銀行的信貸問題一直以來是銀行面臨的一個重要課題,顯著地風(fēng)險(xiǎn)評估依據(jù)則變得十分重要.實(shí)際數(shù)據(jù)常常會涉及不平衡分類數(shù)據(jù),以及大量計(jì)數(shù)數(shù)據(jù),均呈現(xiàn)不均衡分布狀態(tài),對這兩類數(shù)據(jù)的研究已成為統(tǒng)計(jì)學(xué)的熱點(diǎn)問題.本文以銀行客戶的信用卡信息為案例數(shù)據(jù),目的是盡可能高的識別出不良貸款申請人.首先,分析數(shù)據(jù)以初步獲得客戶信息.然后,本文從兩方面對數(shù)據(jù)進(jìn)行深入研究:(1)因變量是一個不平衡的二分類變量時,傳統(tǒng)的二分類算法會忽略人們所關(guān)心的少數(shù)類的正確識別.因此,本文的目的是通過抽樣技術(shù)和集成方法相結(jié)合的方法,在不影響整體分類精度的情況下降低少數(shù)類的錯分率,以避免風(fēng)險(xiǎn).本文分別將數(shù)據(jù)采樣技術(shù)SMOTE和EUS與集成分類算法相結(jié)合來建立模型,比較模型以找到最優(yōu)模型.文中所做的改進(jìn):為了做出最終的分類決策,采用自適應(yīng)閾值選擇的方法找到使得AUC達(dá)到最大的最優(yōu)閾值.擬合結(jié)果表明,上述方法可以有效的降低不平衡問題中少數(shù)類的錯分率.(2)為了進(jìn)一步提供分類依據(jù),將逾期還款次數(shù)作為新的因變量做回歸分析,該變量是零占比比較大的非負(fù)整數(shù),為零膨脹數(shù)據(jù).對于這類數(shù)據(jù),傳統(tǒng)的擬合計(jì)數(shù)數(shù)據(jù)的統(tǒng)計(jì)方法將產(chǎn)生有偏的統(tǒng)計(jì)推斷,而本文則使...

【文章頁數(shù)】：42 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖1三種分類模型的對比

多項(xiàng)式分類器1.067.192.9徑向基函數(shù)0.935.794.3　　三種分類模型的對比如圖1所示。圖1　三種分類模型的對比　　其中懲罰系數(shù)C的取值為1.0,多項(xiàng)式分類器中的指數(shù)取1.3,徑向基函數(shù)中的方差取為127.25。從結(jié)果分析,該方法比傳統(tǒng)神經(jīng)網(wǎng)絡(luò)中的不到90%正....

圖12各參數(shù)對算法性能影響的分析

步長s及學(xué)習(xí)因子c之間具有密切相關(guān)性，由于(xjk－xik)的可能取值為－1，0和1，r為隨機(jī)數(shù)，c為引入的學(xué)習(xí)因子(借鑒粒子群中的思想)通常取值為2，s步長的取值對位移mik的影響較大，s的取值由實(shí)驗(yàn)分析決定。同樣，對mik的取值限制范圍亦需實(shí)驗(yàn)分析確定，即mid∈［－Mmax....

圖12各參數(shù)對算法性能影響的分析

、6.86%、6.12%以及6.92%。操作失誤低、員工職業(yè)素養(yǎng)的高的影響力最小，只占到了總權(quán)重的4.63%以及4.34%。大慶市郵儲銀行小額貸款項(xiàng)目的風(fēng)險(xiǎn)管理評估章將基于模糊層次分析法的小額貸款服務(wù)項(xiàng)目風(fēng)險(xiǎn)評估管理方法應(yīng)儲銀行的小額貸款服務(wù)項(xiàng)目進(jìn)行評估研究，結(jié)果表明采用模....

圖4-1大慶市郵儲銀行小額貸款評估目的

好壞客戶(0=好客戶,1=壞客戶)屬性變量其次,需要對數(shù)據(jù)進(jìn)行一個基本層面的分析,查看數(shù)據(jù)變量的分布情況,以便更好地理解數(shù)據(jù).分析解釋變量中的因子變量,通過圖1.1的分布可以看出:使用信用卡的單身人數(shù)稍稍多于已婚人數(shù);受教育程度中本科所占人數(shù)較多;女性的信用卡....

本文編號：3892195