信用评分模型及其在不良顾客预测分析中的应用

摘要

随着近年来国内外信贷消费的蓬勃发展，信用风险管理越来越受到金融行业的重视并逐渐成为客户关系管理中的核心问题。其中，信用评分方法成为信用风险预测的主要方法，它使得信贷决策过程自动化、科学化，大大提高了金融行业的收益。 本文以实际项目为研究对象，通过对问题的分析和理解，建立线性判别分析评分模型，并应用遗传算法对其求解。以此模型为核心开发出不良顾客预测系统，应用在信用审查业务中。 本文首先应用数据挖掘和统计分析方法，对消费者的基本属性、信用历史记录等大量数据作统计分析，挖掘数据中蕴含的与行为棚关的特征，寻找判别能力较强的变量。为便于模型的应用，进行了离散变量的分组化、连续变量的离散化处理。 针对一次变量难以表达变量间交叉特征的问题，本文提出二次变量的概念。由于寻找二次变量的过程构成组合优化问题，本文进一步提出并应用遗传规划方法生成二次变量。结合人工筛选，所生成的二次变量不仅可以表达一次变量难以表达的交叉特征，而且具有较强的分辨能力。实验结果证明二次变量的引入可以明显提高模型的精度。 由于判别分析模型的求解是一个组合优化问题，本文提出采用遗传算法进行求解。针对实际问题的特点，设计了一种简便灵活的编码方式，以变量为基因，基因的顺次排列构成染色体，每个基因中包含了变量的两个信息：变量是否选入；变量的系数。这种方式实现了进化时变量的选择与系数分配同时进行。实验仿真结果验证了算法的有效性与可行性。 针对信用评分，本文还建立了支持向量机模型和逻辑回归模型，并在同一组测试数据上进行了仿真结果的对比分析，判别分析模型以预测能力强、精度高、易于理解、有效、实用的特点为用户所接受与采纳。 基于信用评分模型，对不良顾客预测系统的总体结构以及主要功能模块进行了设计，并采用C++实现了整个系统。实际应用效果稳定、可靠，满足了用户的要求。

目录

文摘

英文文摘

声明

第一章绪论

1.1研究背景与意义

1.1.1个人消费信贷在国内外的发展现状

1.1.2信用风险与信用风险管理的意义

1.2研究对象

1.3论文主要内容及组织

第二章信用评分建模方法概述

2.1信用评分的起源与发展

2.2信用评分的作用

2.3信用评分的基本假设与原理

2.4信用评分模型的建模方法

2.4.1判别分析法

2.4.2线性回归方法

2.4.3 Logistic回归模型

2.4.4数学规划方法

2.4.5 K近邻法

2.4.6决策树法

2.4.7人工神经网络

2.5小结

第三章判别分析评分模型的建立

3.1问题描述

3.1.1基本需求

3.1.2务特征

3.1.3求解思路

3.2评分模型的建立

3.3模型的评价

3.3.1基本概念

3.3.2评价方法

3.4模型数据准备

3.4.1数据特征

3.4.2数据预处理

3.5二次变量

3.5.1基于分析的二次变量生成

3.5.2基于遗传规划的二次变量生成

3.6模型的遗传算法求解

3.6.1遗传算法简介

3.6.2染色体设计

3.6.3初始种群的产生

3.6.4交叉算子设计

3.6.5变异算子设计

3.6.6评价函数设计

3.6.7染色体的选择与种群进化

3.7小结

第四章模型结果分析

4.1学习数据与评价数据

4.2模型运算结果

4.2.1模型的学习与评价

4.2.2分数分布

4.2.3高分前十位与低分前十位

4.3评价方法比较分析

4.4二次变量效果分析

4.5建模方法比较分析

4.6小结

第五章不良顾客预测系统的开发

5.1系统总体结构设计

5.2主要功能模块设计

5.2.1系统的整体处理流程

5.2.2数据预处理模块

5.2.3学习模块

5.2.4评价模块

5.2.5报表生成模块

5.3开发环境

5.4小结

第六章总结与展望

参考文献

致谢

发表论文