消费金融公司个人信用评价方法研究

摘要

新经济形势下，传统的金融服务不足以支撑整个实体经济的进一步发展。2010年至2017年，我国消费金融公司异军突起，发展迅速，展现出巨大的潜力。消费金融公司的出现，满足了个体消费者的信贷需求，然而消费金融公司提供的个人消费信贷业务的特点是小额、无担保、无抵押、手续简单、审批快速，使得其面临很大的信贷风险。信用风险的识别能力已经成为消费金融机构的核心能力之一，良好的风险控制能促进金融机构扩大业务规模，减少坏账损失，增加利润，因此建立一套准确、实用的个人信用评价体系是金融机构有效规避信用风险、进一步促进信贷行业发展的关键。 消费金融个人信贷业务在我国开展的时间并不久，相应的金融机构对信贷风险的管理水平较低，没有形成一套系统的个人信用评估体系，加之个人客户数量庞大，机器学习方法已经开始用于个人信用评估领域。机器学习算法是一种监督式学习，能够对经验数据学习改进算法，从而处理数据。决策树是机器学习方法之一，本文主要用决策树及其组合分类算法对消费金融公司个人信用进行评价。 本文的主要研究内容如下：首先，介绍个人信用评价领域方法的原理，个人信用评价实际上就是进行分类，相应的信用评价方法的选择就是对分类方法的选择，本文提出，当分类数据中有太多的定性自变量并且定性变量的水平也较多时，决策树及其组合分类方法的评价结果要优于基于数量变量的Logistic回归、支持向量机等分类方法；其次，用决策树分类、bagging分类、随机森林分类和adaboost分类方法对本文数据进行拟合，并比较精确度、风险成本、稳定性、10折交叉验证结果等方面，比较得出随机森林分类法较优；再次，将随机森林分类法与Logistic回归、支持向量机等分类法进行上述比较，得出随机森林分类仍然优于这些分类方法的结论，证实了本文提出的假说对本文数据是成立的；文章最后对结论进行了总结，并指出消费金融公司在对个人信用进行评价的具体运用过程中还需注意的问题。

目录

声明

第一章 绪论

第一节 研究背景与研究意义

一、研究背景

二、研究意义

第二节 文献综述

一、国内研究综述

二、国外研究综述

第三节 研究思路、方法和结构

第二章 消费金融及个人信用体系理论

第一节 消费金融相关概念

一、消费金融

二、消费金融公司

三、消费金融的风险

第二节 个人信用体系相关概念

一、个人信用

二、个人信用体系

三、个人信用评价

第三节 传统个人信贷风险评估体系

第四节 消费金融公司个人信用评估方法

第三章 相关方法及假说

第一节 个人信用评价方法理论介绍

一、经典判别分析

二、Logistic回归

三、神经网络

四、k最近邻方法

五、支持向量机

六、决策树及其组合分类方法

第二节 假说的提出

第四章 方法比较与选择

第一节 样本数据及初步分析

一、数据来源

二、数据的描述性分析

第二节 基于决策树方法的信用评价

一、决策树分类

二、Bagging分类

三、随机森林分类

四、Adaboost分类

第三节 决策树及组合分类方法的比较

第四节 与其它信用评价方法的比较分析

一、Logistc回归分类

二、神经网络方法

三、支持向量机

四、k最近邻法

五、分类方法的比较分析

第五章 结论

参考文献

致谢

作者在读期间完成的研究成果