【摘要】：信用卡首先出現(xiàn)在20世紀(jì)60年代歐美等發(fā)達(dá)國(guó)家,到今天其已經(jīng)成為了最主要的支付工具之一。中國(guó)自改革開(kāi)放后,信用卡也逐漸迎來(lái)了消費(fèi)熱潮和快速發(fā)展。但是由于信用卡客戶違約、銀行系統(tǒng)漏洞等一系列不確定性,導(dǎo)致應(yīng)收賬款不能及時(shí)收回,即可能發(fā)生部分或全部的違約或者壞賬,這逐漸成為了各大商業(yè)銀行和金融機(jī)構(gòu)巨大的風(fēng)險(xiǎn)隱患。針對(duì)上述問(wèn)題,本文提出了基于數(shù)據(jù)挖掘技術(shù)的銀行信用卡客戶違約概率預(yù)測(cè)準(zhǔn)確性的研究。事實(shí)上,信用卡客戶違約評(píng)估不僅可以幫助商業(yè)銀行減輕甚至消除信貸業(yè)務(wù)的資金風(fēng)險(xiǎn)、加強(qiáng)客戶信息的維護(hù)和信貸業(yè)務(wù)的管理,還有利于我國(guó)金融市場(chǎng)整體的繁榮穩(wěn)定。本文首先通過(guò)調(diào)整動(dòng)態(tài)自適應(yīng)權(quán)重和利用柯西變異更新蝙蝠位置的方法對(duì)蝙蝠算法進(jìn)行了優(yōu)化,提出了一種基于動(dòng)態(tài)自適應(yīng)權(quán)重和柯西變異的蝙蝠優(yōu)化算法,實(shí)驗(yàn)結(jié)果表明,該算法的收斂速度和收斂精度等性能明顯優(yōu)于原算法和一些別人改進(jìn)過(guò)的算法。然后優(yōu)化特征選擇方法,提出并建立了一類(lèi)基于銀行客戶數(shù)據(jù)的個(gè)人信用風(fēng)險(xiǎn)評(píng)估指標(biāo),通過(guò)蝙蝠優(yōu)化算法組合BP神經(jīng)網(wǎng)絡(luò)的方法,針對(duì)構(gòu)造的風(fēng)險(xiǎn)評(píng)估指標(biāo)訓(xùn)練出來(lái)一種新的應(yīng)用于信用卡違約預(yù)測(cè)的多分類(lèi)器組合模型。在深入分析當(dāng)前銀行信用卡違約預(yù)測(cè)技術(shù)的基礎(chǔ)上,本文借助臺(tái)灣某商業(yè)銀行30000筆客戶的個(gè)人信貸數(shù)據(jù),采用機(jī)器學(xué)習(xí)的思想對(duì)數(shù)據(jù)集進(jìn)行了清洗和預(yù)處理操作,將數(shù)據(jù)拆分為了訓(xùn)練集與測(cè)試集。每位客戶的信息中有23個(gè)自變量,根據(jù)各個(gè)變量的相關(guān)性和重要性調(diào)整了特征變量,分別使用多種數(shù)據(jù)挖掘方法對(duì)訓(xùn)練集進(jìn)行建模。通過(guò)比較這幾種模型在客戶違約預(yù)測(cè)方面的準(zhǔn)確性,選出了四個(gè)預(yù)測(cè)效果較好且有明顯差異的分類(lèi)器做模型組合。最后把訓(xùn)練出來(lái)的組合模型和組成它的基分類(lèi)器模型進(jìn)行了對(duì)比實(shí)驗(yàn)的驗(yàn)證,發(fā)現(xiàn)基于動(dòng)態(tài)自適應(yīng)權(quán)重和柯西變異的蝙蝠優(yōu)化算法組合BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的多分類(lèi)器組合模型具有更加準(zhǔn)確的預(yù)測(cè)結(jié)果,在銀行違約測(cè)試數(shù)據(jù)上預(yù)測(cè)準(zhǔn)確率最高,誤報(bào)率最低。本論文為商業(yè)銀行信用卡客戶違約概率預(yù)測(cè)問(wèn)題的研究提供了一種新的解決思路和解決辦法。
【學(xué)位授予單位】：河南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP311.13;F832.2
【圖文】：

