大數(shù)據(jù)背景下消費(fèi)信貸風(fēng)險因素分析.pdf

1、大數(shù)據(jù)背景下消費(fèi)信貸風(fēng)險因素分析AnAnalysisontheConsumptionCreditRiskFactorsBasedonBigData天津大學(xué)管理與經(jīng)濟(jì)學(xué)部二零一五年十二月一夸一n=中T一月中文摘要相對于傳統(tǒng)的信用卡業(yè)務(wù)，消費(fèi)信貸業(yè)務(wù)一般具有單筆授信額度較小，審批時間短，無需抵押或質(zhì)押，貸款期限較短等特點(diǎn)，因而更加靈活，受到廣大商家尤其是電商平臺以及廣大消費(fèi)者的歡迎。本文介紹了消費(fèi)信貸的發(fā)展背景以及發(fā)展消費(fèi)信貸對于我國經(jīng)濟(jì)發(fā)

2、展的重要意義，然后通過進(jìn)行國內(nèi)外文獻(xiàn)綜述，梳理出消費(fèi)信貸風(fēng)險控制的發(fā)展方向。通過查閱資料我們發(fā)現(xiàn)國外的征信模式主要有同業(yè)征信、公共征信和市場征信三種模式，利用大數(shù)據(jù)進(jìn)行消費(fèi)信貸風(fēng)險控制主要是基于市場征信。而國內(nèi)利用大數(shù)據(jù)進(jìn)行消費(fèi)信貸風(fēng)險控制的公司主要為BAT(百度，阿里和騰訊)，其中以阿里尤為典型，也取得的不錯的成效。對于沒有數(shù)據(jù)量積累的消費(fèi)信貸公司，我們也可以通過多種途徑來收集消費(fèi)信貸數(shù)據(jù)，并結(jié)合兩大類個人信用評分模型統(tǒng)計(jì)模型和非統(tǒng)計(jì)

3、模型，來對消費(fèi)者的消費(fèi)行為進(jìn)行刻畫，為風(fēng)險控制提供依據(jù)。本文利用“一起好”“365易貸’’和“易融恒信”的數(shù)據(jù)，利用神經(jīng)網(wǎng)絡(luò)方法處理得到的“好客戶”和“壞客戶”數(shù)據(jù)，來分析利用大數(shù)據(jù)判別申請者信用狀況的可行性。實(shí)證表明，利用大數(shù)據(jù)手段并結(jié)合神經(jīng)網(wǎng)絡(luò)模型判別客戶的“好”與“壞”，準(zhǔn)確率可以達(dá)到80％左右；同時，文章分析了信貸奉獻(xiàn)中各個因素的重要性。從而達(dá)到了本文的預(yù)期效果?？傮w來講，本文的創(chuàng)新之處在于，利用網(wǎng)絡(luò)開源數(shù)據(jù)，結(jié)合大數(shù)據(jù)手段，從