因信用卡給人們帶來便利,越來越多的人使用信用卡。各大銀行為了搶占市場,也在最大化地發(fā)展客戶,導(dǎo)致信用卡用戶的質(zhì)量參差不齊,違約還款的情況也越來越嚴(yán)重,銀行利益嚴(yán)重受損,故控制違約情況的發(fā)生迫在眉睫。信用卡違約預(yù)測,即:提前發(fā)現(xiàn)潛在的違約還款用戶,可以為違約控制提供重要依據(jù),以便銀行及時(shí)采取有效措施。隨著信息技術(shù)的快速發(fā)展和銀行數(shù)據(jù)體系的逐漸健全,信用卡消費(fèi)數(shù)據(jù)日漸豐富,規(guī)模和復(fù)雜性也日趨增長。深入挖掘并分析信用卡消費(fèi)數(shù)據(jù),探索消費(fèi)行為中隱藏的模式不僅可以幫助銀行進(jìn)一步地了解信用卡用戶的消費(fèi)行為,而且還有助于選取對違約預(yù)測有用的信息,從而幫助違約預(yù)測。因此,針對信用卡違約預(yù)測問題,本文對信用卡消費(fèi)數(shù)據(jù)進(jìn)行了深入挖掘和分析,并在此基礎(chǔ)上對特征選擇展開了研究,提出了兩種特征選擇方法。本文的主要工作如下:（1）以網(wǎng)絡(luò)為視角對某銀行的信用卡消費(fèi)數(shù)據(jù)集進(jìn)行挖掘和分析,發(fā)現(xiàn)了特征之間存在一種有趣的模式,即:特征呈現(xiàn)聚簇現(xiàn)象。該模式不僅揭示了特征之間的復(fù)雜關(guān)系,還有助于發(fā)現(xiàn)信息量大的特征。（2）基于發(fā)現(xiàn)的特征模式,提出了基于社區(qū)的特征選擇方法,然后將其特征選擇結(jié)果用于訓(xùn)練信用卡違約預(yù)測模型。在真實(shí)數(shù)據(jù)... 

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文內(nèi)容及結(jié)構(gòu)
第2章 信用卡違約預(yù)測理論方法概述
    2.1 信用卡違約預(yù)測模型
        2.1.1 樸素貝葉斯模型
        2.1.2 K近鄰分類模型
        2.1.3 邏輯斯蒂回歸模型
        2.1.4 支持向量機(jī)分類模型
        2.1.5 梯度提升決策樹模型
        2.1.6 隨機(jī)森林模型
    2.2 信用卡特征選擇方法
        2.2.1 卡方檢驗(yàn)
        2.2.2 皮爾森相關(guān)系數(shù)
        2.2.3 互信息
        2.2.4 Lasso
    2.3 社區(qū)發(fā)現(xiàn)方法
        2.3.1 復(fù)雜網(wǎng)絡(luò)
        2.3.2 社區(qū)結(jié)構(gòu)
        2.3.3 社區(qū)發(fā)現(xiàn)基本理論
        2.3.4 標(biāo)簽傳播算法
    2.4 本章小節(jié)
第3章 信用卡消費(fèi)數(shù)據(jù)的隱含模式
    3.1 數(shù)據(jù)集
    3.2 數(shù)據(jù)預(yù)處理
    3.3 相關(guān)性
    3.4 隱含模式
    3.5 本章小結(jié)
第4章 基于社區(qū)的特征選擇及信用違約預(yù)測
    4.1 基于社區(qū)的特征選擇方法
    4.2 根據(jù)不同閾值構(gòu)建社區(qū)及特征選擇
        4.2.1 基于閾值0.6 構(gòu)建社區(qū)及特征選擇
        4.2.2 基于閾值0.85 構(gòu)建社區(qū)及特征選擇
    4.3 預(yù)測模型訓(xùn)練和實(shí)驗(yàn)結(jié)果
        4.3.1 預(yù)測模型訓(xùn)練
        4.3.2 評估標(biāo)準(zhǔn)
        4.3.3 基于閾值0.6 的實(shí)驗(yàn)結(jié)果及分析
        4.3.4 基于閾值0.85 的實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第5章 重新加權(quán)的特征選擇及信用違約預(yù)測
    5.1 基于社區(qū)并重新加權(quán)的特征選擇方法
        5.1.1 重新加權(quán)的方法
        5.1.2 基于重新加權(quán)的特征選擇方法
    5.2 根據(jù)不同閾值劃分社區(qū)及特征選擇
        5.2.1 基于閾值0.6 構(gòu)建社區(qū)及特征選擇
        5.2.2 基于閾值0.85 構(gòu)建社區(qū)及特征選擇
    5.3 預(yù)測模型訓(xùn)練和實(shí)驗(yàn)結(jié)果
        5.3.1 基于0.6 閾值的實(shí)驗(yàn)結(jié)果及分析
        5.3.2 基于0.85 閾值的實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
結(jié)論
致謝
參考文獻(xiàn)
攻讀學(xué)位期間取得學(xué)術(shù)成果
附錄
    附錄 A 基于社區(qū)的特征選擇算法


【參考文獻(xiàn)】：
期刊論文
[1]基于隨機(jī)森林的語音情感特征選擇與分類[J]. 邢尹,劉立龍.  計(jì)算機(jī)與數(shù)字工程. 2019(03)
[2]基于特征選擇與集成學(xué)習(xí)的釣魚網(wǎng)站檢測方法[J]. 周傳華,柳智才,丁敬安,周家億.  計(jì)算機(jī)應(yīng)用研究. 2019(04)
[3]K最近鄰算法理論與應(yīng)用綜述[J]. 毋雪雁,王水花,張煜東.  計(jì)算機(jī)工程與應(yīng)用. 2017(21)
[4]基于局部判別約束的半監(jiān)督特征選擇方法[J]. 嚴(yán)菲,王曉棟.  模式識別與人工智能. 2017(01)
[5]基于K-均值聚類的多值有序Logistic回歸模型在信用卡信用評級中的應(yīng)用研究[J]. 王純杰,李群,董小剛,林珊屹.  吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(03)
[6]基于Lasso-logistic模型的個(gè)人信用風(fēng)險(xiǎn)預(yù)警方法[J]. 方匡南,章貴軍,張惠穎.  數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究. 2014(02)
[7]基于數(shù)據(jù)挖掘方法對商業(yè)銀行信用卡違約預(yù)測模型的研究[J]. 涂偉華,王索漫.  中國證券期貨. 2011(09)
[8]信貸信息不對稱下的信用卡信用風(fēng)險(xiǎn)研究[J]. 方匡南,吳見彬,朱建平,謝邦昌.  經(jīng)濟(jì)研究. 2010(S1)
[9]基于Logistic回歸分析的違約概率預(yù)測研究[J]. 于立勇,詹捷輝.  財(cái)經(jīng)研究. 2004(09)

博士論文
[1]商業(yè)銀行信用卡業(yè)務(wù)信用風(fēng)險(xiǎn)管理研究[D]. 趙剛.華東師范大學(xué) 2007

碩士論文
[1]我國商業(yè)銀行信用卡違約風(fēng)險(xiǎn)影響因素研究[D]. 強(qiáng)浩桐.蘭州大學(xué) 2017
[2]信用卡分期業(yè)務(wù)違約的影響因素及研究[D]. 張曉蕾.暨南大學(xué) 2014



本文編號：3685093