本文關(guān)鍵詞：基于代價(jià)敏感貝葉斯分類的個(gè)人信用風(fēng)險(xiǎn)評(píng)級(jí)，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著信用消費(fèi)概念逐漸走進(jìn)人們的日常生活,個(gè)人信用風(fēng)險(xiǎn)評(píng)級(jí)需求也越來越迫切,我國(guó)商業(yè)銀行個(gè)人信用風(fēng)險(xiǎn)評(píng)級(jí)仍然處于起步階段。出于商業(yè)銀行保密機(jī)制、客戶隱私信息保護(hù)等原因,目前大部分研究都是基于德國(guó)、澳大利亞、英國(guó)等國(guó)外公開信用測(cè)試數(shù)據(jù)。但是我國(guó)人民的信貸消費(fèi)行為、生活方式與國(guó)外有較大差別,國(guó)外數(shù)據(jù)有好的預(yù)測(cè)結(jié)果,并不意味著在我國(guó)商業(yè)銀行中同樣適用。因此本文針對(duì)我國(guó)商業(yè)銀行信用卡客戶的真實(shí)信用數(shù)據(jù)進(jìn)行建模分析,得出能夠適用于我國(guó)商業(yè)銀行的結(jié)論。本文實(shí)驗(yàn)數(shù)據(jù)為廣州銀行信用卡客戶信用數(shù)據(jù)的抽樣,在數(shù)據(jù)預(yù)處理過程中,結(jié)合決策樹理論,運(yùn)用最優(yōu)分段方法進(jìn)行數(shù)據(jù)離散化。通過抽樣數(shù)據(jù)實(shí)證分析表明,傳統(tǒng)的等距分段方法在logistic回歸模型中表現(xiàn)良好,但是在貝葉斯分類中,最優(yōu)分段的變量比等距分段的更具有預(yù)測(cè)性。分類問題中必然存在錯(cuò)分的可能,不同錯(cuò)分情況產(chǎn)生的代價(jià)損失也不同。在個(gè)人信用風(fēng)險(xiǎn)評(píng)級(jí)問題中,將“正常”客戶誤判為“違約”客戶和將“違約”客戶誤判為“正�！笨蛻舢a(chǎn)生的代價(jià)損失也大不相同。前者固然會(huì)損失一定的收益,但是后者帶來的損失風(fēng)險(xiǎn)是不可估量的。本文首次在個(gè)人信用風(fēng)險(xiǎn)評(píng)級(jí)問題中引入代價(jià)敏感概念,構(gòu)造代價(jià)函數(shù)和風(fēng)險(xiǎn)函數(shù)。通過大量實(shí)驗(yàn)確定代價(jià)函數(shù)的最優(yōu)參數(shù),分別建立代價(jià)敏感樸素貝葉斯模型和代價(jià)敏感TAN模型。實(shí)證結(jié)果表明,在不明顯降低正確率的情況下,代價(jià)敏感樸素貝葉斯模型和代價(jià)敏感TAN模型都能較大程度降低“違約”客戶誤判為“正常”客戶的概率。
【關(guān)鍵詞】：信用評(píng)級(jí) 代價(jià)敏感 樸素貝葉斯模型 TAN模型
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F832.2;F224
【目錄】：

• 摘要5-6
• Abstract6-10
• 第一章 緒論10-16
• 1.1 研究背景及意義10-12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12
• 1.3 國(guó)內(nèi)外信用評(píng)級(jí)指標(biāo)體系12-13
• 1.4 本文主要研究?jī)?nèi)容13-16
• 1.4.1 本文基本結(jié)構(gòu)13-14
• 1.4.2 本文創(chuàng)新點(diǎn)14-16
• 第二章 分類模型理論知識(shí)16-22
• 2.1 概率統(tǒng)計(jì)基礎(chǔ)知識(shí)16
• 2.2 logistic回歸16-18
• 2.3 樸素貝葉斯模型18-19
• 2.4 TAN模型19
• 2.5 數(shù)據(jù)挖掘概念19-21
• 2.6 本章小結(jié)21-22
• 第三章 數(shù)據(jù)獲取與數(shù)據(jù)預(yù)處理22-40
• 3.1 數(shù)據(jù)獲取22-25
• 3.1.1 評(píng)級(jí)指標(biāo)選取22-24
• 3.1.2 實(shí)驗(yàn)數(shù)據(jù)抽樣24-25
• 3.2 缺失值處理25-27
• 3.3 數(shù)據(jù)數(shù)值化27-36
• 3.4 數(shù)據(jù)規(guī)范化36-38
• 3.5 本章小結(jié)38-40
• 第四章 代價(jià)敏感貝葉斯分類模型40-51
• 4.1 代價(jià)敏感概念40-41
• 4.2 建立代價(jià)敏感的貝葉斯分類模型41-45
• 4.2.1 構(gòu)造代價(jià)函數(shù)41-42
• 4.2.2 構(gòu)造風(fēng)險(xiǎn)函數(shù)42
• 4.2.3 調(diào)節(jié)代價(jià)函數(shù)參數(shù)42
• 4.2.4 建立代價(jià)敏感樸素貝葉斯模型42-43
• 4.2.5 建立代價(jià)敏感TAN模型43-45
• 4.3 實(shí)證結(jié)果分析45-50
• 4.4 本章小結(jié)50-51
• 總結(jié)與展望51-52
• 參考文獻(xiàn)52-55
• 攻讀碩士學(xué)位期間取得的研究成果55-56
• 致謝56-57
• 附件57

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前4條

1 王小明;商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)級(jí)測(cè)度方法研究[J];財(cái)經(jīng)研究;2005年05期

2 付忠良;;多標(biāo)簽代價(jià)敏感分類集成學(xué)習(xí)算法[J];自動(dòng)化學(xué)報(bào);2014年06期

3 石慶焱,靳云匯;個(gè)人信用評(píng)分的主要模型與方法綜述[J];統(tǒng)計(jì)研究;2003年08期

4 姜琳;;美國(guó)個(gè)人信用評(píng)分系統(tǒng)及其對(duì)我國(guó)的啟示[J];中國(guó)金融;2006年07期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前5條

1 辛國(guó)福;貝葉斯網(wǎng)絡(luò)中的因果推斷[D];西安電子科技大學(xué);2011年

2 李戰(zhàn)江;抽樣調(diào)查中一些理論與方法的研究[D];內(nèi)蒙古工業(yè)大學(xué);2006年

3 李亞飛;極大或極小數(shù)據(jù)集下貝葉斯網(wǎng)學(xué)習(xí)的研究[D];蘇州大學(xué);2009年

4 李紅光;基于代價(jià)敏感學(xué)習(xí)的房地產(chǎn)企業(yè)財(cái)務(wù)預(yù)警模型研究[D];哈爾濱工業(yè)大學(xué);2013年

5 呂曉丹;基于改進(jìn)的決策樹信用評(píng)價(jià)模型研究及其工具實(shí)現(xiàn)[D];東華大學(xué);2014年

  本文關(guān)鍵詞：基于代價(jià)敏感貝葉斯分類的個(gè)人信用風(fēng)險(xiǎn)評(píng)級(jí)，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：421610