基于數(shù)據(jù)挖掘技術(shù)的信用評(píng)估模型研究.pdf

1、信用卡業(yè)務(wù)是一項(xiàng)業(yè)務(wù)空間廣闊、利潤(rùn)潛力巨大的金融服務(wù)。在發(fā)達(dá)國(guó)家，信用卡業(yè)務(wù)是許多國(guó)際大銀行的主要利潤(rùn)來(lái)源。隨著中國(guó)經(jīng)濟(jì)的發(fā)展，信用卡業(yè)務(wù)在中國(guó)呈現(xiàn)出高速增長(zhǎng)的態(tài)勢(shì)。在信用卡業(yè)務(wù)中，金融機(jī)構(gòu)要面對(duì)的主要問題之一是個(gè)人信用風(fēng)險(xiǎn)難于評(píng)估和控制，導(dǎo)致信用卡業(yè)務(wù)風(fēng)險(xiǎn)過高，因此，個(gè)人信用評(píng)估模型的研究具有十分重要的應(yīng)用價(jià)值。
　　 本文從數(shù)據(jù)挖掘的角度，采用基于條件信息熵的數(shù)據(jù)預(yù)處理技術(shù)，運(yùn)用遺傳規(guī)劃和神經(jīng)網(wǎng)絡(luò)技術(shù)，對(duì)信用評(píng)估模型進(jìn)行研究

2、。具體研究工作如下：
　　 1.研究數(shù)據(jù)挖掘中的預(yù)處理技術(shù)。數(shù)據(jù)預(yù)處理能夠幫助改善數(shù)據(jù)的質(zhì)量，進(jìn)而幫助提高數(shù)據(jù)挖掘進(jìn)程的有效性和準(zhǔn)確性。本文從代數(shù)和信息論兩個(gè)角度介紹粗糙集的相關(guān)概念，粗糙集中的信息熵，在此基礎(chǔ)上，深入研究基于條件信息熵的數(shù)據(jù)離散化和屬性約簡(jiǎn)算法，并將其運(yùn)用于信用數(shù)據(jù)的預(yù)處理中，從而提高數(shù)據(jù)的質(zhì)量。
　　 2.提出基于遺傳規(guī)劃和神經(jīng)網(wǎng)絡(luò)的兩階段信用評(píng)估模型。GP遺傳規(guī)劃和BP神經(jīng)網(wǎng)絡(luò)都被廣泛應(yīng)用于分類與預(yù)

3、測(cè)。通過結(jié)合遺傳規(guī)劃和BP神經(jīng)網(wǎng)絡(luò)，本文提出一種兩階段的混合信用評(píng)估模型，以彌補(bǔ)單一算法的不足，采用遺傳規(guī)劃學(xué)習(xí)提取IF-THEN規(guī)則，從而為決策者提供簡(jiǎn)潔的規(guī)則，同時(shí)采用BP神經(jīng)網(wǎng)絡(luò)以解決IF-THEN規(guī)則匹配失敗的問題。第一階段，利用遺傳規(guī)劃學(xué)習(xí)得到的規(guī)則進(jìn)行信用評(píng)估，如果失敗則進(jìn)入第二階段；第二階段，使用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)解決規(guī)則匹配失敗的問題。通過UCI數(shù)據(jù)集上的仿真實(shí)驗(yàn)，驗(yàn)證了該模型的可行性，通過與相關(guān)模型比較，也可得出其分類準(zhǔn)