大數(shù)據(jù)在農(nóng)村金融機(jī)構(gòu)中信用風(fēng)險(xiǎn)的分析與應(yīng)用 ——基于貴州農(nóng)信實(shí)證分析
發(fā)布時(shí)間:2021-07-16 10:27
信用風(fēng)險(xiǎn)是銀行最重要的風(fēng)險(xiǎn)之一,有效的控制信用風(fēng)險(xiǎn)能降低銀行的不良率和提高銀行信貸資產(chǎn)質(zhì)量。傳統(tǒng)的數(shù)據(jù)分析方法在面對(duì)急增的數(shù)據(jù)量時(shí)效率低下,分析得出的結(jié)果誤差大,存在技術(shù)缺陷,基于此,本文在大數(shù)據(jù)技術(shù)決策樹分析方法的基礎(chǔ)上研究農(nóng)村金融機(jī)構(gòu)信用風(fēng)險(xiǎn)的影響因素,建立客戶信用風(fēng)險(xiǎn)等級(jí)模型。本文首先對(duì)貴州農(nóng)村金融機(jī)構(gòu)信用風(fēng)險(xiǎn)形成原因進(jìn)行了分析,由于金融機(jī)構(gòu)與客戶之間存在信息不對(duì)稱性、信用環(huán)境不完善、貸款行業(yè)比較集中和內(nèi)控機(jī)制不健全等原因,導(dǎo)致信用風(fēng)險(xiǎn)持續(xù)攀升,而目前存在的信用風(fēng)險(xiǎn)管理流程是以客戶的一些基本指標(biāo)來作為判定標(biāo)準(zhǔn),數(shù)據(jù)來源不統(tǒng)一和人員操作等因素,會(huì)使信用風(fēng)險(xiǎn)的等級(jí)評(píng)定不真實(shí),因此本文采用數(shù)據(jù)挖掘技術(shù),挖掘客戶深層次數(shù)據(jù)之間的內(nèi)在聯(lián)系。本文主要是應(yīng)用SPSS modeler工具對(duì)貴州農(nóng)村信用社某農(nóng)商行的個(gè)人信用貸款數(shù)據(jù)分析,并采用大數(shù)據(jù)技術(shù)里面的分類回歸樹方法,對(duì)其進(jìn)行建模分析得出客戶信用等級(jí),結(jié)論得出影響個(gè)人客戶信用等級(jí)的影響因素主要有貸款余額,客戶類型,授信額度,家庭人口數(shù)。最后論文在以上研究的基礎(chǔ)上提出了降低信用風(fēng)險(xiǎn)的相關(guān)建議和對(duì)大數(shù)據(jù)應(yīng)用方面的展望。
【文章來源】:對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:53 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
貴州農(nóng)村金融機(jī)構(gòu)組成圖
構(gòu)建模型圖
【參考文獻(xiàn)】:
期刊論文
[1]大數(shù)據(jù)背景下優(yōu)化貴州仁懷茅臺(tái)農(nóng)商銀行信貸業(yè)務(wù)的建議[J]. 方梓行. 現(xiàn)代商貿(mào)工業(yè). 2018(05)
[2]農(nóng)村金融信用風(fēng)險(xiǎn)研究[J]. 李權(quán)峰. 財(cái)經(jīng)界(學(xué)術(shù)版). 2017(17)
[3]基于大數(shù)據(jù)的國(guó)有商業(yè)銀行信貸風(fēng)險(xiǎn)管理體系研究[J]. 徐霄. 財(cái)會(huì)學(xué)習(xí). 2017(16)
[4]大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)防控中的應(yīng)用[J]. 弓琛. 中國(guó)管理信息化. 2017(16)
[5]“大數(shù)據(jù)”推動(dòng)中國(guó)建設(shè)銀行業(yè)務(wù)蓬勃發(fā)展[J]. 金磐石. 中國(guó)金融電腦. 2017(05)
[6]我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理研究[J]. 侯一民. 合作經(jīng)濟(jì)與科技. 2017(04)
[7]發(fā)達(dá)國(guó)家及我國(guó)主要地區(qū)大數(shù)據(jù)發(fā)展的政策啟示——以貴州大數(shù)據(jù)產(chǎn)業(yè)發(fā)展為例[J]. 王能強(qiáng). 中國(guó)管理信息化. 2017(04)
[8]發(fā)達(dá)國(guó)家農(nóng)村金融機(jī)構(gòu)風(fēng)險(xiǎn)防范的經(jīng)驗(yàn)與借鑒[J]. 高東光,高遠(yuǎn). 世界農(nóng)業(yè). 2017(01)
