(gòu)建一套科學(xué)的指標(biāo)體系對(duì)我國(guó)信貸行業(yè)發(fā)展意義重大。本文以個(gè)人信用評(píng)估組合模型為研究對(duì)象。首先對(duì)個(gè)人信用評(píng)估模型的研究進(jìn)行文獻(xiàn)綜述。接著對(duì)Logistic模型原理、LASSO方法、SVM模型原理、組合方法作了介紹,其中針對(duì)SVM模型無(wú)法篩選變量的問(wèn)題,將LASSO方法和SVM模型相結(jié)合,構(gòu)造了LASSO-SVM模型,針對(duì)Logistic模型和LASSO-SVM模型預(yù)測(cè)精度有限的問(wèn)題,構(gòu)造了基于最小二乘法的Logistic和LASSO-SVM組合模型。其次總結(jié)分析了國(guó)內(nèi)學(xué)者常用的指標(biāo)體系,結(jié)合個(gè)人信用指標(biāo)體系構(gòu)建原則和本文信貸數(shù)據(jù)集確立了本文的個(gè)人信用評(píng)估指標(biāo)。最后以UCI上的德國(guó)信貸數(shù)據(jù)集作為實(shí)證數(shù)據(jù)集,先對(duì)原始數(shù)據(jù)進(jìn)行了預(yù)處理,然后依次建立了Logistic模型,LASSO-SVM模型和基于最小二乘法的Logistic和LASSO-SVM組合模型,其中LASSO-SVM模型的性能受到參數(shù)的影響,采用網(wǎng)格搜索的方式進(jìn)行優(yōu)化。選取混淆矩陣和ROC曲線為模型評(píng)估標(biāo)準(zhǔn),將三個(gè)模型的輸出結(jié)果進(jìn)行對(duì)比,結(jié)果表明,基于最小二乘法的Logistic和LASSO-SVM組合模型的總分類正確率和AUC值比其它兩個(gè)單一模型高,LASSO-SVM模型的總分類正確率和AUC比Logistic的高。從第一類分類錯(cuò)誤率和第二類分類錯(cuò)誤率來(lái)看,基于最小二乘法的Logistic和LASSO-SVM組合模型比其它兩個(gè)單一模型低。通過(guò)以上的實(shí)證結(jié)果說(shuō)明,基于最小二乘法的Logistic和LASSO-SVM組合模型完全可以應(yīng)用于個(gè)人信用評(píng)估中。
【圖文】：

Logit函數(shù)圖

ROC 曲線圖實(shí)例
【學(xué)位授予單位】：江西財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F224;F832.4

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姜明輝;許佩;任瀟;車凱;;個(gè)人信用評(píng)分模型的發(fā)展及優(yōu)化算法分析[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2015年05期

2 蕭超武;蔡文學(xué);黃曉宇;陳康;;基于隨機(jī)森林的個(gè)人信用評(píng)估模型研究及實(shí)證分析[J];管理現(xiàn)代化;2014年06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 高尚;劉夫成;;與k均值混合的支持向量機(jī)的個(gè)人信用評(píng)估[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年S2期

5 楊勝剛;朱琦;成程;;個(gè)人信用評(píng)估組合模型的構(gòu)建——基于決策樹(shù)—神經(jīng)網(wǎng)絡(luò)的研究[J];金融論壇;2013年02期

6 杜婷;;基于粗糙集支持向量機(jī)的個(gè)人信用評(píng)估模型[J];統(tǒng)計(jì)與決策;2012年01期

7 楊海江;魏秋萍;張景肖;;基于改進(jìn)的AdaBoost算法的信用評(píng)分模型[J];統(tǒng)計(jì)與信息論壇;2011年02期

8 向暉;楊勝剛;;基于聚類的bagging集成消費(fèi)者信用評(píng)估模型[J];消費(fèi)經(jīng)濟(jì);2011年01期

9 郭春香;李旭升;;貝葉斯網(wǎng)絡(luò)個(gè)人信用評(píng)估模型[J];系統(tǒng)管理學(xué)報(bào);2009年03期

10 姜明輝;袁緒川;馮玉強(qiáng);;PSO-SVM模型的構(gòu)建與應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2009年02期

相關(guān)會(huì)議論文 前1條

1 劉晶;譚峰;柴容倩;;個(gè)人信用風(fēng)險(xiǎn)評(píng)估方法的研究——基于lending club數(shù)據(jù)[A];2015年（第四屆）全國(guó)大學(xué)生統(tǒng)計(jì)建模大賽論文[C];2015年

相關(guān)博士學(xué)位論文 前1條

1 向暉;個(gè)人信用評(píng)分組合模型研究與應(yīng)用[D];湖南大學(xué);2011年

相關(guān)碩士學(xué)位論文 前4條

1 賞東東;基于支持向量機(jī)的個(gè)人信用評(píng)估研究[D];北京化工大學(xué);2017年

2 張碧月;基于RF和APSOLSSVM的兩階段信用評(píng)估研究[D];西南財(cái)經(jīng)大學(xué);2016年

3 王飛;集成分類器及其在個(gè)人信用評(píng)估的應(yīng)用[D];中南大學(xué);2012年

4 傅強(qiáng);基于集成化的個(gè)人信用評(píng)分模型研究[D];華中科技大學(xué);2009年

，

本文編號(hào)：2618532