發(fā)布時(shí)間：2021-04-30 08:22

　　個(gè)人消費(fèi)信貸的發(fā)展,不僅有利于引導(dǎo)個(gè)人有計(jì)劃的消費(fèi),還可以促進(jìn)國(guó)民經(jīng)濟(jì)健康、穩(wěn)定、持續(xù)的發(fā)展,但目前我國(guó)管理個(gè)人消費(fèi)信貸的相關(guān)法律法規(guī)并不健全,因此,該領(lǐng)域?qū)⒚媾R方方面面的信貸風(fēng)險(xiǎn)。如何在促進(jìn)個(gè)人消費(fèi)信貸發(fā)展的同時(shí)有效管理其帶來(lái)的風(fēng)險(xiǎn),是消費(fèi)信貸業(yè)及相關(guān)主體面臨的關(guān)鍵問(wèn)題。通常的做法是對(duì)個(gè)人信用進(jìn)行科學(xué)合理的預(yù)測(cè)評(píng)估。對(duì)個(gè)人信用進(jìn)行科學(xué)合理的預(yù)測(cè)評(píng)估對(duì)并在此基礎(chǔ)上開(kāi)展個(gè)性化的金融服務(wù),是理論和實(shí)務(wù)界面臨的關(guān)鍵問(wèn)題,也具有重要的研究?jī)r(jià)值。本研究擬以現(xiàn)代風(fēng)險(xiǎn)控制理論為基礎(chǔ),某銀行的個(gè)人消費(fèi)信貸行為數(shù)據(jù)集為研究對(duì)象,特征工程、神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、梯度提升樹(shù)等機(jī)器學(xué)習(xí)算法、組合模型為技術(shù)方法,探索科學(xué)合理的個(gè)人信用評(píng)估方法,進(jìn)而為消費(fèi)信貸業(yè)及相關(guān)主體進(jìn)行決策提供科學(xué)的依據(jù)。研究表明,特征工程和組合模型的使用,不僅能夠克服傳統(tǒng)邏輯回歸模型的缺陷,還可以在一定程度上提高模型的預(yù)測(cè)精度及其性能。本研究的主要內(nèi)容包括:第一章為緒論部分,主要介紹了研究的背景和意義、國(guó)內(nèi)外研究現(xiàn)狀、本文的研究方法、思路及內(nèi)容;第二章闡述了特征工程的步驟和相關(guān)原理;第三章介紹了邏輯回歸模型、GBDT模型、隨機(jī)森林模型、神經(jīng)... 