神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)

圖 2-2 單層感知器個(gè)簡(jiǎn)單的單層感知器的模型圖。學(xué)家 Frank Rosenblatt 提出了感知器的概念，感知器是一種分類(lèi)器，可以將它看作是一種形式最為簡(jiǎn)單的前饋神經(jīng)網(wǎng)絡(luò)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張俊一;;Fisher判別分析在企業(yè)信用評(píng)價(jià)中的應(yīng)用[J];科技信息;2014年11期

2 曹官帥;張才仙;;基于判別分析模型的企業(yè)信貸風(fēng)險(xiǎn)評(píng)估研究[J];科技創(chuàng)新導(dǎo)報(bào);2008年18期

3 蔣林波;蔡立軍;易葉青;;一個(gè)新的多分類(lèi)器組合模型[J];計(jì)算機(jī)工程與應(yīng)用;2008年17期

4 謝行恒;陳玉芳;;個(gè)人信用評(píng)估的加權(quán)組合預(yù)測(cè)模型[J];技術(shù)經(jīng)濟(jì)與管理研究;2008年02期

5 許羅德;;大力發(fā)展銀行卡[J];中國(guó)信用卡;2007年02期

6 姜琳;;美國(guó)FICO評(píng)分系統(tǒng)述評(píng)[J];商業(yè)研究;2006年20期

7 胡少華;;中國(guó)銀行卡:市場(chǎng)結(jié)構(gòu)與業(yè)務(wù)競(jìng)爭(zhēng)力[J];財(cái)經(jīng)理論與實(shí)踐;2006年04期

8 徐少鋒;;FISHER判別分析在個(gè)人信用評(píng)估中的應(yīng)用[J];統(tǒng)計(jì)與決策;2006年02期

9 王正群,孫興華,楊靜宇;多分類(lèi)器組合研究[J];計(jì)算機(jī)工程與應(yīng)用;2002年20期

10 胡鐘山,婁震,楊靜宇,劉克,孫靖夷;基于多分類(lèi)器組合的手寫(xiě)體數(shù)字識(shí)別[J];計(jì)算機(jī)學(xué)報(bào);1999年04期

相關(guān)博士學(xué)位論文 前2條

1 帥理;個(gè)人信用風(fēng)險(xiǎn)評(píng)估理論與方法的拓展研究[D];電子科技大學(xué);2015年

2 張萬(wàn)軍;基于大數(shù)據(jù)的個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型研究[D];對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 林治軍;ZX銀行信用卡營(yíng)銷(xiāo)策略研究[D];廣西大學(xué);2017年

2 胡明雅;P2P網(wǎng)絡(luò)信貸平臺(tái)新進(jìn)入借款人信用風(fēng)險(xiǎn)評(píng)估研究[D];江蘇科技大學(xué);2016年

3 劉凱;基于數(shù)據(jù)挖掘的個(gè)人信用評(píng)分建模與分析[D];華中師范大學(xué);2016年

4 苗家銘;基于數(shù)據(jù)挖掘技術(shù)的商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估模型及其應(yīng)用[D];南京財(cái)經(jīng)大學(xué);2015年

5 唐小寒;數(shù)據(jù)挖掘在商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估中的應(yīng)用[D];湖南大學(xué);2014年

6 王雪;投票式組合預(yù)測(cè)模型在個(gè)人信用評(píng)估中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2011年

7 馮瓊;基于組合預(yù)測(cè)模型的銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)估體系應(yīng)用研究[D];中南民族大學(xué);2011年

8 王灝;我國(guó)商業(yè)銀行個(gè)人消費(fèi)信貸信用風(fēng)險(xiǎn)評(píng)估研究[D];長(zhǎng)春理工大學(xué);2011年

9 范婕;基于PSO-BP模型的高校學(xué)生個(gè)人信用評(píng)價(jià)體系研究[D];山西財(cái)經(jīng)大學(xué);2010年

10 李浩茹;基于數(shù)據(jù)挖掘的商業(yè)銀行企業(yè)客戶信用風(fēng)險(xiǎn)評(píng)估研究[D];中南大學(xué);2010年

本文編號(hào)：2730639