商業(yè)銀行客戶違約預(yù)測模型研究.pdf

1、近年來，隨著經(jīng)濟迅速發(fā)展，中國商業(yè)銀行的不良貸款率也隨之上升，這直接影響了社會生活的各個方面，因此急需控制個人信用風險。對于傳統(tǒng)的人工信用評審，耗時耗力，并且正確率較低。近些年，數(shù)據(jù)挖掘和機器學(xué)習的迅猛發(fā)展，通過對國內(nèi)外學(xué)者關(guān)于商業(yè)銀行信用評估研究的細致解讀，得出大多數(shù)評估模型在變量選擇方面具有較大的主觀性，性能評估指標具有片面性，缺少對違約客戶識別準確率的重視?；诖?，構(gòu)建高穩(wěn)定性、高正確率的信用評估模型勢在必行。
　　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)測模型構(gòu)建兩方面入手，構(gòu)建較為穩(wěn)定的、對違約客戶識別率較高的個人信用評估模型。本文以2016年CDA杯大賽數(shù)據(jù)為實證分析數(shù)據(jù)，采用Earth Mover's Distance(EMD)方法進行特征變量的選擇，在決策樹模型的基礎(chǔ)上考慮兩類錯誤給商業(yè)銀行造成損失的不同，構(gòu)建了基于代價矩陣的決策樹模型。通過與Logistic回歸、隨機森林、支持向量機和神經(jīng)網(wǎng)絡(luò)模型進行對比，基于F2-scor

3、e指標，來驗證本文所提出的模型在識別違約客戶方面的有效性。
　　在變量選擇方面，與T檢驗和Ⅳ值比較，EMD變量選擇方法具有最高的準確度和F2-score。與4個傳統(tǒng)的違約模型相比，本文所提出的模型也具有最高的F2-score，其次是隨機森林模型。在代價矩陣決策樹模型中有9％的貸款違約者被錯判，而隨機森林模型中有23％的貸款違約者被錯判。在幾個模型中，代價矩陣決策樹模型也具有最短的建模時間。代價矩陣決策樹模型在確保正確率的基礎(chǔ)上，確