個(gè)人信用評(píng)分混合模型研究.pdf

1、隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展，各種個(gè)人消費(fèi)信貸業(yè)務(wù)的規(guī)模迅速擴(kuò)大。但是，由于目前國(guó)內(nèi)商業(yè)銀行對(duì)零售業(yè)務(wù)的風(fēng)險(xiǎn)管理水平較低，管理手段與技術(shù)方法相對(duì)落后，沒(méi)有形成有效的自動(dòng)化的基于個(gè)人信用評(píng)分模型的風(fēng)險(xiǎn)管理體系，這嚴(yán)重阻礙了個(gè)人消費(fèi)信貸業(yè)務(wù)的發(fā)展。因此，開(kāi)發(fā)出一套能夠有效降低個(gè)人信用風(fēng)險(xiǎn)的信用評(píng)分方法，對(duì)社會(huì)經(jīng)濟(jì)的發(fā)展具有十分重要的意義。本文建立的個(gè)人信用評(píng)分混合模型可以有效降低商業(yè)銀行的個(gè)人信用風(fēng)險(xiǎn)，更好地實(shí)現(xiàn)銀行利潤(rùn)最大化的目標(biāo)。
　　

2、 本文包含以下幾方面的內(nèi)容：
　　 第一章引言，指出問(wèn)題的研究背景及意義，論述了個(gè)人信用評(píng)分系統(tǒng)在消費(fèi)信貸風(fēng)險(xiǎn)控制過(guò)程中的重要性，概述了國(guó)內(nèi)外信用評(píng)分的發(fā)展和現(xiàn)狀，并對(duì)現(xiàn)有的理論研究成果加以總結(jié)。
　　 第二章詳細(xì)介紹了三種分類(lèi)方法用以建立信用評(píng)分模型，它們是Logistic回歸，分類(lèi)樹(shù)和隨機(jī)森林算法，本文選取的三種方法都很有代表性，其中Logistics回歸是目前商業(yè)銀行使用最廣泛的參數(shù)統(tǒng)計(jì)方法，分類(lèi)樹(shù)則是使用最廣泛

3、的非參數(shù)方法，而隨機(jī)森林算法是數(shù)據(jù)挖掘領(lǐng)域較為成功的算法。
　　 第三章研究個(gè)人信用評(píng)分模型的檢驗(yàn)方法，如何判定一個(gè)模型的有效性，我們列舉了三種理論界和實(shí)用界常用的方法。
　　 第四章用真實(shí)的信貸數(shù)據(jù)對(duì)第二章提出的三種分類(lèi)方法進(jìn)行實(shí)證分析，結(jié)果表明三種方法都可以有效的用于個(gè)人信用評(píng)分建模。
　　 第五章建立個(gè)人信用評(píng)分混合模型，首先由分類(lèi)樹(shù)方法獲取特征變量之間的交互作用項(xiàng)，然后引入到Logistic回歸模型中，從