【文章來(lái)源】：天津商業(yè)大學(xué)天津市

【文章頁(yè)數(shù)】：59 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究目的及意義
    1.2 文獻(xiàn)綜述
        1.2.1 國(guó)外文獻(xiàn)綜述
        1.2.2 國(guó)內(nèi)文獻(xiàn)綜述
    1.3 研究思路與方法
        1.3.1 研究思路
        1.3.2 研究方法
    1.4 研究?jī)?nèi)容及結(jié)構(gòu)
第二章 特征工程
    2.1 數(shù)據(jù)處理
    2.2 特征衍生
    2.3 特征分箱
        2.3.1 卡方分箱法
        2.3.2 Best-KS分箱法
        2.3.3 無(wú)監(jiān)督分箱法
    2.4 特征編碼
    2.5 特征選擇
        2.5.1 包裹法
        2.5.2 過(guò)濾法
        2.5.3 嵌入法
        2.5.4 IV特征選擇法
        2.5.5 單變量、多變量分析
第三章 個(gè)人信用評(píng)估模型的理論
    3.1 邏輯回歸模型理論
    3.2 GBDT模型理論
    3.3 隨機(jī)森林模型理論
    3.4 人工神經(jīng)網(wǎng)絡(luò)模型理論
        3.4.1 人工神經(jīng)元結(jié)構(gòu)模型
        3.4.2 前饋型神經(jīng)網(wǎng)絡(luò)
        3.4.3 反饋型神經(jīng)網(wǎng)絡(luò)
        3.4.4 前饋型神經(jīng)網(wǎng)絡(luò)與反饋型神經(jīng)網(wǎng)絡(luò)的區(qū)別
    3.5 組合模型
    3.6 模型評(píng)價(jià)及比較分析
        3.6.1 KS值
        3.6.2 AR值
第四章 個(gè)人信用評(píng)估模型建立及評(píng)價(jià)
    4.1 特征工程
        4.1.1 建模數(shù)據(jù)及特征衍生
        4.1.2 特征分箱、WOE編碼及IV值計(jì)算
        4.1.3 特征選擇
    4.2 邏輯回歸模型
    4.3 神經(jīng)網(wǎng)絡(luò)-邏輯回歸組合模型
    4.4 隨機(jī)森林-邏輯回歸組合模型
    4.5 GBDT-邏輯回歸組合模型
    4.6 模型評(píng)價(jià)及對(duì)比分析
第五章 結(jié)論與展望
    5.1 研究結(jié)論
    5.2 不足及展望
參考文獻(xiàn)
附錄
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于SVM-Logistic組合模型的P2P借款者信用風(fēng)險(xiǎn)評(píng)估——以微貸網(wǎng)為例[J]. 都紅雯,盧孝偉.  生產(chǎn)力研究. 2018(10)
[2]基于GBDT的個(gè)人信用評(píng)估方法[J]. 王黎,廖聞劍.  電子設(shè)計(jì)工程. 2017(15)
[3]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]. 蕭超武,蔡文學(xué),黃曉宇,陳康.  管理現(xiàn)代化. 2014(06)
[4]組合模型在商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估中的研究[J]. 朱金華.  計(jì)算機(jī)仿真. 2011(09)
[5]消費(fèi)者信用評(píng)估的SVM-LDA組合模型[J]. 向暉,楊勝剛.  消費(fèi)經(jīng)濟(jì). 2010(01)
[6]基于BP神經(jīng)網(wǎng)絡(luò)組和DS證據(jù)理論的信用風(fēng)險(xiǎn)評(píng)估算法[J]. 郭英見(jiàn),吳沖,于天軍.  合肥工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2009(05)
[7]基于BP-KMV模型的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)價(jià)研究[J]. 張婧婧.  河海大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2009(03)
[8]個(gè)人信用評(píng)估的加權(quán)組合預(yù)測(cè)模型[J]. 謝行恒,陳玉芳.  技術(shù)經(jīng)濟(jì)與管理研究. 2008(02)
[9]個(gè)人信用評(píng)估模型的比較研究[J]. 丁娟娟,崔媛媛.  商場(chǎng)現(xiàn)代化. 2007(15)
[10]特征選擇方法在信用評(píng)估指標(biāo)選取中的應(yīng)用[J]. 劉揚(yáng),劉偉江.  數(shù)理統(tǒng)計(jì)與管理. 2006(06)

博士論文
[1]商業(yè)銀行個(gè)人信用評(píng)估組合預(yù)測(cè)方法研究[D]. 姜明輝.哈爾濱工業(yè)大學(xué) 2006

碩士論文
[1]基于隨機(jī)森林的個(gè)人信用評(píng)價(jià)指標(biāo)分析[D]. 王夢(mèng)芹.安徽大學(xué) 2018
[2]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
[3]基于Logistic回歸的神經(jīng)網(wǎng)絡(luò)模型在個(gè)人信用評(píng)估中的應(yīng)用[D]. 白金瑞.內(nèi)蒙古大學(xué) 2012
[4]商業(yè)銀行信用評(píng)級(jí)中邏輯回歸與判別分析的對(duì)比[D]. 趙清.山東大學(xué) 2010
[5]基于人工神經(jīng)網(wǎng)絡(luò)的分類方法研究及其在個(gè)人信用評(píng)估中的應(yīng)用[D]. 魏志靜.山東師范大學(xué) 2007
[6]我國(guó)個(gè)人信用評(píng)估研究[D]. 姜金明.廣東工業(yè)大學(xué) 2006



本文編號(hào)：3169170