基于贝叶斯网络的客户信用评估与研究

摘要

众所周知，信贷业务对于商业银行来说是一个不可或缺的部分，作为商业银行最主要的盈利途径和金融市场的重要组成部分，信贷业务通过其独特的形式在一定程度上促进了中国商业银行的发展。随着时代的进步，中国的各大商业银行为了适应多变的金融市场，它们在信贷体系上做出了很多的改革与创新。但是，对于商业银行来说，目前中国相对比较落后的信用制度大大抑制了客户信贷的增长，客户信用评估作为信贷业务最重要的一部分也逐渐引起了学者们和社会的广泛关注。 国内外学者们针对客户信用评估做过一系列的研究，研究方法包括：逻辑斯蒂克回归分析、判别分析等统计学方法以及决策树、支持向量机等非统计学方法，但是运用贝叶斯网络方法来对客户信用进行评估的有关文章甚少。个人信贷由于其问题的特殊性存在着许多不确定的因素，而贝叶斯网络通过推理又有着强大的解决不确定性问题的能力，所以运用贝叶斯网络来对客户信用进行评估不失为一个好的解决方案。 本文基于贝叶斯网络理论对学术界公认机构UCI的公开数据集“德国信用卡数据集”在训练集上建立了三种模型，即树增强朴素贝叶斯网络，马尔科夫毯及特征选择树增强朴素贝叶斯网络，然后在测试集上进行预测，并把预测结果与其它传统方法结果进行了比较，最后展示了这三种模型相比与传统分类模型预测准确率更好。最后在时间复杂度，预测准确率，第一类误分率以及所需变量数目四方面对这三种模型进行了对比分析，分别给出了它们对应的应用场景。

目录

第一个书签之前

摘要

ABSTRACT

1 绪论

1.1选题背景及意义

1.2 国内外研究现状

1.3 本文工作

2 贝叶斯网络理论

2.1贝叶斯网络介绍

2.2 贝叶斯网络相关基本概念

2.3 贝叶斯网络的数学定义

2.4 贝叶斯网络结构学习

2.4.1 确定网络结构

2.4.2 确定网络参数

2.5 贝叶斯网络模型

2.5.1朴素贝叶斯模型

2.5.2 树增强朴素贝叶斯模型

2.5.3 马尔科夫毯模型

2.5.4 特征选择树增强贝叶斯网络

3 客户信用评估模型指标体系

3.1 客户信用评估体系的构建原则

3.2 客户信用评估指标体系的构建方法

4 客户信用数据来源及预处理

4.1 数据的来源与介绍

4.2 数据的预处理

4.2.1 指标的赋值

4.2.2 缺失值和异常值的检测及处理

5 基于贝叶斯网络理论的客户信用评估模型

5.1模型的实验结果

5.1.1基于树增强朴素贝叶斯建模

5.1.2基于马尔科夫毯建模

5.1.3基于特征选择树增强贝叶斯网络建模

5.2 模型评估

6 总结与展望

6.1 工作总结

6.2 不足与展望

致谢

参考文献