【摘要】：近年來,隨著經(jīng)濟(jì)的快速發(fā)展,人們的消費(fèi)觀念也隨之改變,人們?cè)絹碓絻A向于提前消費(fèi),越來越多的人向銀行或者商業(yè)公司等金融機(jī)構(gòu)申請(qǐng)貸款,申請(qǐng)人往往關(guān)心能否被授予貸款。銀行等金融機(jī)構(gòu)則關(guān)注申請(qǐng)人是否能按事先約定的時(shí)間償還貸款,他們應(yīng)用信用評(píng)分模型來作為評(píng)估個(gè)人信用評(píng)分的工具,判斷是否將貸款授予申請(qǐng)人,同時(shí)預(yù)測(cè)申請(qǐng)人是違約顧客還是信譽(yù)顧客。如何將銀行等金融機(jī)構(gòu)的損失降到最小,使利潤獲得最大,是信用決策者一直關(guān)注的問題,因此,建立合適有效的信用評(píng)分模型顯得尤為重要。本文采用非平衡個(gè)人信用數(shù)據(jù),在對(duì)非平衡數(shù)據(jù)進(jìn)行預(yù)處理時(shí),采用重抽樣方法中的隨機(jī)過抽樣方法,應(yīng)用模型選擇影響個(gè)人信用評(píng)分的因素時(shí),采用傳統(tǒng)的Logistic回歸方法,以及在Logistic回歸方法上進(jìn)行改進(jìn)的Lasso-Logistic回歸、Adaptive Lasso-Logistic回歸三種方法,Lasso-Logistic回歸在似然函數(shù)上加了懲罰項(xiàng),Adaptive Lasso-Logistic回歸在懲罰項(xiàng)上加權(quán)重,對(duì)不同的回歸系數(shù)給予不同的懲罰,即用適應(yīng)性的權(quán)重來懲罰不同的系數(shù),在計(jì)算系數(shù)權(quán)重時(shí),Adaptive Lasso-Logistic回歸方法分別將極大似然估計(jì)和嶺估計(jì)作為最初的估計(jì),通過對(duì)個(gè)人信用評(píng)分?jǐn)?shù)據(jù)的分析,以最小誤分類錯(cuò)誤和預(yù)測(cè)精度作為衡量標(biāo)準(zhǔn),并采用ROC曲線進(jìn)行驗(yàn)證,分析比較幾種方法在信用評(píng)分中的預(yù)測(cè)結(jié)果。通過對(duì)信用數(shù)據(jù)應(yīng)用上述幾種方法,實(shí)踐結(jié)果表明,Logistic回歸及其改進(jìn)的方法都具有很好的穩(wěn)健性和可解釋性,相比較而言,Logistic回歸的預(yù)測(cè)精度確是最低的,而誤分類錯(cuò)誤也是最高的,由于Lasso-Logistic回歸在Logistic回歸方法上進(jìn)行了懲罰估計(jì),其選擇了相對(duì)較少的變量,降低了模型的復(fù)雜度,并且提高了模型的預(yù)測(cè)精度,減少了誤分類錯(cuò)誤。Adaptive Lasso-Logistic回歸方法給予每個(gè)系數(shù)適應(yīng)性的權(quán)重,最初估計(jì)選用極大似然估計(jì)時(shí),模型表現(xiàn)出最好的預(yù)測(cè)精度以及最低的誤分類錯(cuò)誤,同時(shí)第I類錯(cuò)誤和第II類錯(cuò)誤也都降到了最低。而選用嶺回歸作為最初估計(jì)時(shí),表現(xiàn)僅次于采用極大似然估計(jì)時(shí),無論是分類準(zhǔn)確性還是預(yù)測(cè)準(zhǔn)確性都較Lasso-Logistic回歸高,第I類和第II類錯(cuò)誤,以及總的誤分類也低于Lasso-Logistic回歸。
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：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 汪晶瑤;;信用評(píng)估的常用方法淺析[J];時(shí)代金融;2013年15期

3 向暉;楊勝剛;;個(gè)人信用評(píng)分關(guān)鍵技術(shù)研究的新進(jìn)展[J];財(cái)經(jīng)理論與實(shí)踐;2011年04期

4 汪云云;陳松燦;;基于AUC的分類器評(píng)價(jià)和設(shè)計(jì)綜述[J];模式識(shí)別與人工智能;2011年01期

5 晏艷陽;蔣恒波;;信用評(píng)分模型應(yīng)用比較研究——基于個(gè)體工商戶數(shù)據(jù)的檢驗(yàn)[J];統(tǒng)計(jì)與信息論壇;2010年05期

6 龐素琳;鞏吉璋;;C5.0分類算法及在銀行個(gè)人信用評(píng)級(jí)中的應(yīng)用[J];系統(tǒng)工程理論與實(shí)踐;2009年12期

7 張成虎;李育林;吳鳴;;基于判別分析的個(gè)人信用評(píng)分模型研究與實(shí)證分析[J];大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2009年01期

8 馬海英;;基于神經(jīng)網(wǎng)絡(luò)及Logistic回歸的混合信用卡評(píng)分模型[J];華東理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年02期

9 張麗娜;趙敏;;我國商業(yè)銀行個(gè)人信用評(píng)分指標(biāo)體系分析[J];市場(chǎng)周刊(理論研究);2007年08期

10 李旭升;郭耀煌;;基于貝葉斯網(wǎng)絡(luò)分類的個(gè)人信用評(píng)估模型[J];統(tǒng)計(jì)與決策;2006年20期

相關(guān)碩士學(xué)位論文 前4條

1 儲(chǔ)蕾;基于BP神經(jīng)網(wǎng)絡(luò)和SVM的個(gè)人信用評(píng)估比較研究[D];上海師范大學(xué);2014年

2 白金瑞;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];內(nèi)蒙古大學(xué);2012年

3 黃慧中;基于Logistic和神經(jīng)網(wǎng)絡(luò)的個(gè)人信用評(píng)估組合模型研究[D];電子科技大學(xué);2012年

4 王帥;個(gè)人信用評(píng)分混合模型研究[D];華東師范大學(xué);2010年

，

本文編號(hào)：2594755