個人信用評分混合模型研究.pdf

1、隨著中國經(jīng)濟的快速發(fā)展，各種個人消費信貸業(yè)務的規(guī)模迅速擴大。但是，由于目前國內(nèi)商業(yè)銀行對零售業(yè)務的風險管理水平較低，管理手段與技術(shù)方法相對落后，沒有形成有效的自動化的基于個人信用評分模型的風險管理體系，這嚴重阻礙了個人消費信貸業(yè)務的發(fā)展。因此，開發(fā)出一套能夠有效降低個人信用風險的信用評分方法，對社會經(jīng)濟的發(fā)展具有十分重要的意義。本文建立的個人信用評分混合模型可以有效降低商業(yè)銀行的個人信用風險，更好地實現(xiàn)銀行利潤最大化的目標。
　　

2、 本文包含以下幾方面的內(nèi)容：
　　 第一章引言，指出問題的研究背景及意義，論述了個人信用評分系統(tǒng)在消費信貸風險控制過程中的重要性，概述了國內(nèi)外信用評分的發(fā)展和現(xiàn)狀，并對現(xiàn)有的理論研究成果加以總結(jié)。
　　 第二章詳細介紹了三種分類方法用以建立信用評分模型，它們是Logistic回歸，分類樹和隨機森林算法，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)計方法，分類樹則是使用最廣泛

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