長(zhǎng)久以來(lái),不良資產(chǎn)問(wèn)題困擾著各個(gè)銀行,成為銀行業(yè)面臨的主要金融風(fēng)險(xiǎn),直接威脅著銀行的生存和發(fā)展。而在銀行的眾多風(fēng)險(xiǎn)中,信用風(fēng)險(xiǎn)又是最容易發(fā)生的,所以信用風(fēng)險(xiǎn)管理就成為銀行管理的重中之重。但是部分銀行為預(yù)防信用風(fēng)險(xiǎn)會(huì)采取過(guò)于極端和消極的措施,比如對(duì)主觀認(rèn)為會(huì)違約的客戶(hù)直接拒絕其貸款要求。這不僅不能從根本上解決問(wèn)題,甚至?xí)广y行失去很大一部分優(yōu)質(zhì)客戶(hù)。為了加強(qiáng)銀行的信用風(fēng)險(xiǎn)管理,在貸款業(yè)務(wù)上既能滿足客戶(hù)要求,又能有效降低信用風(fēng)險(xiǎn),減少不良貸款,本文將數(shù)據(jù)挖掘中的一些方法應(yīng)用到銀行的信用風(fēng)險(xiǎn)研究及應(yīng)用中,將其與經(jīng)濟(jì)學(xué)科的理論交叉結(jié)合,通過(guò)一些實(shí)驗(yàn)證明了整體信用評(píng)估的有效性和科學(xué)性,并在此基礎(chǔ)上提出一些具有可操作性的建議。具體內(nèi)容包括:（1）介紹了本文用到的統(tǒng)計(jì)方法,包括隨機(jī)森林算法和主成分分析法,以及經(jīng)濟(jì)學(xué)中的理論模型,比如客戶(hù)關(guān)系管理中的RFM（Recency、Frequency、Monetary）模型和營(yíng)銷(xiāo)中常見(jiàn)的STP（Segmentation、Targeting、Positioning）理論。（2）針對(duì)隨機(jī)森林的優(yōu)勢(shì)和RFM模型的特點(diǎn),將兩者相結(jié)合,通過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)正確率有效提升,所... 

【文章來(lái)源】：安慶師范大學(xué)安徽省

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文內(nèi)容及組織結(jié)構(gòu)
    1.4 本章小結(jié)
第二章 分類(lèi)算法及特征選擇
    2.1 機(jī)器學(xué)習(xí)的概念
    2.2 機(jī)器學(xué)習(xí)常用模型
        2.2.1 支持向量機(jī)
        2.2.2 人工神經(jīng)網(wǎng)絡(luò)
        2.2.3 貝葉斯方法
        2.2.4 決策樹(shù)
    2.3 特征選擇
        2.3.1 特征選擇的概念
        2.3.2 主成分分析法
    2.4 模型對(duì)比及分析
    2.5 本章小結(jié)
第三章 經(jīng)濟(jì)學(xué)理論及模型
    3.1 CRM分析模式
    3.2 RFM模型
        3.2.1 RFM模型介紹
        3.2.2 RFM模型重構(gòu)
    3.3 STP理論
    3.4 本章小結(jié)
第四章 實(shí)證分析
    4.1 銀行數(shù)據(jù)預(yù)處理及特征描述
        4.1.1 數(shù)據(jù)預(yù)處理
        4.1.2 特征交叉分析
    4.2 基于隨機(jī)森林的銀行信用風(fēng)險(xiǎn)分析
    4.3 主成分對(duì)銀行信用風(fēng)險(xiǎn)的分析
    4.4 基于主成分的STP理論對(duì)信用風(fēng)險(xiǎn)的建議
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
致謝
參考文獻(xiàn)
附錄：讀研期間科研情況


【參考文獻(xiàn)】：
期刊論文
[1]大數(shù)據(jù)時(shí)代商業(yè)銀行的客戶(hù)信用風(fēng)險(xiǎn)管理研究[J]. 邵許生.  時(shí)代金融. 2016(20)
[2]博弈論視角下的感知信用評(píng)價(jià)體系研究[J]. 唐浩坤,溫濤,鄒芳莉.  軟科學(xué). 2016(05)
[3]淺談銀行系統(tǒng)信用評(píng)級(jí)和實(shí)現(xiàn)[J]. 蘇建生.  科技展望. 2016(13)
[4]基于灰區(qū)間關(guān)聯(lián)分析的銀行個(gè)人信用優(yōu)化評(píng)估模型[J]. 李步軍,高玉紅,王繼順.  數(shù)學(xué)的實(shí)踐與認(rèn)識(shí). 2016(09)
[5]基于隨機(jī)森林算法的綠色信貸信用風(fēng)險(xiǎn)評(píng)估研究[J]. 李進(jìn).  金融理論與實(shí)踐. 2015(11)
[6]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)
[7]信用突變下商業(yè)銀行信用風(fēng)險(xiǎn)預(yù)警的實(shí)證研究——基于偏好熵權(quán)物元可拓模型的分析[J]. 顧海峰.  審計(jì)與經(jīng)濟(jì)研究. 2014(03)
[8]基于KMV模型的中國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J]. 尹麗.  統(tǒng)計(jì)與決策. 2013(06)
[9]基于主成分分析的商業(yè)銀行信貸風(fēng)險(xiǎn)評(píng)價(jià)[J]. 蘇柳柳,都沁軍.  石家莊經(jīng)濟(jì)學(xué)院學(xué)報(bào). 2013(01)

碩士論文
[1]隨機(jī)森林在個(gè)人信用評(píng)估中的應(yīng)用研究[D]. 李泉.江西財(cái)經(jīng)大學(xué) 2016
[2]基于聚類(lèi)分析的H銀行客戶(hù)細(xì)分及營(yíng)銷(xiāo)策略研究[D]. 樊仙仙.華東理工大學(xué) 2016



本文編號(hào)：3039857