[9]市場(chǎng)利率化條件下的利率風(fēng)險(xiǎn)管理[J]. 吳黎國(guó). 經(jīng)營(yíng)管理者. 2016(27)
[10]大數(shù)據(jù)技術(shù)在商業(yè)銀行的應(yīng)用研究[J]. 興業(yè)銀行南京分行會(huì)計(jì)結(jié)算部、中國(guó)人民銀行南京分行會(huì)計(jì)財(cái)務(wù)處聯(lián)合課題組,費(fèi)笑松. 金融縱橫. 2016(09)
碩士論文
[1]貴州農(nóng)村金融機(jī)構(gòu)發(fā)展戰(zhàn)略研究[D]. 張帥.貴州財(cái)經(jīng)大學(xué) 2016
[2]基于大數(shù)據(jù)的商業(yè)銀行智慧型風(fēng)險(xiǎn)管理研究[D]. 李連夢(mèng).天津商業(yè)大學(xué) 2016
[3]商業(yè)銀行信貸風(fēng)險(xiǎn)研究[D]. 王圣文.山東科技大學(xué) 2004
本文編號(hào):3286829
【文章來源】:對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)北京市 211工程院校 教育部直屬院校
【文章頁數(shù)】:53 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
貴州農(nóng)村金融機(jī)構(gòu)組成圖
構(gòu)建模型圖
【參考文獻(xiàn)】:
期刊論文
[1]大數(shù)據(jù)背景下優(yōu)化貴州仁懷茅臺(tái)農(nóng)商銀行信貸業(yè)務(wù)的建議[J]. 方梓行. 現(xiàn)代商貿(mào)工業(yè). 2018(05)
[2]農(nóng)村金融信用風(fēng)險(xiǎn)研究[J]. 李權(quán)峰. 財(cái)經(jīng)界(學(xué)術(shù)版). 2017(17)
[3]基于大數(shù)據(jù)的國(guó)有商業(yè)銀行信貸風(fēng)險(xiǎn)管理體系研究[J]. 徐霄. 財(cái)會(huì)學(xué)習(xí). 2017(16)
[4]大數(shù)據(jù)在互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)防控中的應(yīng)用[J]. 弓琛. 中國(guó)管理信息化. 2017(16)
[5]“大數(shù)據(jù)”推動(dòng)中國(guó)建設(shè)銀行業(yè)務(wù)蓬勃發(fā)展[J]. 金磐石. 中國(guó)金融電腦. 2017(05)
[6]我國(guó)商業(yè)銀行信用風(fēng)險(xiǎn)管理研究[J]. 侯一民. 合作經(jīng)濟(jì)與科技. 2017(04)
[7]發(fā)達(dá)國(guó)家及我國(guó)主要地區(qū)大數(shù)據(jù)發(fā)展的政策啟示——以貴州大數(shù)據(jù)產(chǎn)業(yè)發(fā)展為例[J]. 王能強(qiáng). 中國(guó)管理信息化. 2017(04)
[8]發(fā)達(dá)國(guó)家農(nóng)村金融機(jī)構(gòu)風(fēng)險(xiǎn)防范的經(jīng)驗(yàn)與借鑒[J]. 高東光,高遠(yuǎn). 世界農(nóng)業(yè). 2017(01)
[9]市場(chǎng)利率化條件下的利率風(fēng)險(xiǎn)管理[J]. 吳黎國(guó). 經(jīng)營(yíng)管理者. 2016(27)
[10]大數(shù)據(jù)技術(shù)在商業(yè)銀行的應(yīng)用研究[J]. 興業(yè)銀行南京分行會(huì)計(jì)結(jié)算部、中國(guó)人民銀行南京分行會(huì)計(jì)財(cái)務(wù)處聯(lián)合課題組,費(fèi)笑松. 金融縱橫. 2016(09)
碩士論文
[1]貴州農(nóng)村金融機(jī)構(gòu)發(fā)展戰(zhàn)略研究[D]. 張帥.貴州財(cái)經(jīng)大學(xué) 2016
[2]基于大數(shù)據(jù)的商業(yè)銀行智慧型風(fēng)險(xiǎn)管理研究[D]. 李連夢(mèng).天津商業(yè)大學(xué) 2016
[3]商業(yè)銀行信貸風(fēng)險(xiǎn)研究[D]. 王圣文.山東科技大學(xué) 2004
本文編號(hào):3286829
本文鏈接:http://sikaile.net/jingjilunwen/huobiyinxinglunwen/3286829.html
最近更新
教材專著