商業(yè)銀行客戶違約預(yù)測(cè)模型研究.pdf

1、近年來(lái)，隨著經(jīng)濟(jì)迅速發(fā)展，中國(guó)商業(yè)銀行的不良貸款率也隨之上升，這直接影響了社會(huì)生活的各個(gè)方面，因此急需控制個(gè)人信用風(fēng)險(xiǎn)。對(duì)于傳統(tǒng)的人工信用評(píng)審，耗時(shí)耗力，并且正確率較低。近些年，數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的迅猛發(fā)展，通過(guò)對(duì)國(guó)內(nèi)外學(xué)者關(guān)于商業(yè)銀行信用評(píng)估研究的細(xì)致解讀，得出大多數(shù)評(píng)估模型在變量選擇方面具有較大的主觀性，性能評(píng)估指標(biāo)具有片面性，缺少對(duì)違約客戶識(shí)別準(zhǔn)確率的重視?；诖?，構(gòu)建高穩(wěn)定性、高正確率的信用評(píng)估模型勢(shì)在必行。
　　本文根據(jù)

2、現(xiàn)有研究，借助數(shù)據(jù)挖掘技術(shù)，將從特征變量選擇和違約預(yù)測(cè)模型構(gòu)建兩方面入手，構(gòu)建較為穩(wěn)定的、對(duì)違約客戶識(shí)別率較高的個(gè)人信用評(píng)估模型。本文以2016年CDA杯大賽數(shù)據(jù)為實(shí)證分析數(shù)據(jù)，采用Earth Mover's Distance(EMD)方法進(jìn)行特征變量的選擇，在決策樹(shù)模型的基礎(chǔ)上考慮兩類錯(cuò)誤給商業(yè)銀行造成損失的不同，構(gòu)建了基于代價(jià)矩陣的決策樹(shù)模型。通過(guò)與Logistic回歸、隨機(jī)森林、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)模型進(jìn)行對(duì)比，基于F2-scor

3、e指標(biāo)，來(lái)驗(yàn)證本文所提出的模型在識(shí)別違約客戶方面的有效性。
　　在變量選擇方面，與T檢驗(yàn)和Ⅳ值比較，EMD變量選擇方法具有最高的準(zhǔn)確度和F2-score。與4個(gè)傳統(tǒng)的違約模型相比，本文所提出的模型也具有最高的F2-score，其次是隨機(jī)森林模型。在代價(jià)矩陣決策樹(shù)模型中有9％的貸款違約者被錯(cuò)判，而隨機(jī)森林模型中有23％的貸款違約者被錯(cuò)判。在幾個(gè)模型中，代價(jià)矩陣決策樹(shù)模型也具有最短的建模時(shí)間。代價(jià)矩陣決策樹(shù)模型在確保正確率的基礎(chǔ)上，確